Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Forutsetninger for T-test | Statistisk Testing
Lære Statistikk med Python

book
Forutsetninger for T-test

Hovedideen bak t-testen er at den følger t-fordelingen. For at dette skal være tilfelle, gjøres noen viktige antakelser:

  1. Homogenitet av varians. Variansene til de to sammenlignede gruppene bør være omtrent like;

  2. Normalitet. Begge utvalgene bør omtrent følge en normalfordeling;

  3. Uavhengighet. Utvalgene må være uavhengige, noe som innebærer at verdiene i én gruppe ikke skal påvirkes av verdiene i den andre gruppen.

Det er viktig å merke seg at t-testen kan gi unøyaktige resultater dersom disse antakelsene ikke er oppfylt.

Det finnes ulike typer t-tester som håndterer brudd på noen av antakelsene:

  • Hvis variansene er forskjellige, kan du bruke Welchs t-test. Prinsippet er det samme. Det eneste som skiller er frihetsgradene. Å utføre Welchs t-test i stedet for vanlig t-test i Python er så enkelt som å sette equal_var=False;

  • Hvis utvalgene ikke er uavhengige (for eksempel hvis du ønsker å sammenligne gjennomsnittet til samme gruppe på ulike tidspunkter), kan du bruke en parret t-test. En parret t-test vil bli gjennomgått i et senere kapittel.

question-icon

Velg riktig type t-test for hvert tilfelle:

Normality, Homogeneity but no Independence —
_ _ _

Normality, Homogeneity, Independence —
_ _ _

Normality, Independence but no Homogeneity —
_ _ _

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

dots
Paired t-test
dots
Welch's t-test
dots
Regular t-test

Alt var klart?

Hvordan kan vi forbedre det?

Takk for tilbakemeldingene dine!

Seksjon 6. Kapittel 5

Spør AI

expand

Spør AI

ChatGPT

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

some-alt