Meilleure réponse
Un test t à échantillon est une procédure statistique dans laquelle vous vouliez tester cela où la moyenne de votre population est différente dune valeur constante (nombre fixe). Par exemple, une école veut tester que la moyenne moyenne de GPA pour les étudiants diplômés est de 3,0. Ils utiliseront un échantillon de test t et peuvent obtenir le résultat.
Le test t à deux échantillons est également une procédure statistique dans laquelle vous souhaitez tester si ces deux populations ont la même moyenne ou une moyenne différente. Dans le même exemple, si lécole est intéressée à tester cette moyenne GPA pour la majeure en sciences et la majeure en arts est la même. Ensuite, ils auraient utilisé un test t à deux échantillons.
Réponse
Le test T permet de déterminer si la différence entre les moyennes de deux groupes est due au hasard ou est fiable (cest-à-dire se retrouverait dans une autre mesure de la même population). Contrairement à une statistique descriptive , qui décrit léchantillon mesuré, le test t est une statistique inférentielle , qui décrit léchantillon mesuré et fournit une généralisation pour lensemble de la population à partir de laquelle léchantillon a été prélevé.
In mon travail, jutilise généralement le test t lorsque jévalue les résultats dun test A / B – cest-à-dire quun groupe dutilisateurs se voit présenter une variante dune caractéristique du produit et un autre groupe de taille similaire de la même population est présenté avec le «contrôle» (la fonctionnalité du produit existant). La raison pour laquelle le test t est utile dans ce scénario est quil me donne un aperçu de la différence entre le comportement des deux groupes (mesuré par la moyenne dune métrique; généralement les revenus ou la rétention) est due au hasard ou peut être invoqué de manière cohérente. En bref, jutilise le test t pour répondre à la question » ce entre ces deux groupes est-il le même dans un nouvel échantillon de la même population? «
Les résultats dun test t sont évalués par le rapport de la différence entre les groupes et la différence au sein des groupes. Ce rapport est connu sous le nom de valeur t ; la valeur t a une valeur p correspondante, qui représente la probabilité que ce qui est observé puisse être produit par des données aléatoires. Plus la valeur p est faible, plus nous pouvons être sûrs que la différence nest pas produite par hasard et constitue en fait une différence fiable entre les moyennes des deux groupes. En recherche, une valeur p inférieure ou égale à 0,05 est généralement considérée comme fiable (statistiquement significative), mais dans un contexte plus entrepreneurial, vous pouvez décider quune valeur p plus élevée est acceptable. Les valeurs p correspondent aux valeurs t basées sur la taille des échantillons; plus la taille de léchantillon est grande (plus de degrés de liberté), plus la valeur p est basse pour la même valeur t (rapport des différences).
Vous avez demandé des alternatives au test t, et il y a certains, mais je pense dabord que je devrais identifier quelques variantes du test t, au cas où vous penseriez que le test t nest utile que dans le scénario que jai décrit ci-dessus. Lorsquun test t mesure la fiabilité de la différence entre deux échantillons, comme décrit ci-dessus, il est appelé test t Échantillons indépendants . Lorsque le test t mesure la fiabilité de la différence entre un échantillon à deux occasions différentes, il s’appelle un test t Échantillon en paires (donc si vous avez mesuré un groupe d’utilisateurs une fois , puis mesuré à nouveau ce même groupe une semaine plus tard, vous « d » effectuer un test t pour échantillon apparié). Et lorsque le test t mesure la différence entre un échantillon et une moyenne hypothétique ou une moyenne de population connue (comme si nous mesurions le signifie les revenus quotidiens de certains échantillons dutilisateurs par rapport à ce que nous savons être les revenus quotidiens moyens de lensemble de notre service), on lappelle One-Sample t- tester.
En ce qui concerne les alternatives au test t, la plus populaire est le test Mann-Whitney U , qui est une hypothèse non paramétrique test qui est bon à utiliser lorsque les distributions de léchantillon et de la population ne sont pas normales (une exigence souple pour le test t).