လမ်းညွှန်ချက်အပြည့်အစုံ- r တွင် t-test ရလဒ်များကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုမည်နည်း။
နမူနာနှစ်ခု t-test ကို လူဦးရေ နှစ်ခု၏ အဓိပ္ပါယ်သည် ညီမျှခြင်း ရှိ၊ မရှိ စမ်းသပ်ရန် အသုံးပြုပါသည်။
ဤသင်ခန်းစာသည် R တွင် နမူနာနှစ်ခု t-test ၏ရလဒ်များကို မည်သို့အဓိပ္ပာယ်ပြန်ဆိုရမည်ကို အပြည့်အစုံလမ်းညွှန်ပေးထားသည်။
အဆင့် 1: ဒေတာကိုဖန်တီးပါ။
မတူညီသော အပင်မျိုးစိတ်နှစ်ခုသည် ပျမ်းမျှအမြင့် တူညီသည်ဆိုပါစို့။ ၎င်းကို စမ်းသပ်ရန်အတွက် မျိုးစိတ်တစ်ခုစီမှ အပင် 12 မျိုး၏ ရိုးရှင်းသော ကျပန်းနမူနာကို စုဆောင်းပါသည်။
#create vector of plant heights from group 1 group1 <- c(8, 8, 9, 9, 9, 11, 12, 13, 13, 14, 15, 19) #create vector of plant heights from group 2 group2 <- c(11, 12, 13, 13, 14, 14, 14, 15, 16, 18, 18, 19)
အဆင့် 2- နမူနာနှစ်ခု t-test ကိုလုပ်ဆောင်ပြီး အဓိပ္ပာယ်ပြန်ဆိုပါ။
ထို့နောက်၊ ဥပမာ t-test ကိုလုပ်ဆောင်ရန် t.test() command ကိုအသုံးပြုပါမည်။
#perform two sample t-tests t. test (group1, group2) Welch Two Sample t-test data: group1 and group2 t = -2.5505, df = 20.488, p-value = 0.01884 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: -5.6012568 -0.5654098 sample estimates: mean of x mean of y 11.66667 14.75000
ဤသည်မှာ စမ်းသပ်မှုရလဒ်များကို အဓိပ္ပာယ်ဖွင့်ဆိုပုံဖြစ်သည်-
ဒေတာ- ၎င်းသည် နမူနာနှစ်ခု t-test တွင် အသုံးပြုခဲ့သည့် ဒေတာကို ပြောပြသည်။ ဤကိစ္စတွင်၊ group1 နှင့် group2 ဟုခေါ်သော vector များကိုအသုံးပြုသည်။
t- ဒါက t-test ကိန်းဂဏန်းပါ။ ဤကိစ္စတွင်၎င်းသည် -2.5505 ဖြစ်သည်။
df : ၎င်းတို့သည် t-test statistic နှင့်ဆက်စပ်နေသော လွတ်လပ်မှုဒီဂရီများဖြစ်သည်။ ဤကိစ္စတွင်၊ ၎င်းသည် 20,488 ဖြစ်သည်။ ဤလွတ်လပ်မှုတန်ဖိုးကို မည်ကဲ့သို့ တွက်ချက်ကြောင်း ရှင်းလင်းချက်အတွက် Satterthwaire အနီးစပ်ဆုံး ကို ကိုးကားပါ။
p-တန်ဖိုး- ဤသည်မှာ -2.5505 နှင့် df = 20.488 ၏ စမ်းသပ်စာရင်းအင်းတစ်ခုနှင့် ကိုက်ညီသော p-တန်ဖိုးဖြစ်သည်။ p-value သည် .01884 ဖြစ်သည် ။ T Score to P Value calculator ကို အသုံးပြု၍ ဤတန်ဖိုးကို အတည်ပြုနိုင်ပါသည်။
အခြားယူဆချက်- ဤအထူးသဖြင့် t-test အတွက် အသုံးပြုသည့် အခြားယူဆချက်အား ကျွန်ုပ်တို့အား ပြောပြသည်။ ဤကိစ္စတွင်၊ အစားထိုးယူဆချက်မှာ အုပ်စုနှစ်ခုကြားရှိ အဓိပ္ပါယ်မှာ စစ်မှန်သော ခြားနားချက်သည် သုညနှင့် မညီမျှခြင်းပင်ဖြစ်သည်။
