Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele T-test-Oletukset | Tilastollinen Testaaminen
Tilastotieteen Opiskelu Pythonilla

bookT-test-Oletukset

t-testin perusajatus on, että se noudattaa t-jakaumaa. Jotta tämä pitää paikkansa, tehdään muutamia tärkeitä oletuksia:

  1. Varianssien homogeenisuus. Verrattavien ryhmien varianssien tulisi olla suunnilleen samat;

  2. Normaalijakautuneisuus. Molempien otosten tulisi noudattaa likimääräisesti normaalijakaumaa;

  3. Riippumattomuus. Otosten tulee olla riippumattomia, eli toisen ryhmän arvot eivät saa vaikuttaa toisen ryhmän arvoihin.

On tärkeää huomata, että t-testi voi antaa virheellisiä tuloksia, jos nämä oletukset eivät täyty.

On olemassa erilaisia t-testejä, jotka huomioivat joidenkin oletusten rikkomisen:

  • Jos varianssit ovat erilaiset, voidaan käyttää Welchin t-testiä. Sen perusajatus on sama. Ainoa ero on vapausasteiden laskennassa. Welchin t-testin suorittaminen Pythonissa tavallisen t-testin sijaan onnistuu helposti asettamalla equal_var=False;
  • Jos otokset eivät ole riippumattomia (esimerkiksi jos halutaan verrata saman ryhmän keskiarvoja eri ajankohtina), voidaan käyttää parittaista t-testiä. Parittaisesta t-testistä keskustellaan myöhemmässä luvussa.
question-icon

Valitse sopiva t-testin tyyppi jokaiseen tapaukseen:

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

Normality, Independence but no Homogeneity —

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

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 6. Luku 5

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Awesome!

Completion rate improved to 2.63

bookT-test-Oletukset

Pyyhkäise näyttääksesi valikon

t-testin perusajatus on, että se noudattaa t-jakaumaa. Jotta tämä pitää paikkansa, tehdään muutamia tärkeitä oletuksia:

  1. Varianssien homogeenisuus. Verrattavien ryhmien varianssien tulisi olla suunnilleen samat;

  2. Normaalijakautuneisuus. Molempien otosten tulisi noudattaa likimääräisesti normaalijakaumaa;

  3. Riippumattomuus. Otosten tulee olla riippumattomia, eli toisen ryhmän arvot eivät saa vaikuttaa toisen ryhmän arvoihin.

On tärkeää huomata, että t-testi voi antaa virheellisiä tuloksia, jos nämä oletukset eivät täyty.

On olemassa erilaisia t-testejä, jotka huomioivat joidenkin oletusten rikkomisen:

  • Jos varianssit ovat erilaiset, voidaan käyttää Welchin t-testiä. Sen perusajatus on sama. Ainoa ero on vapausasteiden laskennassa. Welchin t-testin suorittaminen Pythonissa tavallisen t-testin sijaan onnistuu helposti asettamalla equal_var=False;
  • Jos otokset eivät ole riippumattomia (esimerkiksi jos halutaan verrata saman ryhmän keskiarvoja eri ajankohtina), voidaan käyttää parittaista t-testiä. Parittaisesta t-testistä keskustellaan myöhemmässä luvussa.
question-icon

Valitse sopiva t-testin tyyppi jokaiseen tapaukseen:

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

Normality, Independence but no Homogeneity —

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

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 6. Luku 5
some-alt