Én-sidet og To-sidet Test
Når nulhypotesen er sand, følger t-statistikken t-fordelingen.
T-fordelingen ligner en normalfordeling. Sandsynligheden for at opnå en værdi tæt på nul er meget høj, mens sandsynligheden for at opnå en værdi langt fra nul er lav. Hvis nulhypotesen er sand, er det derfor meget usandsynligt at få værdien af t langt fra nul. Hvis dette sker, forkastes nulhypotesen og den alternative accepteres.
Kritisk område
Fremhævet med rødt er kritisk region (eller afvisningsregion). Når t-statistikken falder inden for denne kritiske region, forkastes nulhypotesen, og alternativhypotesen accepteres.
Den kritiske region vælges således, at sandsynligheden for, at t-statistikken falder inden for den, svarer til signifikansniveauet, typisk sat til α (normalt 0,05).
Énsidet vs Tosidet
Afhængigt af alternativhypotesen findes der to metoder til at konstruere en kritisk region.
- En tosidet test anvendes, når alternativhypotesen er "Middelværdierne er ikke ens.";
- En énsided test anvendes, når alternativhypotesen er "Den ene middelværdi er større (mindre) end den anden."
Eksempel
Hvis t-statistikken for sammenligningen af mænds og kvinders højder beregnes og findes til at være 19,1, falder den inden for den kritiske region. Dette muliggør konklusionen, at mænd er statistisk signifikant højere end kvinder.
I dette eksempel falder enhver værdi større end 1,65 inden for det kritiske område. Dette kaldes en kritisk værdi. Den kritiske værdi påvirkes af stikprøvestørrelserne, men det behøver du ikke bekymre dig om. Python beregner både den kritiske værdi og t-statistikken for dig.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Can you explain how to interpret the t-distribution graph?
What is the difference between a one-tailed and two-tailed test?
How is the critical value determined in hypothesis testing?
Awesome!
Completion rate improved to 2.63Én-sidet og To-sidet Test
Stryg for at vise menuen
Når nulhypotesen er sand, følger t-statistikken t-fordelingen.
T-fordelingen ligner en normalfordeling. Sandsynligheden for at opnå en værdi tæt på nul er meget høj, mens sandsynligheden for at opnå en værdi langt fra nul er lav. Hvis nulhypotesen er sand, er det derfor meget usandsynligt at få værdien af t langt fra nul. Hvis dette sker, forkastes nulhypotesen og den alternative accepteres.
Kritisk område
Fremhævet med rødt er kritisk region (eller afvisningsregion). Når t-statistikken falder inden for denne kritiske region, forkastes nulhypotesen, og alternativhypotesen accepteres.
Den kritiske region vælges således, at sandsynligheden for, at t-statistikken falder inden for den, svarer til signifikansniveauet, typisk sat til α (normalt 0,05).
Énsidet vs Tosidet
Afhængigt af alternativhypotesen findes der to metoder til at konstruere en kritisk region.
- En tosidet test anvendes, når alternativhypotesen er "Middelværdierne er ikke ens.";
- En énsided test anvendes, når alternativhypotesen er "Den ene middelværdi er større (mindre) end den anden."
Eksempel
Hvis t-statistikken for sammenligningen af mænds og kvinders højder beregnes og findes til at være 19,1, falder den inden for den kritiske region. Dette muliggør konklusionen, at mænd er statistisk signifikant højere end kvinder.
I dette eksempel falder enhver værdi større end 1,65 inden for det kritiske område. Dette kaldes en kritisk værdi. Den kritiske værdi påvirkes af stikprøvestørrelserne, men det behøver du ikke bekymre dig om. Python beregner både den kritiske værdi og t-statistikken for dig.
Tak for dine kommentarer!
