Ang pagsubok sa hipotesis ay ginagawa ng pagsusuri sa istatistika. Ang kahalagahan ng istatistika ay kinakalkula gamit ang p-halaga, na nagpapahiwatig ng lakas ng posibilidad ng mga resulta ng pagsasaliksik, na ibinigay na ang ilang mga pahayag (zero hipotesis) ay totoo. Kung ang halaga ng p ay mas mababa kaysa sa paunang natukoy na antas ng kabuluhan (sa pangkalahatan ay 0.05), maaaring tapusin ng mananaliksik na ang null na teorya ay hindi totoo at tanggapin ang kahaliling teorya. Gamit ang isang simpleng t-test, maaari mong kalkulahin ang isang p-halaga at matukoy ang kahalagahan sa pagitan ng dalawang magkakaibang hanay ng data.
Hakbang
Bahagi 1 ng 3: Pag-set up ng Mga Eksperimento
Hakbang 1. Magtatag ng isang teorya
Ang unang hakbang sa pag-aralan ang kahalagahan ng istatistika ay upang matukoy ang tanong sa pananaliksik na nais mong sagutin at mabuo ang iyong haka-haka. Ang isang teorya ay isang pahayag tungkol sa iyong pang-eksperimentong data at ipinapaliwanag ang mga posibleng pagkakaiba sa populasyon ng pag-aaral. Para sa bawat eksperimento, dapat maitaguyod ang isang null na teorya at isang kahaliling teorya. Pangkalahatan, ihahambing mo ang dalawang pangkat upang makita kung pareho o magkakaiba ang mga ito.
- Ang null na teorya (H0) sa pangkalahatan ay nagsasaad na walang pagkakaiba sa pagitan ng dalawang mga hanay ng data. Halimbawa: ang pangkat ng mga mag-aaral na nagbasa ng materyal bago magsimula ang klase ay hindi nakakakuha ng mas mahusay na mga marka kaysa sa pangkat na hindi nabasa ang materyal.
- Alternatibong teorya (Ha) ay isang pahayag na sumasalungat sa null na teorya at isa na sinusubukan mong suportahan sa pang-eksperimentong data. Halimbawa: ang pangkat ng mga mag-aaral na nagbasa ng materyal bago ang klase ay nakakakuha ng mas mahusay na mga marka kaysa sa pangkat na hindi nabasa ang materyal.
Hakbang 2. Limitahan ang antas ng kahalagahan upang matukoy kung paano kakaiba ang iyong data ay dapat na maituring itong makabuluhan
Ang antas ng kabuluhan (alpha) ay ang ginagamit na threshold upang matukoy ang kahalagahan. Kung ang halaga ng p ay mas mababa sa o katumbas ng antas ng kabuluhan, ang data ay itinuturing na makabuluhan sa istatistika.
- Bilang isang pangkalahatang panuntunan, ang antas ng kabuluhan (alpha) ay nakatakda sa 0.05, nangangahulugang ang posibilidad ng parehong pangkat ng data na pantay ay 5% lamang.
- Sa pamamagitan ng paggamit ng mas mataas na antas ng kumpiyansa (mas mababang halaga ng p) nangangahulugan na ang mga pang-eksperimentong resulta ay maituturing na mas makabuluhan.
- Kung nais mong taasan ang antas ng kumpiyansa ng iyong data, babaan ang p-halaga nang higit pa sa 0.01. Ang mga mas mababang halaga ng p ay karaniwang ginagamit sa pagmamanupaktura kapag nakita ang mga depekto ng produkto. Ang isang mataas na antas ng kumpiyansa ay mahalaga upang matiyak na ang bawat gawa na bahagi ay gumaganap ng pagpapaandar nito.
- Para sa mga eksperimento sa pagsubok ng teorya, ang antas ng kahalagahan na 0.05 ay katanggap-tanggap.
