Tartalom
A statisztikai tesztek segítségével meghatározzuk, hogy a változók közötti feltételezett kapcsolatnak van-e statisztikai jelentősége. Általában a teszt azt méri, hogy a változók mennyiben korrelálnak vagy különböznek egymástól. A paraméteres tesztek azok, amelyek a változók központi tendenciáira támaszkodnak és normális eloszlást feltételeznek. A nem parametrikus tesztek nem tesznek feltételezéseket a populáció eloszlásáról.
T-teszt
A t-teszt egy parametrikus teszt, amely összehasonlítja a minták és az érintett populációk átlagát. A t-teszteknek számos változata létezik. Az egymintás t-teszt összehasonlítja a minta átlagát a feltételezett átlaggal. A független minták t-tesztje megvizsgálja, hogy két különböző minta átlagának hasonló értékei vannak-e. Párosított mintán végzett t-teszt akkor használatos, ha két megfigyelés van a mintában szereplő alanyok összehasonlításához. A t-tesztet normál eloszlású numerikus adatokra tervezték.
Rendes adatok
A rendes adatok olyan adatokból származnak, amelyek a mintában szereplő egyes egységek relatív értékeit írják le. Például az osztálytermi 10 tanuló magasságának szokásos adatai egyszerűen az 1–10 számok, ahol 1 jelentheti a legrövidebb hallgatót, 10 pedig a legmagasabb hallgatót. Egyik diák sem lenne ugyanaz az érték, hacsak pontosan azonos magasságúak lennének. A központi tendencia mérései értelmetlenek a rend adatokkal.
A T-teszt nem megfelelősége
A T-tesztek nem megfelelőek a szokásos adatokkal történő felhasználásra. Mivel a rend adatoknak nincs központi tendenciájuk, normál eloszlásuk sem. A rendes adatok értékei egyenletesen oszlanak el, nem csoportosítva a középpont körül. Ezért a rendszerszámú adatok t-tesztjének nincs statisztikai jelentése.
Egyéb megfelelő tesztek
Három statisztikai jelentőségű teszt létezik, amelyeket helyénvaló használni a rend adatokkal. A Spearman rangsorrendjének korrelációja akkor hasznos, ha csak két változó van jelen, és ezek összefüggése monoton, bár nem feltétlenül lineáris. A monotonikus kapcsolatokban az első változó növekedésével a második változó irányában nincs változás. A Kruskal-Wallis tesztet olyan esetekre tervezték, ahol több mint két minta van, és az adatok általában nem oszlanak el. Ez hasonló a variancia egyirányú elemzéséhez. A Friedman-féle varianciaanalízis rangsoronként akkor használható, ha egy csoporton belül három vagy több megfigyelés van egy változóra vonatkozóan.