Exemple de test t

Cependant, puisque vous devriez avoir testé vos données pour ces hypothèses, vous devrez également interpréter la sortie de SPSS Statistics qui a été produite lorsque vous avez testé pour eux (i. La valeur positive de t dans cet exemple indique que le temps moyen de mile pour le premier groupe, non-athlètes, est significativement plus grand que la moyenne pour le deuxième groupe, les athlètes. Notez que ce paramètre n`affecte pas la statistique de test ou la valeur p ou l`erreur standard; elle affecte uniquement les limites supérieures et inférieures calculées de l`intervalle de confiance. Notez également que si vous pouvez utiliser des points de coupure sur n`importe quelle variable qui a un type numérique, il peut ne pas avoir un sens pratique en fonction du niveau de mesure réel de la variable (e. Le test t jumelé et le test t à 1 échantillon sont en fait le même test déguisé! Pour cet exemple, conservez les intervalles de confiance par défaut 95% et l`analyse des cas d`exclusion par analyse dans la zone – valeurs manquantes –. Enfin et surtout, notre différence moyenne de-7 minutes n`est pas statistiquement significative: t (18) =-1. Lorsque vous choisissez d`analyser vos données à l`aide d`un test t à un échantillon, une partie du processus consiste à vérifier que les données que vous souhaitez analyser peuvent effectivement être analysées à l`aide d`un test t à un échantillon. Toutes les variables de votre jeu de données apparaissent dans la liste sur le côté gauche. Techniquement, il demande ce qui suit: s`il n`y avait en fait aucune différence entre les Kansans et les New-Yorkais en général, quelles sont les chances que les groupes choisis au hasard de ces populations soient aussi différents que ces groupes choisis au hasard? Deuxièmement, notre différence moyenne devrait flucrer moins-qui est, avoir une erreur standard plus petite-dans la mesure où nos tailles d`échantillon sont plus grandes. Section hypothèses, vous n`aurez qu`à interpréter ces deux tables principales.

Par exemple, la saisie de «99» dans cette zone entraînerait un intervalle de confiance de 99% et équivera à la déclaration de signification statistique à la p <. L`importance statistique indique si la différence entre les moyennes des échantillons est susceptible de représenter une différence réelle entre les populations (comme dans l`exemple ci-dessus), et la taille de l`effet indique si cette différence est assez grande pour être pratiquement Significatif. Dans notre exemple, DF = (10 + 10-2) = 18. Enfin, l`écart-type de nos 1 000 moyennes différences-l`erreur standard-est de 6. Tout d`abord, les différences moyennes sont grossièrement normalement distribuées. Par exemple, les Kansans dépensent-ils plus d`argent sur les films en janvier ou en février, où chaque répondant est interrogé sur leur janvier et leurs dépenses de février? Ce résultat de l`échantillon suggère donc que les moyens de population n`étaient pas égaux après tout. Hypothèse nulle-disons que je veux tester si les hommes ou les femmes courent plus vite. Point de coupure: Si votre variable de regroupement est numérique et continue, vous pouvez désigner un point de coupure pour la dichotomisation de la variable.

Nous ne le savons généralement pas, mais nous pouvons l`estimer avec $ $Sw = sqrt{frac{(n_1-1) ; S ^ 2_1 + (N_2-1) ; S ^ 2_2} {n_1 + N_2-2}} $ $ dans lequel (SW ) indique notre écart-type estimé de population. Si nos données répondent à ces hypothèses, alors T suit une distribution t avec (N1 + N2-2) degrés de liberté (DF). Si le test de Levene indique que les écarts ne sont pas égaux entre les deux groupes (i. Ils sont appelés t-tests parce que chaque t-test résume vos données échantillon à un nombre, la valeur t. Dans la section procédure, nous illustrons la procédure de SPSS Statistics requise pour effectuer un test t à un échantillon en supposant qu`aucune hypothèse n`a été violée. Ensuite, il calcule les moyennes et les écarts types des minutes téléphoniques mensuelles pour les répondants masculins et féminins séparément. La différence est à peine perceptible si DF > 15 ou plus. Si p >. Comme une procédure paramétrique (une procédure qui estime les paramètres inconnus), le test t un échantillon fait plusieurs hypothèses. Cela signifie que nous avons une chance de 28% de trouver notre différence moyenne d`échantillon-ou un plus extrême-si nos moyens de population sont vraiment égaux; C`est un résultat normal qui ne contredit pas notre hypothèse nulle.

Cependant, la possibilité que l`hypothèse nulle est vraie et que nous avons simplement obtenu un résultat très rare ne peut jamais être exclu complètement.