Testy T-Studenta

Statystyka z metodologią
kurs podstawowy

Wykład 06
 Testy T-Studenta – dlaczego są przydatne?
• Ponieważ pozwalają na porównywanie
A-HA!
średnich… 
– Może to być porównanie średni w dwóch
odrębnych grupach
• Test T dla prób niezależnych
– Może to być porównanie dwóch średnich z tej
samej grupy
• Test T dla prób zależnych
– Może być to porównanie średniej z grupy z jakąś
inną, znaną nam skądinąd wartością (np. jakąś
średnio otrzymaną na bazie badań sondażowych
• Test T dla jednej próby
 Testy T-Studenta
• UWAGA: testy t-Studenta można
stosować tylko wtedy, kiedy chcemy
porównać dwie średnie
• Z dwóch różnych grup (test t dla prób
niezależnych)
• Dwie średnie pochodzące z jednej grupy
(dwukrotny pomiar; test t dla prób
zależnych)
– W badaniach z większą ilością średnich
korzystamy z analiz wariancji (i o tym
będzie na module zaawansowanym)!
 Testy t „Studenta”(???)
• William Sealy Gosset
– ur. 13.06.1873 r.
(Canterbury, UK)
– zm. 16.10.1937 r. (61 l.)

– 1906-07 – praca z
Karlem Pearsonem
(University College,
Londyn)
Test T dla prób niezależnych
• Używamy go wtedy, kiedy porównujemy
dwie niezależne od siebie grupy pod kątem
jednej zmiennej
– Zmienna niezależna – zmienna grupująca
• Grupa kontrola vs grupa eksperymentalna
(eksperyment)
• Kobiety vs mężczyźni (quasi-eksperyment)
– Zmienna zależna – ta której wynik porównujemy
dla dwóch grup
– Innymi słowy do testu t dla prób niezależnych
potrzebujemy dwóch zmiennych
 Test T dla prób niezależnych
• Założenia:
– Zmienna zależna na skali ilościowej (upewniamy się,
że tak jest PRZED badaniem)
– Pomiar niezależny (sprawdzamy w trakcie badania)
– Równoliczne grupy (test chi-kwadrat)
– Normalny rozkład zmiennej zależnej w obu
porównywanych grupach (test K-S oraz test Shapiro
Wilka)
– Podobne (homogeniczne) wariancje (test Levene’a
wykonywany automatycznie wraz z testem t)
 Pomiar niezależny
• Dwa aspekty tego
założenia:
– Każdy badany może
znaleźć się tylko w jednej z
porównywanych grup
– Badani nie powinni
wpływać na siebie
nawzajem
• Ani badani z tej samej grupy
• Ani badani z odrębnych
grup
• Cokolwiek jeden badany
powie drugiemu może mieć
wpływ na nasze wyniki
 Badanko eksperymentalne
• Czy Coca-Cola smakuje inaczej, gdy jest
serwowana w butelce z inną etykietą?
– Każdy badany otrzymuje butelkę Coca-Coli
• Połowa badanych otrzymuje Coca-Colę w butelce z
etykietą Coca-Coli
• Połowa badanych otrzymuje Coca-Colę w butelce z
etykietą Hoop Coli
– Okazało się, że osób w tej grupie było ciut więcej niż w pierwszej
(coś nie tak z „połowami” )
• Każdy badany po wypiciu napoju ocenia jego jakość na
skali od 1 (niska) do 10 (wysoka)
 Hipotezy
• Wersja bezkierunkowa:
– HA: Średnie oceny napoju różnią się w zależności od
butelki, w której badany pił coca-colę
– H0: średnie oceny napoju nie różnią się w zależności od
butelki, w której badany pił coca-colę
• Wersja kierunkowa
– HA: Coca-cola pita w oryginalnej butelce jest średnio
oceniania wyżej niż Coca-cola pita w butelce Hoop-coli
– H0: Coca-cola pita w oryginalnej butelce nie jest średnio
oceniania wyżej niż Coca-cola pita w butelce Hoop-coli
ZMIENNA NIEZALEŻNA ZMIENNA ZALEŻNA

