t-test 통계(|t|)의 절대 값이 임계 값보다 크면 그 차이는 중요합니다. 그렇지 않으면 그렇지 않습니다. 유의성 또는 (p-값)의 수준은 계산된 |t |에 대한 t 테스트 테이블에 의해 표시된 위험에 해당합니다. 값. 일반적으로, 1개의 견본 t-시험을 위한 3개의 가능한 대안 가설 및 거부 지구가 있습니다: g. 평균 – 이것은 시험되는 평균입니다. 이 예제에서는 쓰기의 평균입니다. l. Pr(| T | >||) – 평균이 50과 같지 않은 대안에 대해 null을 평가하는 두 꼬리 p 값입니다. null 가설에서 t의 더 큰 절대 값을 관찰할 확률과 같습니다.

p-값이 미리 지정된 알파 수준(일반적으로 .05 또는 .01, 여기서 전자)보다 작으면 평균이 통계적으로 0과 크게 다르다는 결론을 내립니다. 예를 들어 쓰기의 p 값은 0.05보다 작습니다. 그래서 우리는 쓰기의 평균이 50과 다르다는 결론을 내립니다. 쌍을 이루는 학생의 t-test는 두 개의 관련 샘플의 수단을 비교하는 데 사용됩니다. 즉, 동일한 샘플에 대해 두 개의 값(값 쌍)이 있는 경우입니다. 이 경우, 우리는 샘플의 두 개의 독립적 인 그룹이 있고 짝이없는 t-테스트는 수단이 다른지 여부를 테스트하는 데 사용할 수 있습니다. 샘플 평균과 null 가설의 차이는 양수 또는 음의 방향으로 증가했음을 의미하므로 신호의 강도가 증가합니다. 두 개의 꼬리 t 검정에서 임계 값은 t1-α/2, θ = 1.9673이며 α = 0.05 및 θ = 326입니다.

상위, 일꼬리 테스트를 수행하면 임계 값은 t1-α, θ = 1.6495입니다. 예제 데이터를 사용하여 세 가지 가능한 대체 가설에 대한 거부 영역은 다음과 같습니다. 통계에서 t-test는 수단을 비교할 수 있는 가설 테스트의 한 유형입니다. 각 t-검정은 샘플 데이터를 하나의 숫자인 t 값으로 끓이기 때문에 t 검정이라고 합니다. t-검정이 t-값을 계산하는 방법을 이해한다면 이러한 테스트의 작동 방식을 잘 이해할 수 있습니다. 세 가지 경우 모두, 인구 평균 의 차이는 동일합니다. 그러나 샘플 수단, 두 번째 그래프의 큰 가변성으로 두 개의 인구가 큰 거래를 겹칩니다. 따라서, 차이는 잘 우연히 올 수 있습니다. 반면에 가변성이 작으면서 세 번째 그래프와 같이 차이가 더 분명합니다. 평균의 표준 오차가 작을수록 t 값의 크기가 커지므로 p 값이 작아지습니다. 이 문서의 목적은 다른 t 테스트 수식을 설명하는 것입니다.

학생의 t-test는 수식이 비교되는 데이터의 평균과 표준 편차에 따라 달라지기 때문에 파라메트릭 테스트입니다. 출력에는 1개 샘플 통계 및 1개 샘플 테스트의 두 섹션(상자)이 나타납니다.