Hakbang 3. Magpasya na gumamit ng isang isang buntot na pagsubok o isang dalawang-buntot na pagsubok
Ang isa sa mga pagpapalagay na ginamit kapag nagsagawa ka ng isang t-test ay ang iyong data ay karaniwang ipinamamahagi. Ang data na karaniwang ipinamamahagi ay bubuo ng isang curve ng bell na ang karamihan sa data ay nasa gitna ng curve. Ang t-test ay isang pagsubok sa matematika na ginamit upang makita kung ang iyong data ay nasa labas ng normal na pamamahagi, sa ibaba o sa itaas ng "buntot" ng curve.
- Kung hindi ka sigurado na ang iyong data ay nasa ibaba o sa itaas ng control group, gumamit ng isang dalawang-tailed na pagsubok. Susubukan ng pagsubok na ito ang kahalagahan ng parehong direksyon.
- Kung alam mo ang direksyon ng takbo ng iyong data, gumamit ng isang panig na pagsubok. Gamit ang nakaraang halimbawa, inaasahan mong tataas ang marka ng mag-aaral. Samakatuwid, dapat kang gumamit ng isang isang buntot na pagsubok.
Hakbang 4. Tukuyin ang laki ng sample sa pamamagitan ng pagsusuri ng pagsusuri sa istatistikal na kuryente
Ang lakas ng mga istatistika ng pagsubok ay ang posibilidad na ang isang tiyak na pagsusuri sa istatistika ay maaaring magbigay ng tamang resulta, na may isang tiyak na laki ng sample. Ang test power threshold (o) ay 80%. Ang pagtatasa ng lakas ng isang pagsusuri sa istatistika ay maaaring maging kumplikado nang walang paunang data dahil kakailanganin mo ang impormasyon tungkol sa tinatayang ibig sabihin ng bawat hanay ng data at ang karaniwang paglihis nito. Gumamit ng online na istatistika ng pagsusuri sa statistika ng pagsubok ng istatistika upang matukoy ang pinakamainam na laki ng sample para sa iyong data.
- Ang mga mananaliksik sa pangkalahatan ay nagsasagawa ng mga pag-aaral na piloto bilang isang materyal para sa pagsusuri ng lakas na pagsusuri sa istatistika at bilang batayan para matukoy ang laki ng sample na kinakailangan para sa mas malaki at mas komprehensibong pag-aaral.
- Kung wala kang mga mapagkukunan upang magsagawa ng isang pag-aaral ng piloto, tantyahin ang kahulugan batay sa panitikan at iba pang nagawang pagsasaliksik. Ang pamamaraang ito ay magbibigay ng impormasyon upang matukoy ang laki ng sample.
Bahagi 2 ng 3: Kinakalkula ang Karaniwang paglihis
Hakbang 1. Gamitin ang karaniwang pormula sa paglihis
Ang karaniwang paglihis (kilala rin bilang karaniwang paglihis) ay isang sukat ng pamamahagi ng iyong data. Ang karaniwang paglihis ay nagbibigay ng impormasyon tungkol sa pagkakapareho ng bawat data point sa iyong sample. Sa una, ang karaniwang equation ng paglihis ay maaaring mukhang kumplikado, ngunit ang mga hakbang sa ibaba ay makakatulong sa iyong proseso ng pagkalkula. Ang karaniwang pormula sa paglihis ay s = ((xako -)2/ (N - 1)).
- s ay ang karaniwang paglihis.
- nangangahulugan na kailangan mong idagdag ang lahat ng mga halimbawang halagang nakolekta mo.
- xako kumakatawan sa lahat ng mga indibidwal na halaga ng iyong mga puntos ng data.
- ay ang average ng data para sa bawat pangkat.
- N ang bilang ng iyong mga sample.
Hakbang 2. Kalkulahin ang halimbawang ibig sabihin sa bawat pangkat
Upang makalkula ang karaniwang paglihis, dapat mo munang kalkulahin ang halimbawang halimbawa sa bawat hanay ng data. Ang average ay tinutukoy ng Greek letrang mu o. Upang magawa ito, magdagdag ng lahat ng mga halimbawang halaga ng data point at hatiin sa bilang ng iyong mga sample.
