Pengujian hipotesis dilakukan dengan analisis statistik. Kepentingan statistik dikira menggunakan nilai p, yang menunjukkan besarnya kebarangkalian hasil penyelidikan, dengan syarat bahawa pernyataan tertentu (hipotesis nol) adalah benar. Sekiranya nilai p kurang daripada aras keertian yang telah ditentukan (umumnya 0.05), penyelidik dapat membuat kesimpulan bahawa hipotesis nol tidak benar dan menerima hipotesis alternatif. Dengan menggunakan ujian-t sederhana, anda dapat mengira nilai-p dan menentukan kepentingan antara dua kumpulan data yang berbeza.
Langkah
Bahagian 1 dari 3: Menyiapkan Eksperimen
Langkah 1. Menetapkan hipotesis
Langkah pertama dalam menganalisis kepentingan statistik adalah menentukan persoalan kajian yang ingin anda jawab dan merumuskan hipotesis anda. Hipotesis adalah pernyataan mengenai data eksperimen anda dan menjelaskan kemungkinan perbezaan dalam populasi kajian. Untuk setiap eksperimen, hipotesis nol dan hipotesis alternatif mesti dibuat. Secara amnya, anda akan membandingkan dua kumpulan untuk melihat sama ada mereka sama atau berbeza.
- Hipotesis nol (H0) secara amnya menyatakan bahawa tidak ada perbezaan antara dua set data. Contoh: kumpulan pelajar yang membaca bahan sebelum kelas dimulakan tidak mendapat gred yang lebih baik daripada kumpulan yang tidak membaca bahan tersebut.
- Hipotesis alternatif (Ha) adalah pernyataan yang bertentangan dengan hipotesis nol dan yang anda cuba sokong dengan data eksperimen. Contoh: kumpulan pelajar yang membaca bahan sebelum kelas mendapat gred yang lebih baik daripada kumpulan yang tidak membaca bahan tersebut.
Langkah 2. Hadkan tahap kepentingan untuk menentukan betapa uniknya data anda agar data tersebut dianggap penting
Tahap keertian (alpha) adalah ambang yang digunakan untuk menentukan kepentingan. Sekiranya nilai p kurang atau sama dengan aras keertian, data dianggap signifikan secara statistik.
- Sebagai peraturan umum, aras keertian (alpha) ditetapkan pada 0,05, yang bermaksud bahawa kebarangkalian kedua-dua kumpulan data adalah sama hanya 5%.
- Dengan menggunakan tahap keyakinan yang lebih tinggi (nilai p yang lebih rendah) bermaksud bahawa hasil eksperimen akan dianggap lebih signifikan.
- Sekiranya anda ingin meningkatkan tahap keyakinan data anda, turunkan nilai p menjadi 0.01. Nilai p yang lebih rendah biasanya digunakan dalam pembuatan ketika mengesan kecacatan produk. Tahap keyakinan yang tinggi adalah penting untuk memastikan bahawa setiap bahagian yang dihasilkan menjalankan fungsinya.
- Untuk eksperimen pengujian hipotesis, tahap kepentingan 0.05 boleh diterima.
Langkah 3. Tentukan untuk menggunakan ujian satu-ekor atau ujian dua-ekor
Salah satu andaian yang digunakan semasa anda melakukan ujian-t adalah bahawa data anda diedarkan secara normal. Data yang biasanya diedarkan akan membentuk lengkung loceng dengan sebahagian besar data berada di tengah-tengah lengkung. Uji-t adalah ujian matematik yang digunakan untuk melihat apakah data anda berada di luar taburan normal, di bawah atau di atas "ekor" lengkung.
- Sekiranya anda tidak pasti data anda berada di bawah atau di atas kumpulan kawalan, gunakan ujian dua sisi. Ujian ini akan memeriksa kepentingan kedua-dua arah.
- Sekiranya anda mengetahui arah aliran data anda, gunakan ujian sepihak. Dengan menggunakan contoh sebelumnya, anda menjangkakan bahawa gred pelajar akan meningkat. Oleh itu, anda harus menggunakan ujian satu bahagian.
