Hüpoteesi kontrollimisel juhindub statistiline analüüs. Statistiline olulisus arvutatakse p-väärtuse abil, mis näitab teie tulemuse jälgimise tõenäosust, kui teatud väide (nullhüpotees) on tõene. Kui see p-väärtus on seatud olulisuse tasemest väiksem (tavaliselt 0,05), võib eksperimenteerija eeldada, et nullhüpotees on väär, ja nõustuda alternatiivse hüpoteesiga. Lihtsa t-testi abil saate arvutada p-väärtuse ja määrata olulisuse andmestiku kahe erineva rühma vahel.
1
Määratlege oma hüpoteesid. Statistilise olulisuse hindamise esimene samm on küsimuse määratlemine, millele soovite vastata, ja hüpoteesi esitamine. Hüpotees on väide teie katseandmete ja populatsioonis esineda võivate erinevuste kohta. Iga katse jaoks on olemas nii null- kui ka alternatiivne hüpotees. Üldiselt võrreldakse kahte rühma, et näha, kas need on samad või erinevad. Nullhüpotees (H0) väidab üldiselt, et teie kahe andmekogumi vahel ei ole erinevusi. Näiteks: Õpilased, kes loevad materjali enne tundi, ei saa paremaid lõpuhinneid. Alternatiivne hüpotees (Ha) on nullhüpoteesi vastand ja on väide, mida proovite oma katseandmetega toetada. Näiteks: õpilased, kes loevad materjali enne tundi läbi, saavad paremaid lõpuhinneid.
2
Määrake olulisuse tase, et teha kindlaks, kui ebatavalised peavad teie andmed olema, enne kui neid saab oluliseks pidada. Olulisuse tase (nimetatakse ka alfaks) on lävi, mille määrate olulisuse määramiseks. Kui teie p-väärtus on määratud olulisuse tasemest väiksem või sellega võrdne, loetakse andmeid statistiliselt olulisteks. Üldreeglina on olulisuse tase (või alfa) tavaliselt seatud väärtusele 0,05, mis tähendab, et täheldatud erinevuste jälgimise tõenäosus on teie andmetes on juhuslikult vaid 5%. Kõrgem usaldusnivoo (ja seega madalam p-väärtus) tähendab, et tulemused on olulisemad. Kui soovite oma andmetes suuremat usaldusväärsust, määrake p-väärtus madalamaks 0,01-le. Madalamaid p-väärtusi kasutatakse üldiselt tootmises, kui tuvastatakse toodetes vigu. On väga oluline omada suurt kindlustunnet, et iga osa töötab täpselt nii, nagu ta peaks töötama. Enamiku hüpoteesil põhinevate katsete puhul on vastuvõetav olulisuse tase 0,05.
3
Otsustage, kas kasutada ühe või kahe sabaga testi. Üks t-testi eeldusi on see, et teie andmed jaotatakse normaalselt. Andmete normaalne jaotus moodustab kellakõvera, kus enamik proove jääb keskele. T-test on matemaatiline test, et näha, kas teie andmed jäävad kõvera “saba” osas normaalsest jaotusest väljapoole, kas üleval või madalamal. Ühesuunaline test on võimsam kui kaheosaline test, kuna see uurib suhte potentsiaali ühes suunas (näiteks kontrollrühma kohal), samas kui kaheosaline test uurib suhte potentsiaali mõlemas suunas (nt kontrollrühma kohal või all). pole kindel, kas teie andmed on kontrollrühmast kõrgemal või madalamal, kasutage kahepoolset testi. See võimaldab teil testida olulisust mõlemas suunas.Kui teate, millises suunas teie andmed eeldatavalt arenevad, kasutage ühte -sabaga test. Antud näites eeldate õpilase hinnete paranemist, seetõttu kasutate ühepoolset testi.
