Antaganden för T-test

Huvudidén bakom t-testet är att det följer t-fördelningen. För att detta ska gälla görs några viktiga antaganden:

1. Homogenitet av varians. Varianserna för de två jämförda grupperna bör vara ungefär lika;

2. Normalfördelning. Båda urvalen bör ungefär följa en normalfördelning;

3. Oberoende. Urvalen måste vara oberoende, vilket innebär att värdena i en grupp inte ska påverkas av de i den andra gruppen.

Det är viktigt att notera att t-testet kan ge felaktiga resultat om dessa antaganden inte uppfylls.

Det finns olika typer av t-tester som hanterar brott mot vissa av antagandena:

• Om varianserna är olika kan du använda Welchs t-test. Idén är densamma. Det enda som skiljer är frihetsgraderna. Att utföra Welchs t-test istället för det vanliga t-testet i Python är så enkelt som att ange equal_var=False;

• Om urvalen inte är oberoende (till exempel om du vill jämföra medelvärdena för samma grupp vid olika tidpunkter), kan du använda ett parat t-test. Ett parat t-test kommer att diskuteras i ett senare kapitel.