95% Confidence Interval- ၎င်းသည် အုပ်စုနှစ်ခုကြားရှိ စစ်မှန်သောကွာခြားချက်အတွက် 95% ယုံကြည်မှုကြားကာလကို ပြောပြသည်။ ၎င်းသည် [-5.601၊ -.5654] ဖြစ်သည် ။
နမူနာ ခန့်မှန်းချက်များ- ၎င်းသည် အုပ်စုတစ်ခုစီ၏ နမူနာဆိုလိုချက်ကို ပြောပြသည်။ ဤကိစ္စတွင်၊ အုပ်စု 1 အတွက် နမူနာဆိုလိုသည်မှာ 11.667 ဖြစ်ပြီး အုပ်စု 2 အတွက် နမူနာဆိုလိုသည်မှာ 14.75 ဖြစ်သည်။
ဤအထူးသဖြင့် နမူနာနှစ်ခု t-test အတွက် ယူဆချက်နှစ်ခုမှာ-
H 0 : µ 1 = µ 2 (လူဦးရေ နှစ်ခုသည် တူညီသည်)
H A : µ 1 ≠µ 2 (လူဦးရေ နှစ်ခု အဓိပ္ပါယ်မှာ မညီမျှခြင်း )
ကျွန်ုပ်တို့၏စမ်းသပ်မှု၏ p-value (0.01884) သည် alpha = 0.05 ထက်နည်းသောကြောင့်၊ ကျွန်ုပ်တို့သည် စမ်းသပ်မှု၏ null hypothesis ကို ငြင်းပယ်ပါသည်။ ဆိုလိုသည်မှာ လူဦးရေနှစ်ခုကြားရှိ အပင်အမြင့်သည် ကွာခြားသည်ဟုဆိုရန် လုံလောက်သော အထောက်အထားရှိသည်။
မှတ်ချက်များ
R ရှိ t.test() လုပ်ဆောင်ချက်သည် အောက်ပါ syntax ကိုအသုံးပြုသည်-
t.test(x၊ y၊ အစားထိုး = “နှစ်ဖက်”၊ mu = 0၊ တွဲထားသည် = FALSE၊ var.equal = FALSE၊ conf.level = 0.95)
ရွှေ-
- x၊ y- ဒေတာပါရှိသော vector နှစ်ခု၏ အမည်များ။
- အခြားရွေးချယ်စရာ- အခြားယူဆချက်။ ရွေးချယ်စရာများတွင် “နှစ်ထပ်၊” “နည်းသည်” သို့မဟုတ် “ပိုကြီး” ပါဝင်သည်။
- mu- ဆိုလိုရင်း၏ အစစ်အမှန် ခြားနားချက်ဟု ယူဆရသည့် တန်ဖိုး။
- တွဲထားသည်- တွဲထားသော t-test ကို အသုံးပြုရန် ရှိ၊ မရှိ၊
- var.equal- အုပ်စုနှစ်ခုကြား ကွာခြားချက် တူညီသည်ဖြစ်စေ မညီမျှသည်ဖြစ်စေ။
- conf.level- စာမေးပွဲအတွက် အသုံးပြုရန် ယုံကြည်မှုအဆင့်။
အထက်ဖော်ပြပါ ဥပမာတွင် ကျွန်ုပ်တို့သည် အောက်ပါယူဆချက်များကို အသုံးပြုခဲ့သည်-
- ကျွန်ုပ်တို့သည် တစ်ဖက်သတ် အစားထိုးယူဆချက်တစ်ခုကို အသုံးပြုခဲ့သည်။
- နည်းလမ်းများ၏ စစ်မှန်သော ခြားနားချက်သည် သုညနှင့် ညီမျှခြင်း ရှိ၊ မရှိ စမ်းသပ်ခဲ့သည်။
- ကျွန်ုပ်တို့သည် တွဲထားသော t စမ်းသပ်မှုမဟုတ်ဘဲ နမူနာနှစ်ခုစမ်းသပ်မှုကို အသုံးပြုခဲ့သည်။
- အုပ်စုများကြား ကွဲပြားမှုများ တူညီသည်ဟု ကျွန်ုပ်တို့ မယူဆခဲ့ပါ။
- ကျွန်ုပ်တို့သည် ယုံကြည်မှုအဆင့် 95% ကို အသုံးပြုခဲ့သည်။
သင်လုပ်ဆောင်လိုသည့် သီးခြားစမ်းသပ်မှုပေါ် မူတည်၍ သင်၏ကိုယ်ပိုင် t-test ကိုလုပ်ဆောင်သောအခါတွင် ဤအငြင်းအခုံများထဲမှ တစ်ခုခုကို ပြင်ဆင်ရန် လွတ်လွတ်လပ်လပ်ခံစားပါ။
ထပ်လောင်းအရင်းအမြစ်များ
နမူနာနှစ်ခု t စမ်းသပ်မှုမိတ်ဆက်
နမူနာ t-test ဂဏန်းတွက်စက် နှစ်ခု