4
Määrake proovi suurus võimsusanalüüsiga. Testi võimsus on eeldatava tulemuse jälgimise tõenäosus konkreetse valimi suuruse korral. Üldine võimsuse (või β) künnis on 80%. Võimsuse analüüs võib ilma esialgsete andmeteta olla pisut keeruline, kuna vajate teavet iga rühma eeldatavate keskmiste ja nende standardhälbete kohta. Kasutage oma andmete jaoks optimaalse valimi suuruse määramiseks võrgus võimsusanalüüsi kalkulaatorit.Teadlased teevad tavaliselt väikese pilootuuringu, et saada teavet oma võimsusanalüüsi kohta ja määrata suuremaks ja kõikehõlmavaks uuringuks vajalik valimi suurus.Kui teil pole selleks vahendeid. keerulist pilootuuringut, tehke mõned hinnangud võimalike vahendite kohta, tuginedes kirjanduse lugemisele ja uuringutele, mida teised isikud võivad läbi viia. See annab teile hea koha valimi suuruse määramiseks.
5
Määratlege standardhälbe valem. Standardhälve mõõdab teie andmete hajutamist. See annab teile teavet selle kohta, kui sarnased on iga andmepunkt teie valimis, mis aitab teil kindlaks teha, kas andmed on olulised. Esmapilgul võib võrrand tunduda pisut keeruline, kuid need sammud juhendavad teid arvutusprotsessis. Valem on s = √âˆ'((xi – µ)2/(N – 1)).s on standardhälve.− näitab, et liidate kõik kogutud valimi väärtused.xi esindab iga üksikisikut väärtus teie andmetest.µ on teie andmete keskmine (või keskmine) iga rühma kohta.N on valimi koguarv.
6
Keskmistage iga rühma proovid. Standardhälbe arvutamiseks tuleb esmalt võtta üksikute rühmade valimite keskmine. Keskmist tähistatakse kreeka tähega mu või µ. Selleks lisage lihtsalt iga valim kokku ja jagage seejärel proovide koguarvuga. Näiteks enne tundi materjali lugenud rühma keskmise hinde leidmiseks vaatame mõningaid andmeid. Lihtsuse huvides kasutame 5 punktist koosnevat andmekogumit: 90, 91, 85, 83 ja 94. Liidage kõik valimid kokku: 90 + 91 + 85 + 83 + 94 = 443. Jagage summa valimi numbriga N = 5: 443/5 = 88,6.Selle rühma keskmine hinne on 88,6.
7
Lahutage iga valim keskmisest. Arvutuse järgmine osa hõlmab võrrandi (xi – µ) osa. Te lahutate iga valimi äsja arvutatud keskmisest. Meie näites saate lõpuks viis lahutamist. (90 – 88,6), (91 – 88,6), (85 – 88,6), (83 – 88,6) ja (94 – 88,6). Arvutatud arvud on nüüd 1,4, 2,4, -3,6, -5,6 ja 5,4.
8
Tehke kõik need numbrid ruudukujuliseks ja lisage need kokku. Kõik äsja arvutatud uued numbrid on nüüd ruudus. See samm hoolitseb ka kõigi negatiivsete märkide eest. Kui teil on pärast seda sammu või arvutuse lõpus negatiivne märk, võib-olla olete selle sammu unustanud. Meie näites töötame nüüd väärtustega 1.96, 5.76, 12.96, 31.36 ja 29.16. Nende ruutude liitmine annab tulemuseks: 1,96 + 5,76 + 12,96 + 31,36 + 29,16 = 81,2.
9
Jagage valimi koguarvuga, millest on lahutatud 1. Valem jagab N – 1-ga, kuna see parandab fakti, et te pole loendanud tervet populatsiooni; võtate hinnangu tegemiseks valimi kõigi õpilaste populatsioonist. Lahutage: N – 1 = 5 – 1 = 4Jagage: 81,2/4 = 20,3
10
Võtke ruutjuur. Kui olete jaganud valimiarvuga, millest on lahutatud üks, võtke selle lõpliku arvu ruutjuur. See on standardhälbe arvutamise viimane etapp. On statistikaprogramme, mis teevad selle arvutuse teie eest pärast algandmete sisestamist. Meie näite puhul on enne tundi lugenud õpilaste lõplike hinnete standardhälve: s =√20,3 = 4,51.
