Beste Antwort
Ein T-Test mit einer Stichprobe ist ein statistisches Verfahren, bei dem Sie dies testen wollten wobei sich Ihr Bevölkerungsmittelwert von einem konstanten Wert unterscheidet (feste Zahl). Zum Beispiel möchte eine Schule testen, dass der durchschnittliche Mittelwert der GPA für Studenten 3,0 beträgt. Sie verwenden einen Stichproben-T-Test und können das Ergebnis erhalten.
Der Zwei-Stichproben-T-Test ist auch ein statistisches Verfahren, bei dem Sie testen möchten, ob diese beiden Populationen den gleichen oder einen anderen Mittelwert haben. Im gleichen Beispiel, wenn die Schule daran interessiert ist, zu testen, ob der durchschnittliche GPA für Naturwissenschaften und Kunst gleich ist. Dann hätten sie einen T-Test mit zwei Stichproben verwendet.
Antwort
Der T-Test gibt Aufschluss darüber, ob der Unterschied zwischen den Mitteln zweier Gruppen zufällig oder zuverlässig ist (dh würde in einer anderen Messung aus der gleichen Population wieder gefunden werden). Im Gegensatz zu einer deskriptiven Statistik , die die zu messende Probe beschreibt, ist der t-Test eine Inferenzstatistik , das die gemessene Probe beschreibt und eine Verallgemeinerung für die gesamte Population bereitstellt, aus der die Probe entnommen wurde.
In Bei meiner Arbeit verwende ich im Allgemeinen den T-Test, wenn ich die Ergebnisse eines A / B-Tests auswerte – dh einer Benutzergruppe wird eine Variation eines Produktmerkmals und einer anderen Gruppe ähnlicher Größe aus derselben Population präsentiert präsentiert mit der „Kontrolle“ (dem vorhandenen Produktmerkmal). Der Grund, warum der t-Test in diesem Szenario nützlich ist, ist, dass er mir einen Einblick gibt, ob der Unterschied zwischen dem Verhalten der beiden Gruppen (gemessen am Durchschnitt einer Metrik; in der Regel Einnahmen oder Einbehaltung) sind zufällig oder können davon abhängen, dass dies konsequent geschieht. Kurz gesagt, ich benutze den T-Test, um die Frage zu beantworten: „Würde sich das unterscheiden?“ ce zwischen diesen beiden Gruppen in einer neuen Stichprobe aus derselben Population gleich sein? „
Die Ergebnisse eines t-Tests werden anhand des Verhältnisses der Differenz zwischen den Gruppen und der Differenz innerhalb der Gruppen bewertet. Dieses Verhältnis ist als t-Wert bekannt. Der t-Wert hat einen entsprechenden p-Wert , der die Wahrscheinlichkeit darstellt, dass das Beobachtete durch zufällige Daten erzeugt werden könnte. Je niedriger der p-Wert ist, desto sicherer können wir sein, dass der Unterschied nicht zufällig entsteht und tatsächlich ein verlässlicher Unterschied zwischen den Mitteln der beiden Gruppen ist. In der Forschung wird ein p-Wert von 0,05 oder weniger im Allgemeinen als zuverlässig (statistisch signifikant) angesehen. In einem unternehmerischeren Umfeld können Sie jedoch entscheiden, dass ein höherer p-Wert akzeptabel ist. P-Werte entsprechen t-Werten basierend auf der Größe der Proben; Je größer die Stichprobe (mehr Freiheitsgrade) ist, desto niedriger ist der p-Wert bei gleichem t-Wert (Verhältnis der Unterschiede).
Sie haben nach Alternativen zum t-Test gefragt, und es gibt einige, aber zuerst denke ich, ich sollte einige Variationen des T-Tests identifizieren, falls Sie dachten, dass der T-Test nur in dem oben beschriebenen Szenario nützlich ist. Wenn ein t-Test die Zuverlässigkeit der Differenz zwischen zwei Proben misst, wie oben beschrieben, wird er als unabhängige Proben t-Test bezeichnet. Wenn der t-Test Misst die Zuverlässigkeit der Differenz zwischen einer Stichprobe bei zwei verschiedenen Gelegenheiten. Dies wird als Paired-Sample -T-Test bezeichnet (wenn Sie also eine Benutzergruppe einmal gemessen haben Wenn Sie dann eine Woche später dieselbe Gruppe erneut messen, führen Sie einen gepaarten Stichproben-T-Test durch. Und wenn der T-Test die Differenz zwischen einer Stichprobe und einem hypothetischen Mittelwert oder einem bekannten Populationsmittelwert misst (wie wenn wir den gemessen haben) Mittlerer Tagesumsatz einer Stichprobe von Benutzern im Vergleich zu dem, was wir als Durchschnittserlös unseres gesamten Dienstes kennen. Dies wird als One-Sample t- bezeichnet. Prüfung.
Als Alternative zum t-Test ist der Mann-Whitney U -Test am beliebtesten, bei dem es sich um eine nicht parametrische Hypothese handelt Test, der gut zu verwenden ist, wenn die Verteilungen der Stichprobe und der Population nicht normal sind (eine weiche Anforderung für den t-Test).