Langkah 4. Tentukan ukuran sampel dengan analisis kekuatan statistik ujian
Kekuatan ujian-statistik adalah kebarangkalian bahawa ujian statistik tertentu dapat memberikan hasil yang betul, dengan ukuran sampel tertentu. Ambang kuasa ujian (atau) adalah 80%. Analisis kekuatan ujian statistik boleh menjadi rumit tanpa data awal kerana anda memerlukan maklumat mengenai anggaran min bagi setiap set data dan sisihan piawai. Gunakan kalkulator analisis kekuatan ujian statistik dalam talian untuk menentukan ukuran sampel optimum untuk data anda.
- Penyelidik secara amnya melakukan kajian rintis sebagai bahan untuk analisis kekuatan ujian statistik dan sebagai asas untuk menentukan ukuran sampel yang diperlukan untuk kajian yang lebih besar dan lebih komprehensif.
- Sekiranya anda tidak mempunyai sumber daya untuk menjalankan kajian rintis, kira anggaran berdasarkan literatur dan penyelidikan lain yang telah dilakukan. Kaedah ini akan memberikan maklumat untuk menentukan ukuran sampel.
Bahagian 2 dari 3: Mengira Sisihan Piawai
Langkah 1. Gunakan formula sisihan piawai
Sisihan piawai (juga dikenali sebagai sisihan piawai) adalah ukuran penyebaran data anda. Sisihan piawai memberikan maklumat mengenai kesamaan setiap titik data dalam sampel anda. Pada mulanya, persamaan sisihan piawai mungkin kelihatan rumit, tetapi langkah-langkah di bawah akan membantu proses pengiraan anda. Formula sisihan piawai adalah s = ((xi -)2/ (N - 1)).
- s adalah sisihan piawai.
- bermaksud bahawa anda harus menambahkan semua nilai sampel yang telah anda kumpulkan.
- xi mewakili semua nilai titik data anda.
- adalah purata data untuk setiap kumpulan.
- N ialah bilangan sampel anda.
Langkah 2. Hitung min sampel dalam setiap kumpulan
Untuk mengira sisihan piawai, anda mesti terlebih dahulu mengira min sampel dalam setiap set data. Rata-rata dilambangkan dengan huruf Yunani mu atau. Untuk melakukan ini, tambahkan semua nilai titik data sampel dan bahagikan dengan jumlah sampel anda.
- Sebagai contoh, untuk mendapatkan skor purata bagi kumpulan pelajar yang membaca bahan sebelum kelas, mari kita lihat contoh data. Untuk kesederhanaan, kami akan menggunakan 5 titik data: 90, 91, 85, 83, dan 94.
- Tambahkan semua nilai sampel: 90 + 91 + 85 + 83 + 94 = 443.
- Bahagikan dengan bilangan sampel, N = 5: 443/5 = 88, 6.
- Purata skor bagi kumpulan ini adalah 88. 6.
Langkah 3. Kurangkan setiap nilai titik data sampel dengan nilai purata
Langkah kedua adalah menyelesaikan bahagian (xi -) persamaan. Kurangkan setiap nilai titik data sampel dari min yang telah dikira sebelumnya. Meneruskan contoh sebelumnya, anda harus melakukan lima pengurangan.
- (90 - 88, 6), (91- 88, 6), (85 - 88, 6), (83 - 88, 6), dan (94 - 88, 6).
- Nilai yang diperoleh adalah 1, 4, 2, 4, -3, 6, -5, 6, dan 5, 4.
Langkah 4. Segerakan setiap nilai yang telah diperoleh dan tambahkan semuanya
Segerakan setiap nilai yang baru anda kirakan. Langkah ini akan membuang sebarang nombor negatif. Sekiranya terdapat nilai negatif setelah langkah ini dilakukan atau waktu setelah semua pengiraan dilakukan, anda mungkin telah melupakan langkah ini.
- Dengan menggunakan contoh sebelumnya, kita mendapat nilai 1, 96, 5, 76, 12, 96, 31, 36, dan 29.16.
- Tambahkan semua nilai: 1, 96 + 5, 76 + 12, 96 + 31, 36 + 29, 16 = 81, 2.
Langkah 5. Bahagikan dengan bilangan sampel tolak 1
Rumus menyatakan N - 1 sebagai penyesuaian kerana anda tidak mengira keseluruhan populasi; Anda hanya mengambil sampel populasi untuk membuat anggaran.
- Kurangkan: N - 1 = 5 - 1 = 4
- Bahagikan: 81, 2/4 = 20, 3
Langkah 6. Hitung punca kuasa dua
Setelah anda membahagikan dengan bilangan sampel tolak satu, hitung punca kuasa dua nilai akhir. Ini adalah langkah terakhir untuk mengira sisihan piawai. Terdapat beberapa program statistik yang dapat mengira sisihan piawai setelah anda memasukkan data mentah.
