Ebből az oktatóanyagból megtudhatja, hogyan kell végrehajtani és értelmezni a párosított t-tesztet az Excel használatával. Az oktatóanyag teljes videóját a blog alján tekintheti meg .
A páros mintás t-próba a megfigyelések átlagai közötti különbséget fogja ellenőrizni. Tehát egy és egy másik időszak közötti mennyiségi adatokkal van dolgunk. Emellett idősoros adatokkal is van dolgunk.
Ez egy hipotézis teszt lesz az ehhez tartozó összes szerelvénnyel. Ha többet szeretne megtudni arról, hogyan kell hipotézisvizsgálatot végezni Excelben, tekintse meg Advancing Into Analytics című könyvemet .
Nem megyünk bele túlságosan az elméletbe, de az Excel elemző eszközcsomagját fogjuk használni , ahol 95%-os szignifikanciaszinten tesztelünk , és a Plos One által lektorált adatkészletet használjuk .
Alapvetően azt szeretnénk megtudni, hogy van-e különbség az 1. csoport átlagai között az 1. és a 2. időpont között. Megpróbálunk reprodukálni egy kutatási tanulmányt.
Tartalomjegyzék
Páros minták végrehajtása és értelmezése T-teszt
Menjünk előre, és merüljünk bele. Ezt lefuttathatjuk minta tesztenként, majd újra csoportosítjuk, és továbblépünk.
Ezekben az adatokban egyéni betegekről van szó. Az 1. kötetnek nevezett időszakban mérték őket , majd a 2. kötetben kaptak még egy mérést .
Mindkét időszak méréseit ismernünk kell, különben ezeket a betegeket vagy megfigyeléseket nem tudjuk felhasználni. Ez egy dolog, amit tudni kell a párosított minták t-tesztjéről.
Vegyük az 1. és 2. kötet adatainak átlagát, majd kapjuk meg a kettő közötti különbséget. Úgy tűnik, a 2. kötet egy kicsit magasabb 14.07-re.
A hipotézis tesztelésben az a szép, hogy valóban beleáshatunk ebbe, és eldönthetjük, hogy amit látunk, az csak véletlen vagy sem.
A következő teendő, hogy lépjen az Adatok részre, majd válassza az Adatelemző eszközök lehetőséget . Ha nem ismeri az eszközcsomagot, tekintse meg a könyvet, hogy megtudja, hogyan telepítheti, vagy végezhet internetes keresést.
A lehetőségek közül válassza ki a t-Test: Paired Two Sample for Means lehetőséget, majd kattintson az OK gombra.
Ehhez az ablakhoz két tartományt kell megadnunk.
Az 1. változó tartományához válassza ki az 1. kötet teljes adattartományát a CTRL + Shift + lefelé mutató nyíl megnyomásával . Jelöljük ki a 2. kötet teljes tartományát is a Variable 2 Range mezőben.
Minden csoportban ugyanannyi megfigyelést kaptunk, ami logikus, mert minden betegnél szükségünk van ezekre a megfigyelésekre.
Mivel az első sorban vannak címkéink, jelöljük be a Címkék jelölőnégyzetet, majd a Hipotézis szerinti átlagos különbségnél hagyjuk üresen. Feltételezzük, hogy az átlagos különbség jelentősen eltér nullától. Azt is ellenőrizhetjük, hogy eltér-e az 5-től vagy -10-től, de a 0 a leggyakoribb.
Az Output Range esetében ezt elhelyezhetjük ugyanabba a munkalapon, majd kattintson az OK gombra .
Észrevehető, hogy ez egy nagyon menüvezérelt megközelítés a különbség megtalálásához ezen a teszten. Ugyanazokat a számokat láthatjuk, mint korábban.
Ezután szeretném, ha a figyelmet a P(T<=t)> értékre összpontosítaná, amely 0,751 . Ez azt jelenti, hogy ez valószínűleg nem szignifikáns különbség, bár ez a szám statisztikailag egy kicsit magasabb. Nem mondhatjuk, hogy valószínűleg különbözik 0-tól.
A cél ismét az, hogy az elemzést a következő szintre emelje hipotézisvizsgálat alkalmazásával.
Végül nézzük meg az 1. csoport adatait.
A táblázat alapján a Plos One Journalból láthatjuk, hogy a p-érték 0,751. Ez azt jelenti, hogy sikerült reprodukálnunk a jelentés kutatási eredményeit, ami fantasztikus!
Köszönet a kutatóknak is, hogy adataikat publikálták és a nyilvánosság számára hozzáférhetővé tették, hogy bárki hozzáférhessen.
Leggyakrabban a párosított minták t-tesztjét akkor használják, amikor beavatkozás történik, legyen az orvostudomány, marketing vagy oktatás. Ezért ez gyakran egy társadalomtudományi teszt, amelyet használni kell, és megtudni, történt-e változás a beavatkozásban.
Ennek azonban az a nehéz oldala, hogy a beavatkozás előtti és utáni megfigyelésekre is szükségünk van, amit üzleti környezetben gyakran nehéz megtenni.
Következtetés
A páros minták t-próbája egy statisztikai eljárás, amelyet két kapcsolódó csoport vagy minta átlagának összehasonlítására használnak. Általában olyan helyzetekben használják, amikor két kapcsolódó minta van, amelyeket szeretne összehasonlítani.
Ez elérhetővé és kényelmes eszközzé teszi a kutatók és elemzők számára, akiknek gyorsan és pontosan össze kell hasonlítaniuk két kapcsolódó csoport átlagait.
Összességében ez egy alapvető eszköz mindenkinek, aki adatokkal dolgozik, és értelmes következtetéseket szeretne levonni azokból.
Minden jót,
George Mount
Ebből a blogból megtudhatja, hogyan mentheti automatikusan az e-mail mellékleteket a SharePointba, majd törölheti az e-maileket a Power Automate segítségével.
A Microsoft LuckyTemplates irányítópult 18 legjobb példája 2023
Ismerje meg, hogyan hozhat létre <strong>Power Automate</strong> folyamatokat a semmiből. Sablon használata helyett mi magunk hozzuk létre a kiváltó okokat és a műveleteket.
4 módszer a Pi használatára a Pythonban példákkal
Ebben az útmutatóban bemutatom, hogyan lehet Pénzügyi információk mátrixát létrehozni a Profit és veszteség (P&L) kimutatással a LuckyTemplates alkalmazásban.
Fedezze fel, hogyan lehet dinamikusan egyesíteni oszlopokat a Power Query Table.CombineColumns függvény segítségével.
Ismerje meg, hogyan adhatjuk hozzá és szinkronizálhatjuk SharePoint-fájljainkat az asztalon és a OneDrive-on.
Tudja meg, miért fontos egy dedikált dátumtáblázat a LuckyTemplatesben, és ismerje meg ennek leggyorsabb és leghatékonyabb módját.
Ez a rövid oktatóanyag kiemeli a LuckyTemplates mobil jelentési funkcióját. Megmutatom, hogyan készíthet hatékony jelentéseket mobileszközökön.
Ebben a LuckyTemplates bemutatóban olyan jelentéseket tekintünk át, amelyek professzionális szolgáltatáselemzést mutatnak be egy olyan cégtől, amely több szerződéssel és ügyfél-elkötelezettséggel rendelkezik.
