Excel teab, kuidas aidata, kui teil on rohkem kui kaks näidist. FarKlemt Robotics, Inc. uurib oma töötajatelt nende rahulolu oma tööga. Nad paluvad arendajatel, juhtidel, hooldustöötajatel ja tehnikakirjutajatel hinnata tööga rahulolu skaalal 1 (kõige vähem rahul) kuni 100 (kõige rahulolu).
Igas kategoorias on kuus töötajat. Alloleval pildil on arvutustabel andmetega veergudes A–D, ridades 1–7. Nullhüpotees on, et kõik proovid pärinevad samast populatsioonist. Alternatiivne hüpotees on, et nad seda ei tee.
Kruskal-Wallise ühesuunaline dispersioonanalüüs.
Sobiv mitteparameetriline test on Kruskal-Wallise ühesuunaline dispersioonanalüüs. Alustage kõigi 24 punkti järjestamisest kasvavas järjekorras. Jällegi, kui nullhüpotees on tõene, peaksid auastmed jagunema rühmade vahel ligikaudu võrdselt.
Selle statistika valem on
N on punktide koguarv ja n on punktide arv igas rühmas. Asjade lihtsaks muutmiseks määrate igas rühmas sama arvu punkte, kuid see pole selle testi jaoks vajalik. R on grupi auastmete summa. H jaotub ligikaudu hii-ruuduna, kus df = rühmade arv — 1, kui iga n on suurem kui 5.
Piltile tagasi vaadates on andmete pingeread veergude A kuni D ridadel 9–15. Real 16 on iga rühma edetabelite summad. Määrake N_Total väärtuse nimena lahtris F2, skooride koguarvuks. Määrake n_group väärtuse nimeks G2-s, skooride arvule igas rühmas.
H arvutamiseks tippige
=(12/(N_Kokku*(N_Kokku+1)))*(SUMSQ(A16:D16)/n_rühm)-3*(N_Kokku+1)
lahtrisse G6.
Hüpoteesi testimiseks tippige
=CHISQ.DIST.RT(G6,3)
G7-sse. Tulemus on väiksem kui 0,05, seega lükkate nullhüpoteesi tagasi.