11
Arvutage oma kahe näidisrühma vaheline dispersioon. Seni on näide käsitlenud ainult ühte näidisrühma. Kui proovite võrrelda kahte rühma, on teil ilmselgelt andmed mõlema kohta. Arvutage teise proovirühma standardhälve ja kasutage seda kahe katserühma vahelise dispersiooni arvutamiseks. Dispersiooni valem on sd = √((s1/N1) + (s2/N2)).sd on teie rühmade vaheline dispersioon.s1 on rühma 1 standardhälve ja N1 on rühma 1 valimi suurus.s2 on 2. rühma ja N2 standardhälve on 2. rühma valimi suurus. Oletame, et 2. rühma (õpilased, kes enne tundi ei lugenud) andmetel oli valimi suurus 5 ja standardhälve 5,81. Dispersioon on:sd = √((s1)2/N1) + ((s2)2/N2))sd = √(((4.51)2/5) + ((5.81)2/5)) = √( (20,34/5) + (33,76/5)) = √(4,07 + 6,75) = √10,82 = 3,29.
12
Arvutage oma andmete t-skoor. T-skoor võimaldab teil teisendada andmed vormiks, mis võimaldab teil neid teiste andmetega võrrelda. T-skoorid võimaldavad teil teha t-testi, mis võimaldab arvutada tõenäosuse, et kaks rühma on üksteisest oluliselt erinevad. T-skoori valem on: t = (µ1 – µ2)/sd.µ1 on esimese rühma keskmine. µ2 on teise rühma keskmine. sd on teie valimite vaheline erinevus. Kasutage suuremat keskmine kui µ1, nii et teil ei ole negatiivset t-väärtust. Oletame, et 2. rühma valimi keskmine (need, kes ei lugenud) oli 80. T-skoor on: t = (µ1 – µ2)/sd = (88,6–80)/3,29 = 2,61.
13
Määrake oma valimi vabadusastmed. T-skoori kasutamisel määratakse vabadusastmete arv valimi suuruse abil. Liidage igast rühmast proovide arv ja lahutage seejärel kaks. Meie näite puhul on vabadusastmed (d.f.) 8, kuna esimeses rühmas on viis valimit ja teises rühmas viis valimit ((5 + 5) – 2 = 8).
14
Olulisuse hindamiseks kasutage t tabelit. T-skooride ja vabadusastmete tabeli leiate tavalisest statistikaraamatust või Internetist. Vaadake oma andmete vabadusastmeid sisaldavat rida ja leidke p-väärtus, mis vastab teie t-skoorile. 8 d.f. ja t-skooriga 2,61, jääb ühepoolse testi p-väärtus vahemikku 0,01–0,025. Kuna seadsime oma olulisuse taseme 0,05-st väiksemaks või sellega võrdseks, on meie andmed statistiliselt olulised. Nende andmetega lükkame nullhüpoteesi tagasi ja aktsepteerime alternatiivset hüpoteesi: õpilased, kes loevad materjali enne tundi läbi, saavad paremaid lõpuhinneid.
15
Kaaluge järeluuringut. Paljud teadlased teevad väikese pilootuuringu koos mõne mõõtmisega, et aidata neil mõista, kuidas suuremat uuringut kavandada. Kui teete veel ühe uuringu koos rohkemate mõõtmistega, aitab see suurendada teie kindlustunnet oma järelduse suhtes. Järeluuring võib aidata teil kindlaks teha, kas mõni teie järeldustest sisaldas I tüüpi viga (erinevuste jälgimine, kui seda pole, või vale tagasilükkamine). nullhüpotees) või II tüüpi viga (erinevuse märkamata jätmine, kui see on olemas, või nullhüpoteesi vale aktsepteerimine).