- Halimbawa, upang makuha ang average na iskor para sa pangkat ng mga mag-aaral na nagbasa ng materyal bago ang klase, tingnan natin ang sample na data. Para sa pagiging simple, gagamitin namin ang 5 mga puntos ng data: 90, 91, 85, 83, at 94.
- Idagdag ang lahat ng halagang halimbawang: 90 + 91 + 85 + 83 + 94 = 443.
- Hatiin sa bilang ng mga sample, N = 5: 443/5 = 88, 6.
- Ang average na iskor para sa pangkat na ito ay 88. 6.
Hakbang 3. Bawasan ang bawat halimbawang halaga ng data point ng average na halaga
Ang pangalawang hakbang ay upang makumpleto ang bahagi (xako -) equation. Ibawas ang bawat halimbawang halaga ng puntos ng data mula sa paunang kinalkulang halaga. Pagpapatuloy sa nakaraang halimbawa, kailangan mong gumawa ng limang pagbabawas.
- (90 - 88, 6), (91- 88, 6), (85 - 88, 6), (83 - 88, 6), at (94 - 88, 6).
- Ang mga halagang nakuha ay 1, 4, 2, 4, -3, 6, -5, 6, at 5, 4.
Hakbang 4. Itapat ang bawat halaga na nakuha at idagdag ang lahat sa kanila
Parisukat sa bawat halagang kinakalkula mo lang. Aalisin ng hakbang na ito ang anumang mga negatibong numero. Kung mayroong isang negatibong halaga pagkatapos maisagawa ang hakbang na ito o ang oras pagkatapos maisagawa ang lahat ng mga kalkulasyon, maaaring nakalimutan mo ang hakbang na ito.
- Gamit ang nakaraang halimbawa, nakukuha namin ang mga halagang 1, 96, 5, 76, 12, 96, 31, 36, at 29.16.
- Idagdag ang lahat ng mga halaga: 1, 96 + 5, 76 + 12, 96 + 31, 36 + 29, 16 = 81, 2.
Hakbang 5. Hatiin sa bilang ng mga sample na minus 1
Ang pormula ay nagpapahiwatig ng N - 1 bilang isang pagsasaayos dahil hindi mo binibilang ang buong populasyon; Kukuha ka lamang ng isang sample ng populasyon upang makagawa ng isang pagtatantya.
- Ibawas: N - 1 = 5 - 1 = 4
- Hatiin: 81, 2/4 = 20, 3
Hakbang 6. Kalkulahin ang square root
Pagkatapos mong hatiin sa bilang ng mga sample na binawasan ng isa, kalkulahin ang square root ng panghuling halaga. Ito ang pangwakas na hakbang upang makalkula ang karaniwang paglihis. Mayroong maraming mga programang pang-istatistika na maaaring makalkula ang karaniwang paglihis pagkatapos mong mailagay ang hilaw na data.
Halimbawa, ang karaniwang paglihis ng mga marka para sa pangkat ng mga mag-aaral na nagbasa ng materyal bago magsimula ang klase ay: s = √20, 3 = 4, 51
Bahagi 3 ng 3: Pagtukoy ng Kahulugan
Hakbang 1. Kalkulahin ang pagkakaiba-iba sa pagitan ng dalawang sample na pangkat
Sa nakaraang halimbawa, kinakalkula lamang namin ang karaniwang paglihis ng isang pangkat. Kung nais mong ihambing ang dalawang pangkat, dapat kang magkaroon ng data mula sa dalawang pangkat. Kalkulahin ang karaniwang paglihis ng pangalawang pangkat at gamitin ang mga resulta upang makalkula ang pagkakaiba-iba sa pagitan ng dalawang pangkat sa eksperimento. Ang pormula para sa pagkakaiba-iba ay sd = ((s1/ N1) + (s2/ N2)).
