آزمون t

در نمونه های مستقل ، آزمون t  از تقسیم تفاوت بین میانگین های نمونه بر برآوردی از انحراف معیار توزیع اختلافها ( که به عنوان خطای معیار اختلاف یاstandard error of difference  شناخته می شود)به دست می آید.اگر واریانسهای نمونه دارای مقادیر مشابهی باشد ، معمولاً با برآورد ترکیبی (pooled estimate) واریانس ثابت جامعه کار می شود. اما اگر واریانس ها برابر نباشند از برآورد ترکیبی استفاده نمی شود و یک آزمون با واریانس جداگانه (separate variance) انجام می شود . اگر مقدار t  در هر یک از دمهای توزیع نمونه گیری قرار بگیرد ، فرضیه صفر رد می شود.مقدار دقیق t که جهت معنی دار شدن لازم است به درجه آزادی(degrees of freedom) توزیع بستگی دارد که خود آن به حجم نمونه در مطالعه وابسته است. اما معمولاً اگر قدر مطلق tبرابر یا بزرگتر از 2 باشد، معنی دار است،مگر اینکه حجم نمونه خیلی کوچک باشد.در هر حال باید از نمونه های خیلی کوچک پرهیز نمود ، زیرا آزمون مورد نظر توان لازم جهت رد کردنH0  را نخواهد داشت.(توان یا power یک آزمون آماری احتمال رد کردن H0 است به شرطی که صحیح نباشد.)مدل آزمون t  این فرض را می کند که داده ها از توزیع های نرمال با واریانس برابر به دست آمده اند.شبیه سازی های رایانه ای نشان داده است که حتی اگر این فرضها تا حدودی مخدوش شده باشند کماکان می توان با اطمینان از آزمون t استفاده نمود،یه شرط آنکه حجم نمونه خیلی کم نباشد و دارای مقادیر پرت نبوده وحجم نمونه خیلی کم نباشدو دارای مقادیر پرت نبوده وحجم نمونه ها با هم برابر باشد(یاتقریباً برابر باشد) اگر بررسی اولیه داده ها بیانگر آن باشد که فرضهای مدل آزمون t به شدت مختل است .می توان از آزمونهای جایگزین استفاده نمود که از نوع آزمونهای ناپارامتری است و در منوی Nonparametric Tests  از Analyze وجود دارد.آزمونهای ناپارامتری در باره توزیعهای جامعه و واریانس آن فرض خاصی نمی کنند.رویکرد دیگر (که به همان میزان موجب افت توان نمی شود) خارج کردن مقادیر پرت و به کار بردن آزمون t با مجموعه داده های جدید است.

  RSS