တွဲထားသည် သို့မဟုတ် တွဲမထားသည့် t စမ်းသပ်မှု- ကွာခြားချက်ကား အဘယ်နည်း။

စာရင်းဇယားများတွင်၊ နမူနာ t-tests နှစ်မျိုးရှိသည်။

Paired t-test- နမူနာ တစ်ခုတွင် တစ်ခုချင်းစီသည် အခြားနမူနာများတွင်လည်း ပေါ်လာသောအခါ နမူနာနှစ်ခု၏ ဆိုလိုရင်းကို နှိုင်းယှဉ်ရန် အသုံးပြုသည်။

Unpaired t-test- နမူနာတစ်ခု ရှိ တစ်ခုချင်းစီတွင် တစ်ခုချင်းစီသည် အခြားနမူနာရှိ တစ်ခုချင်းစီနှင့် ကင်းကွာသည့်အခါ နမူနာနှစ်ခု၏ ဆိုလိုရင်းကို နှိုင်းယှဉ်ရန် အသုံးပြုသည်။

မှတ်ချက်- တွဲမထားသည့် t-test ကို သီးခြားနမူနာ t-test ဟုခေါ်သည်။

ဥပမာအားဖြင့်၊ ပါမောက္ခတစ်ဦးသည် မတူညီသောလေ့လာမှုနည်းပညာနှစ်ခုမှ မတူညီသော ပျမ်းမျှစာမေးပွဲရမှတ်များဆီသို့ ဦးတည်သွားခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်လိုသည်ဆိုပါစို့။

တွဲထားသော t-test ဖြေ ဆိုရန်အတွက် ကျောင်းသား ၁၀ ဦးကို ခေါ်ယူနိုင်ပြီး ၎င်းတို့အား တစ်လတာ လေ့လာမှုနည်းပညာကို အသုံးပြုကာ စာမေးပွဲဖြေဆိုစေကာ၊ ထို့နောက် ၎င်းတို့ကို တစ်လကြာ ဒုတိယနည်းကို အသုံးပြုကာ တူညီသောအခက်အခဲရှိသော အခြားစာမေးပွဲကို ဖြေဆိုခိုင်းစေခဲ့သည်။

ဤအရာသည် ဒေတာပုံသဏ္ဍာန်ဖြစ်သည်-

ကျောင်းသားတစ်ဦးစီသည် အုပ်စုတစ်ခုစီတွင် ပေါ်လာသောကြောင့်၊ ပါမောက္ခသည် အုပ်စုနှစ်ခုကြားရှိ ပျမ်းမျှရမှတ်များ ကွဲပြားမှုရှိမရှိ ဆုံးဖြတ်ရန် တွဲထားသော t-test ကို ပြုလုပ်မည်ဖြစ်သည်။

မတွဲရသေးသော t-test ဖြေ ဆိုရန်အတွက် စုစုပေါင်း ကျောင်းသား 20 ဦးကို စုဆောင်းနိုင်ပြီး ၎င်းတို့အား 10 ဖွဲ့လျှင် အုပ်စုနှစ်စုခွဲ၍ အုပ်စုတစ်စုကို တစ်လကြာ လေ့လာမှုနည်းပညာကို အသုံးပြုရန်နှင့် အခြားအုပ်စုအား ဒုတိယလေ့လာမှုနည်းပညာကို အသုံးပြုရန် တောင်းဆိုနိုင်သည်။ တစ်လ။ ကျောင်းသားအားလုံးကို တစ်လတည်း စာမေးပွဲဖြေခိုင်းပါ။

ဤအရာသည် ဒေတာပုံသဏ္ဍာန်ဖြစ်သည်-

အဖွဲ့တစ်ဖွဲ့ရှိ ကျောင်းသားများသည် အခြားအုပ်စုရှိ ကျောင်းသားများနှင့် လုံးဝကင်းကွာသောကြောင့်၊ ပါမောက္ခသည် အုပ်စုနှစ်ခုကြားရှိ ပျမ်းမျှရမှတ်များ ကွဲပြားမှုရှိမရှိ ဆုံးဖြတ်ရန် အတွဲမညီသော t-test ကို ပြုလုပ်မည်ဖြစ်သည်။

ယူဆချက်

တွဲထားသော နှင့် မတွဲရသေးသော t-test နှစ်ခုစလုံးသည် အောက်ပါ ယူဆချက်များကို ပြုလုပ်သည် ။

