Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Forudsætninger for T-test | Statistisk Testning
Lær Statistik med Python

bookForudsætninger for T-test

Hovedideen bag t-testen er, at den følger t-fordelingen. For at dette er sandt, antages nogle vigtige forudsætninger:

  1. Homogenitet af varians. Variansen i de to sammenlignede grupper skal være omtrent ens;
  2. Normalfordeling. Begge stikprøver skal nogenlunde følge en normalfordeling;
  3. Uafhængighed. Stikprøverne skal være uafhængige, hvilket betyder, at værdierne i den ene gruppe ikke bør påvirkes af værdierne i den anden gruppe.

Det er vigtigt at bemærke, at t-testen kan give unøjagtige resultater, hvis disse forudsætninger ikke er opfyldt.

Der findes forskellige typer af t-tests, som håndterer overtrædelser af nogle af forudsætningerne:

  • Hvis varianserne er forskellige, kan du anvende Welch's t-test. Idéen er den samme. Den eneste forskel er frihedsgraderne. At udføre Welch's t-test i stedet for den almindelige t-test i Python er så simpelt som at sætte equal_var=False;
  • Hvis stikprøverne ikke er uafhængige (for eksempel, hvis du vil sammenligne gennemsnittet af den samme gruppe på forskellige tidspunkter), kan du anvende en parret t-test. En parret t-test vil blive gennemgået i et senere kapitel.
question-icon

Vælg den passende type t-test for hvert tilfælde:

Normality, Homogeneity but no Independence —
Normality, Homogeneity, Independence —

Normality, Independence but no Homogeneity —

Click or drag`n`drop items and fill in the blanks

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 6. Kapitel 5

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Suggested prompts:

What are some common ways to check if the assumptions of the t-test are met?

Can you explain more about when to use Welch's t-test versus the standard t-test?

How does a paired t-test differ from an independent t-test?

Awesome!

Completion rate improved to 2.63

bookForudsætninger for T-test

Stryg for at vise menuen

Hovedideen bag t-testen er, at den følger t-fordelingen. For at dette er sandt, antages nogle vigtige forudsætninger:

  1. Homogenitet af varians. Variansen i de to sammenlignede grupper skal være omtrent ens;
  2. Normalfordeling. Begge stikprøver skal nogenlunde følge en normalfordeling;
  3. Uafhængighed. Stikprøverne skal være uafhængige, hvilket betyder, at værdierne i den ene gruppe ikke bør påvirkes af værdierne i den anden gruppe.

Det er vigtigt at bemærke, at t-testen kan give unøjagtige resultater, hvis disse forudsætninger ikke er opfyldt.

Der findes forskellige typer af t-tests, som håndterer overtrædelser af nogle af forudsætningerne:

  • Hvis varianserne er forskellige, kan du anvende Welch's t-test. Idéen er den samme. Den eneste forskel er frihedsgraderne. At udføre Welch's t-test i stedet for den almindelige t-test i Python er så simpelt som at sætte equal_var=False;
  • Hvis stikprøverne ikke er uafhængige (for eksempel, hvis du vil sammenligne gennemsnittet af den samme gruppe på forskellige tidspunkter), kan du anvende en parret t-test. En parret t-test vil blive gennemgået i et senere kapitel.
question-icon

Vælg den passende type t-test for hvert tilfælde:

Normality, Homogeneity but no Independence —
Normality, Homogeneity, Independence —

Normality, Independence but no Homogeneity —

Click or drag`n`drop items and fill in the blanks

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 6. Kapitel 5
some-alt