Coca-Cola w
oryginalnej Ocena
butelce

Coca-cola w
butelce Hoop Ocena
Coli
Test T dla prób niezależnych
 Założenia
• Zmienna zależna na skali
ilościowej
– spełnione
• Pomiar niezależny
– Zakładamy, że spełnione
• Równoliczne grupy
– Pamiętamy, że grupy nie były
idealnie równoliczne więc…
 WNIOSEK: grupy nie
różnią się istotnie od
siebie pod względem
liczebności

χ2 (1) = 0,125; p = 0,724

 Założenia
• Zmienna zależna na skali
ilościowej
– spełnione
• Pomiar niezależny
– Zakładamy, że spełnione
• Równoliczne grupy
– Spełnione
• Rozkład normalny zmiennej
zależnej w każdej z dwóch grup
– Testujemy…
 WNIOSEK: rozkłady
zmiennej zależnej w obu
porównywanych grupach
można uznać za normalne

Shapiro-Wilk:

W (15) = 0,931; p = 0,278

W (17) = 0,934; p = 0,257

 Założenia
• Zmienna zależna na skali ilościowej
– spełnione
• Pomiar niezależny
– Zakładamy, że spełnione
• Równoliczne grupy
– Spełnione
• Rozkład normalny zmiennej
zależnej w każdej z dwóch grup
– Spełnione
• Homogeniczność wariancji
– To za chwilę…
Wykonywanie testu t dla prób niezależnych
 Te wartości wynikają z tego, jak zmienna
zakodowana jest w naszym pliku danych.
Ta opcja przydaje się, kiedy zmienna ma
więcej niż dwie kategorie (a porównujemy
przecież tylko dwie)
Test t dla prób niezależnych - raport

ZAŁOŻENIE O RÓWNOŚCI
(HOMOGENICZNOŚCI) WARIANCJI:
Zanim weźmiemy się za oglądanie
wyników testu t, musimy sprawdzić
wynik testu Levene’a – w zasadzie
interesuje nas tylko jego istotność
(nie zapisujemy zazwyczaj samego
wyniku)
DO ZAPAMIĘTANIA!!!
WAŻNE:
Jeżeli test Levene’a jest nieistotny
statystycznie to znaczy, że wariancje
są podobne (równe, homogeniczne) –
nie różnią się od siebie istotnie
statystycznie.
Jeżeli test Levene’a jest istotny
statystycznie to znaczy, że wariancje
są różne (nierówne,
niehomogeniczne) – różnią się od
siebie istotnie statystycznie.
Jeżeli wynik testu Levene’a jest nieistotny
statystycznie, to wyniki testu t czytamy z
górnego wiersza
 Jeżeli wynik testu Levene’a jest istotny
statystycznie, to wyniki testu t czytamy z
dolnego wiersza
Sam wynik testu Levene’a zawsze znajduje
się w tym samym miejscu 
Nie podróżuje…
t(30) = 7,52; p<0,001

df = n – 2
n = liczba osób badanych
 t(30) = 7,52; p<0,001

Wniosek:
Coca-cola serwowana w oryginalnych butelkach Coca-Coli
jest oceniana istotnie wyżej (M = 8,06; SD = 1,16), niż Coca
Cola serwowana w butelce Hoop Coli (M = 4,05; SD = 1,74). A
zatem marka ma znaczenie! 
 Test t dla prób zależnych
• Stosujemy go wtedy, kiedy porównujemy dwie
średnie pochodzące z jednej grupy
– Innymi słowy mierzymy naszych badanych dwa
razy – w ten sam sposób, rzecz jasna (bo jak
inaczej porównać średnie?)
– Ważny jest tu zatem upływ czasu między
pomiarami
 Test T dla prób zależnych
• Założenia:
– Zmienna zależna na skali ilościowej (upewniamy
się, że tak jest PRZED badaniem)
– Pomiar zależny (sprawdzamy w trakcie badania)
– Normalny rozkład zmiennej zależnej w obu
porównywanych pomiarach (test K-S oraz test
Shapiro Wilka)
 Test t dla prób zależnych
• Czy ukończenie kursu ze statystyki przyczynia się do
zwiększenia wiedzy statystycznej?
• Badani: 30 studentów 1-go roku
• Każdy z badanych rozwiązuje test ze statystyki: przed
rozpoczęciem kursu i po jego zakończeniu (0-30 pkt.)
• Porównujemy średnie z obu pomiarów

