Lorsque vous rassemblez des données ou effectuez un test, vous voulez généralement démontrer qu'il existe un lien entre une modification d'un paramètre et une modification d'un autre. Par exemple, les dîners spaghetti peuvent conduire à plus de voyages aux nettoyeurs à sec. Les outils statistiques vous aident à déterminer si les données que vous collectez sont significatives. Plus précisément, le test T peut vous aider à déterminer s'il existe une différence significative entre deux ensembles de données. Par exemple, un groupe de données peut être un voyage au nettoyeur à sec pour les personnes qui ne mangent pas de spaghetti, et l'autre peut être une visite à sec pour les personnes qui mangent des spaghettis. Deux T-tests différents fonctionnent dans des circonstances différentes, d'abord pour des données complètement indépendantes, ensuite pour des groupes de données connectés d'une manière ou d'une autre.

Échantillons indépendants

Créer une section sur votre feuille de calcul pour vos échantillons indépendants. Calculez la somme, la valeur n (ou la taille de l'échantillon) et la moyenne des scores pour chacun des échantillons indépendants. Étiquetez chaque calcul avec «somme», «n» et «moyenne», respectivement.

Calculez les degrés de liberté pour chacun des échantillons indépendants. Les degrés de liberté sont généralement représentés par «n-1» ou la taille de l'échantillon moins un. Écrire le calcul des degrés de liberté dans la section des statistiques sommaires.

Calculer la variance et l'écart-type pour chacun des échantillons. Écrivez ces calculs dans la section des statistiques récapitulatives pour chaque échantillon.

Ajoutez les degrés de liberté des deux échantillons et placez-les à côté d'une ligne avec l'étiquette "Degrees of Freedom Total" ou "df-total".

Multiplier les degrés de liberté de chaque échantillon par la variance de chaque échantillon. Ajouter les deux nombres et diviser le total par le "Degrés de Liberté Total". Écrivez ce nombre calculé sur une ligne avec l'étiquette «Variation groupée».

Divisez la «Variation regroupée» par le «n» de l'un des échantillons. Répétez ce calcul pour l'autre échantillon. Ajoutez les deux nombres résultants. Prenez la racine carrée de ce nombre et placez ce calcul sur une ligne intitulée «Erreur standard de la différence».

Soustrayez la plus petite moyenne de l'échantillon de la plus grande moyenne de l'échantillon. Divisez cette différence par "Erreur standard de la différence" et écrivez ce calcul comme "t-obtenu" ou "t-value".

Échantillons dépendants

Soustrayez le second score de le premier score pour chaque paire dans votre ensemble de données. Placez chacun de ces scores «différence» dans une colonne intitulée «Différence». Ajoutez les colonnes "Difference" pour calculer un total et étiquetez le résultat comme "D.".

Placez chaque résultat "Difference" et placez chaque résultat au carré dans une colonne "D-squared". Ajoutez les colonnes "D-squared" pour calculer un total.

Multipliez le nombre de scores appariés ("n") par le total de la colonne "D-squared". Soustrayez le carré du total "D" de ce résultat. Divisez cette différence par "n moins un". Calculez la racine carrée de ce nombre et étiquetez le nombre résultant comme "diviseur".

Divisez le total "D" par le "diviseur" pour trouver la statistique de valeur t pour le test t d'échantillons dépendants.

Astuce

Comparez la statistique de la valeur t obtenue à la "valeur t critique" trouvée dans votre tableau de distribution t-table pour déterminer si vous devriez rejeter l'hypothèse nulle ou accepter l'hypothèse alternative .