t-Test-Annahmen

Die Hauptidee hinter dem t-Test ist, dass er der t-Verteilung folgt. Damit dies zutrifft, werden einige wichtige Annahmen getroffen:

1. Homogenität der Varianz. Die Varianzen der beiden verglichenen Gruppen sollten ungefähr gleich sein;

2. Normalverteilung. Beide Stichproben sollten ungefähr einer Normalverteilung folgen;

3. Unabhängigkeit. Die Stichproben müssen unabhängig sein, was bedeutet, dass die Werte in einer Gruppe nicht von denen in der anderen Gruppe beeinflusst werden sollten.

Es ist wichtig zu beachten, dass der t-Test ungenaue Ergebnisse liefern kann, wenn diese Annahmen nicht erfüllt sind.

Es gibt verschiedene Arten von t-Tests, die Verletzungen einiger Annahmen behandeln:

• Wenn die Varianzen unterschiedlich sind, können Sie den Welch-t-Test durchführen. Die Idee ist die gleiche. Der einzige Unterschied sind die Freiheitsgrade. Den Welch-t-Test anstelle des gewöhnlichen t-Tests in Python durchzuführen, ist so einfach wie equal_var=False zu setzen;
• Wenn Stichproben nicht unabhängig sind (zum Beispiel, wenn Sie die Mittelwerte derselben Gruppe zu verschiedenen Zeitpunkten vergleichen möchten), können Sie einen gepaarten t-Test durchführen. Ein gepaarter t-Test wird in einem späteren Kapitel besprochen.