• နမူနာနှစ်ခုလုံးမှ အချက်အလက်များကို ကျပန်းနမူနာနည်းလမ်း ဖြင့် ရယူခဲ့သည်။
• နမူနာနှစ်ခုလုံးမှ အချက်အလက်များကို ခန့်မှန်းခြေအားဖြင့် ပုံမှန်အတိုင်း ဖြန့်ဝေသင့်သည်။
• နမူနာနှစ်ခုစလုံးတွင် လွန်ကဲသော အစွန်းအထင်းများ မရှိသင့်ပါ။

စစ်ဆေးမှုရလဒ်များ၏ ယုံကြည်စိတ်ချရမှုကို သေချာစေရန် t-test တစ်ခုခုကို မလုပ်ဆောင်မီ ဤယူဆချက်များကို စိစစ်သင့်သည်။

အားသာချက် အားနည်းချက်

Paired t test သည် အောက်ပါ အားသာချက်များကို ပေးဆောင်သည် ။

• နမူနာအသေးတစ်ခု လိုအပ်ပါသည်။ ယခင်နမူနာတွင် တွဲထားသော t-test သည် စုစုပေါင်း ကျောင်းသား 10 ဦးသာ လိုအပ်ပြီး တွဲမထားသည့် t-test တွင် စုစုပေါင်း ကျောင်းသား 20 လိုအပ်ကြောင်း သတိပြုပါ။
• နမူနာတစ်ခုစီတွင် တူညီသောဝိသေသလက္ခဏာများရှိသော ပုဂ္ဂိုလ်များပါရှိသည်။ အဖွဲ့နှစ်ဖွဲ့စလုံးတွင် အရည်အချင်း၊ ဉာဏ်၊ စသည်တို့ရှိရန် အာမခံပါသည်။ အုပ်စုတစ်ခုစီတွင် တူညီသောပုဂ္ဂိုလ်များ ပေါ်လာသောကြောင့် တူညီသည်။

သို့သော်လည်း တွဲထားသော t-test တွင် အောက်ပါ ဖြစ်နိုင်ခြေ အားနည်းချက်များ ရှိသည်။

• နမူနာ အရွယ်အစား လျှော့ချရန် အလားအလာ။ တစ်ဦးတစ်ယောက်သည် လေ့လာမှုမှ နုတ်ထွက်ပါက အုပ်စု တစ်ခုစီ တွင် ပေါ်လာသောကြောင့် အုပ်စုတစ်ခုစီ၏ နမူနာအရွယ်အစားကို တစ်ခုချင်း လျှော့ချသည်။
• အမိန့်သက်ရောက်မှုများအတွက်အလားအလာ။ အမှာစာအကျိုးသက်ရောက်မှုများသည် လူတစ်ဦးချင်းစီအား ကုသမှုများတင်ပြသည့်အစီအစဥ်ကြောင့် အုပ်စုနှစ်ခုကြားရှိ ရလဒ်များကွာခြားချက်များကို ရည်ညွှန်းသည်။ ဥပမာအားဖြင့်၊ တစ်ဦးချင်းစီသည် ၎င်းတို့၏ လေ့လာမှုနည်းပညာကြောင့်ထက် ၎င်းတို့၏ စာမေးပွဲဖြေဆိုမှုစွမ်းရည်ကို မြှင့်တင်ပေးသောကြောင့် ဒုတိယ စာမေးပွဲတွင် ပိုမိုကောင်းမွန်စွာ ဖြေဆိုနိုင်သည်။

တွဲထားသည့် သို့မဟုတ် တွဲမထားသည့် t စမ်းသပ်မှုကို အသုံးပြုရန် ဆုံးဖြတ်သည့်အခါတွင် အဆိုပါ အားသာချက်များနှင့် အားနည်းချက်များကို မှတ်သားထားပါ။

ထပ်လောင်းအရင်းအမြစ်များ

တွဲထားသော t-test များကို ပိုမိုကောင်းမွန်စွာ နားလည်ရန် အောက်ပါသင်ခန်းစာများကို ကြည့်ပါ။

• တွဲထားသောနမူနာ t-test ကို မိတ်ဆက်ခြင်း။
• Excel တွင်တွဲထားသောနမူနာများကို t-test လုပ်နည်း

တွဲမထားသော t-tests (aka လွတ်လပ်သောနမူနာများ t-tests) ကို ပိုမိုကောင်းမွန်စွာနားလည်ရန် အောက်ပါသင်ခန်းစာများကို အသုံးပြုပါ။

• နမူနာနှစ်ခု t စမ်းသပ်မှုမိတ်ဆက်
• Excel တွင် နမူနာ t-test နှစ်ခုကို မည်သို့လုပ်ဆောင်ရမည်နည်း။