- sd ay ang pagkakaiba-iba ng intergroup.
- s1 ay ang karaniwang paglihis ng pangkat 1 at N1 ay ang bilang ng mga sample sa pangkat 1.
- s2 ay ang karaniwang paglihis ng pangkat 2 at N2 ay ang bilang ng mga sample sa pangkat 2.
-
Halimbawa, ang data mula sa pangkat 2 (mga mag-aaral na hindi nagbasa ng materyal bago magsimula ang klase) ay may isang sample na laki ng 5 na may isang karaniwang paglihis na 5.81. Pagkatapos ang variant:
- 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.
Hakbang 2. Kalkulahin ang t-test na halaga ng iyong data
Papayagan ka ng halaga ng pagsubok na t-ihambing ang isang pangkat ng data sa isa pang pangkat ng data. Pinapayagan ka ng t-halaga na magsagawa ng isang t-test upang matukoy kung gaano ang posibilidad na ang dalawang pangkat ng data na inihambing ay makabuluhang magkakaiba. Ang pormula para sa halaga ng t ay: t = (µ1 -2) / sd.
- ️1 ay ang ibig sabihin ng unang pangkat.
- ️2 ay ang average na halaga ng pangalawang pangkat.
- sd ay ang pagkakaiba-iba sa pagitan ng dalawang mga sample.
- Gumamit ng mas malaking mean bilang1 upang hindi ka makakuha ng mga negatibong halaga.
- Halimbawa, ang average na iskor ng pangkat 2 (mga mag-aaral na hindi nagbasa) ay 80. Ang t-halaga ay: t = (µ1 -2) / sd = (88, 6 – 80)/3, 29 = 2, 61.
Hakbang 3. Tukuyin ang mga degree ng kalayaan ng sample
Kapag ginagamit ang t-halaga, ang mga degree na kalayaan ay natutukoy sa laki ng sample. Idagdag ang bilang ng mga sample mula sa bawat pangkat pagkatapos ay ibawas ang dalawa. Halimbawa, ang mga degree ng kalayaan (d.f.) ay 8 dahil mayroong limang mga sample sa unang pangkat at limang mga sample sa pangalawang pangkat ((5 + 5) - 2 = 8).
Hakbang 4. Gumamit ng Talahanayan t upang matukoy ang kabuluhan
Ang mga talahanayan ng mga t-halaga at antas ng kalayaan ay matatagpuan sa karaniwang mga libro sa istatistika o online. Tingnan ang hilera na ipinapakita ang mga degree ng kalayaan na iyong pinili para sa iyong data at hanapin ang naaangkop na p-halaga para sa t-halaga na nagmula sa iyong mga kalkulasyon.
Na may antas ng kalayaan na 8 d.f. at ang t-halaga na 2.61, ang p-halaga para sa isang-buntot na pagsubok ay nasa pagitan ng 0.01 at 0.025. Dahil ginamit namin ang isang antas ng kabuluhan na mas mababa sa o katumbas ng 0.05, ang data na ginagamit namin ay nagpatunay na ang dalawang pangkat ng data ay makabuluhang iba. makabuluhan. Sa datos na ito, maaari nating tanggihan ang null na teorya at tanggapin ang kahaliling teorya: ang pangkat ng mga mag-aaral na nagbasa ng materyal bago magsimula ang klase ay umiskor ng mas mahusay kaysa sa pangkat ng mga mag-aaral na hindi nabasa ang materyal
Hakbang 5. Isaalang-alang ang paggawa ng isang follow-up na pag-aaral
Maraming mga mananaliksik ang nagsasagawa ng maliliit na pag-aaral ng piloto upang matulungan silang maunawaan kung paano magdisenyo ng mas malaking pag-aaral. Ang paggawa ng karagdagang pagsasaliksik na may higit pang mga sukat ay magpapataas ng iyong kumpiyansa sa iyong mga konklusyon.