Contohnya, sisihan piawai skor bagi kumpulan pelajar yang membaca bahan sebelum kelas bermula ialah: s = √20, 3 = 4, 51
Bahagian 3 dari 3: Menentukan Kepentingan
Langkah 1. Hitung varians antara dua kumpulan sampel
Dalam contoh sebelumnya, kami hanya mengira sisihan piawai bagi satu kumpulan. Sekiranya anda ingin membandingkan dua kumpulan, anda harus mempunyai data dari dua kumpulan tersebut. Hitung sisihan piawai bagi kumpulan kedua dan gunakan hasilnya untuk mengira varians antara dua kumpulan dalam eksperimen. Formula untuk varians adalah sd = ((s1/ N1) + (s2/ N2)).
- sd adalah varians antara kumpulan.
- s1 ialah sisihan piawai kumpulan 1 dan N1 ialah bilangan sampel dalam kumpulan 1.
- s2 ialah sisihan piawai kumpulan 2 dan N2 ialah bilangan sampel dalam kumpulan 2.
-
Contohnya, data dari kumpulan 2 (pelajar yang tidak membaca bahan sebelum kelas dimulakan) mempunyai ukuran sampel 5 dengan sisihan piawai 5.81. Kemudian variannya:
- sd = ((s1)2/ N1) + ((s2)2/ N2))
- sd = √(((4.51)2/5) + ((5.81)2/5)) = √((20.34/5) + (33, 76/5)) = √(4, 07 + 6, 75) = √10, 82 = 3, 29.
Langkah 2. Hitung nilai ujian-t data anda
Nilai ujian-t akan membolehkan anda membandingkan satu kumpulan data dengan kumpulan data yang lain. Nilai-t membolehkan anda melakukan ujian-t untuk menentukan sejauh mana kebarangkalian kedua-dua kumpulan data dibandingkan dengan ketara. Rumus untuk nilai t adalah: t = (µ1 -2) / sd.
- ️1 adalah min kumpulan pertama.
- ️2 adalah nilai purata kumpulan kedua.
- sd adalah perbezaan antara dua sampel.
- Gunakan min yang lebih besar sebagai1 jadi anda tidak mendapat nilai negatif.
- Contohnya, skor min kumpulan 2 (pelajar yang tidak membaca) ialah 80. Nilai t adalah: t = (µ1 -2) / sd = (88, 6 – 80)/3, 29 = 2, 61.
Langkah 3. Tentukan tahap kebebasan sampel
Semasa menggunakan nilai-t, darjah kebebasan ditentukan oleh ukuran sampel. Tambahkan bilangan sampel dari setiap kumpulan kemudian tolak dua. Contohnya, darjah kebebasan (d.f.) adalah 8 kerana terdapat lima sampel dalam kumpulan pertama dan lima sampel pada kumpulan kedua ((5 + 5) - 2 = 8).
Langkah 4. Gunakan Jadual t untuk menentukan kepentingan
Jadual nilai-t dan darjah kebebasan boleh didapati di buku statistik standard atau dalam talian. Lihat baris yang menunjukkan darjah kebebasan yang anda pilih untuk data anda dan cari nilai p yang sesuai untuk nilai-t yang diperoleh daripada pengiraan anda.
Dengan darjah kebebasan 8 d.f. dan nilai-t 2,61, nilai p untuk ujian satu-satu adalah antara 0,01 dan 0,025. Oleh kerana kami menggunakan tahap kepentingan kurang dari atau sama dengan 0,05, data yang kami gunakan membuktikan bahawa kedua-dua kumpulan data tersebut secara signifikan berbeza. ketara. Dengan data ini, kita dapat menolak hipotesis nol dan menerima hipotesis alternatif: kumpulan pelajar yang membaca bahan sebelum kelas mula mendapat markah lebih baik daripada kumpulan pelajar yang tidak membaca bahan tersebut
Langkah 5. Pertimbangkan untuk membuat kajian susulan
Ramai penyelidik melakukan kajian rintis kecil untuk membantu mereka memahami bagaimana merancang kajian yang lebih besar. Melakukan kajian lebih lanjut dengan lebih banyak ukuran akan meningkatkan keyakinan anda terhadap kesimpulan anda.
