T-tests တွင် တူညီသော သို့မဟုတ် မညီမျှမှုကို ဆုံးဖြတ်နည်း

အမှီအခိုကင်းသောအုပ်စုနှစ်ခု၏နည်းလမ်းများကို နှိုင်းယှဉ်လိုသောအခါ၊ မတူညီသောစမ်းသပ်မှုနှစ်ခုကြားတွင် ကျွန်ုပ်တို့ ရွေးချယ်နိုင်သည်-

ကျောင်းသား၏ t-test- ဒေတာအုပ်စုနှစ်ခုလုံးကို ပုံမှန်ဖြန့်ဝေမှုနောက်သို့လိုက်သော လူဦးရေများမှနမူနာယူထားပြီး လူဦးရေနှစ်ခုသည် တူညီသောကွဲလွဲမှုရှိသည်ဟု ယူဆသည်။

Welch ၏ t-test- ဒေတာအုပ်စုနှစ်ခုလုံးကို ပုံမှန်ဖြန့်ဝေမှုနောက်သို့လိုက်သော လူဦးရေများမှနမူနာယူထားသည်ဟု ယူဆသော်လည်း ဤလူဦးရေနှစ်ခုသည် တူညီသောကွဲလွဲမှုရှိသည်ဟု မယူဆပါ ။

ထို့ကြောင့် နမူနာနှစ်ခုတွင် ကွဲလွဲမှုမတူညီပါက Welch’s t-test ကိုအသုံးပြုခြင်းသည် ပိုကောင်းပါသည်။

ဒါပေမယ့် နမူနာနှစ်ခုမှာ ကွဲလွဲမှုရှိမရှိ ဘယ်လိုဆုံးဖြတ်နိုင်မလဲ။

ထိုသို့ပြုလုပ်ရန် နည်းလမ်းနှစ်ခုရှိသည်။

1. ကွဲပြားမှု စည်းမျဉ်းကို လက်မဖြင့် အသုံးပြုပါ။

ယေဘူယျစည်းမျဉ်းအရ၊ အကြီးဆုံးကွဲလွဲချက်နှင့် အငယ်ဆုံးကွဲလွဲမှုအချိုးသည် 4 ထက်နည်းပါက၊ ကွဲလွဲမှုများသည် ခန့်မှန်းခြေအားဖြင့် တူညီသည်ဟု ကျွန်ုပ်တို့ယူဆနိုင်ပြီး ကျောင်းသား၏ t-test ကို အသုံးပြုပါ။

ဥပမာအားဖြင့်၊ ကျွန်ုပ်တို့တွင် အောက်ပါဥပမာနှစ်ခုရှိသည်ဆိုပါစို့။

နမူနာ 1 တွင် ကွဲလွဲမှု 24.86 ရှိပြီး နမူနာ 2 တွင် ကွဲလွဲမှု 15.76 ရှိသည်။

အသေးဆုံးနမူနာကွဲလွဲချက်နှင့် အကြီးဆုံးနမူနာကွဲလွဲမှု၏ အချိုးကို အောက်ပါအတိုင်း တွက်ချက်ရပါမည်-

အချိုး = 24.86 / 15.76 = 1.577

ဤအချိုးသည် 4 ထက်နည်းသောကြောင့် အုပ်စုနှစ်ခုကြား ကွာခြားချက်များသည် ခန့်မှန်းခြေအားဖြင့် တူညီသည်ဟု ယူဆနိုင်သည်။

ထို့ကြောင့်၊ အဖွဲ့နှစ်ဖွဲ့သည် ပျမ်းမျှ တူညီခြင်းရှိမရှိ ဆုံးဖြတ်ရန် ကျောင်းသား၏ t စာမေးပွဲကို ဖြေဆိုနိုင်ပါသည်။

2. F-test ပြုလုပ်ပါ။

F-test သည် အောက်ပါ null နှင့် အခြားအခြားသော ယူဆချက်များကို အသုံးပြုသည့် တရားဝင် ကိန်းဂဏန်းစမ်းသပ်မှုတစ်ခုဖြစ်သည်။

H ₀ : နမူနာများသည် တူညီသောကွဲလွဲမှုများရှိသည်။

H _A : နမူနာများတွင် တူညီသောကွဲလွဲမှုများမရှိပါ။

စာမေးပွဲစာရင်းကို အောက်ပါအတိုင်း တွက်ချက်သည်။

F = s ₁ ² / s ₂ ²

s ₁ ² နှင့် s ₂ ² သည် နမူနာကွဲလွဲမှုများဖြစ်သည်။

စမ်းသပ်စာရင်းအင်းနှင့် သက်ဆိုင်သော p-တန်ဖိုးသည် အချို့သော အရေးပါမှုအဆင့် (ဥပမာ 0.05) အောက်တွင် ရှိနေပါက နမူနာများတွင် တူညီသောကွဲလွဲမှုများ မရှိဟု ဆိုရန် လုံလောက်သော အထောက်အထား ရှိပါသည်။

ကျွန်ုပ်တို့တွင် အောက်ဖော်ပြပါ ဥပမာနှစ်ခုရှိသည် ဟု ထပ်မံယူဆကြပါစို့။

ဤနမူနာနှစ်ခုတွင် F-test ပြုလုပ်ရန်၊ ကျွန်ုပ်တို့သည် F-test ကိန်းဂဏန်းကို အောက်ပါအတိုင်း တွက်ချက်နိုင်ပါသည်။

• F = s ₁ ² / s ₂ ²
• F = 24.86 / 15.76
• F = 1.577

F Distribution Calculator အရ၊ ပိုင်းဝေ df = n ₁ -1 = 12 ပါရှိသော F တန်ဖိုး 1.577 နှင့် ပိုင်းခြေ df = n ₂ -1 = 12 သည် သက်ဆိုင်သော p တန်ဖိုး 0.22079 ရှိသည်။

ဤ p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ တစ်နည်းဆိုရသော် နမူနာကွဲလွဲမှုများ တူညီသည်ဟု ကျွန်ုပ်တို့ ယူဆနိုင်သည်။

ထို့ကြောင့်၊ အဖွဲ့နှစ်ဖွဲ့သည် ပျမ်းမျှ တူညီခြင်းရှိမရှိ ဆုံးဖြတ်ရန် ကျောင်းသား၏ t စာမေးပွဲကို ဖြေဆိုနိုင်ပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

ကျောင်းသား၏ t-test ကိုလုပ်ဆောင်ရန် ဆုံးဖြတ်ပါက၊ အောက်ပါ သင်ခန်းစာများကို အကိုးအကားအဖြစ် အသုံးပြုနိုင်ပါသည်။

• Excel တွင် t-test နမူနာနှစ်ခု
• TI-84 ဂဏန်းတွက်စက်တွင် နမူနာ t-test နှစ်ခု
• SPSS တွင် နမူနာ t-test နှစ်ခု
• Python တွင် t-test နမူနာနှစ်ခု
• နမူနာ t-test ဂဏန်းတွက်စက် နှစ်ခု

Welch ၏ t-test ကို သင်လုပ်ဆောင်ရန် ဆုံးဖြတ်ပါက၊ အောက်ပါ သင်ခန်းစာများကို အကိုးအကားအဖြစ် အသုံးပြုနိုင်ပါသည်။

• Excel တွင် Welch ၏ T-test
• R တွင် Welch’s t-test
• Python တွင် Welch’s T-test
• Welch ၏ t-test ဂဏန်းတွက်စက်