1-szy test – przed 2-gi test – po

rozpoczęciem kurs zakończeniu
kursu kursu
 Hipotezy
• Wersja bezkierunkowa:
– HA: Wiedza statystyczna przed kursem będzie istotnie
różna od wiedzy statystycznej po kursie
– H0: Wiedza statystyczna przed kursem nie będzie istotnie
różna od wiedzy statystycznej po kursie
• Wersja kierunkowa:
– HA: Wiedza statystyczna po kursie będzie istotnie wyższa
od wiedzy przed rozpoczęciem kursu
– H0: Wiedza statystyczna po kursie nie będzie istotnie
wyższa od wiedzy przed rozpoczęciem kursu
Test t dla prób zależnych
Test t dla prób zależnych
 df = n – 1
n = liczba osób badanych

t(29) = 9,81; p<0,001

 t(29) = 9,81; p<0,001

Wniosek:
Wiedza statystyczna jest istotnie wyższa po ukończeniu kursu
ze statystyki (M = 20,5; SD = 5,05) niż przed jego
rozpoczęciem (M = 11,66; SD = 4,24). Nauka statystyki
przynosi efekty.
Nieparametryczne odpowiedniki testów t

• Bardziej konserwatywne – trudniej uchwycić

istotną statystycznie różnicę
• Stosujemy je wtedy, kiedy nasze dane nie
nadają się do testów parametrycznych
– np. test dla prób niezależnych
• Kiedy grupy są nierównoliczne
• Kiedy wariancje nie są równe
• Kiedy rozkłady nie są normalne
Nieparametryczne odpowiedniki testów t

• Test U Manna-Whitneya –
odpowiednik testu t dla
prób niezależnych
• Test Wilcoxona –
odpowiednik testu t dla
prób zależnych
– Szczegóły dotyczące obu
testów można znaleźć w
„Statystycznym
drogowskazie” (tom 11)
Test t dla jednej próby
• Stosujemy go wtedy, kiedy
porównujemy średnią z naszej
badanej próby (grupy) z jakąś znaną
skądinąd wartością…
– Wartość ta może pochodzić z rozmaitych
źródeł
• Test t da nam odpowiedź na pytanie
czy średnia z naszej grupy różni się
istotnie od testowanej wartości
– Oczywiście pytanie badawcze (i hipoteza)
może być też kierunkowa
 Test T dla prób zależnych
• Założenia:
– Zmienna zależna na skali ilościowej (upewniamy
się, że tak jest PRZED badaniem)
– Normalny rozkład zmiennej zależnej (test K-S oraz
test Shapiro Wilka)
 Test t dla jednej próby
• BADANIE CZYTELNICTWA
– Załóżmy, że dane ogólnopolskie
pokazują, że statystyczny Polak czyta
jedną książkę rocznie
– Interesuje nas, czy w przypadku
studentów psychologii sprawa wygląda
podobnie
– Badamy 30 studentów i stawiamy
hipotezę, że studenci psychologii
czytają średnio więcej niż jedną książkę
rocznie
Test t dla jednej próby
Test t dla jednej próby
 df = n – 1
n = liczba osób badanych

t(29) = 8,62; p<0,001

 t(29) = 8,62; p<0,001

Wniosek:
Studenci psychologii czytają w skali roku istotnie więcej
książek (M = 3,43; SD = 1,55) niż testowana średnia krajowa
(równa 1).