Inhaltsverzeichnis
Warum Normalverteilung t-Test?
Dabei wird vorausgesetzt, dass die Daten der Stichproben einer normalverteilten Grundgesamtheit entstammen bzw. es genügend große Stichprobenumfänge gibt, so dass der zentrale Grenzwertsatz erfüllt ist. Der klassische t-Test setzt voraus, dass beide Stichproben aus Grundgesamtheiten mit gleicher Varianz entstammen.
Was bringt der T-Test?
Der t-Test ermöglicht es Dir, aufgrund der Realisationen Deiner Stichprobe(n) Hypothesen über den oder die Mittelwerte der Grundgesamtheit zu prüfen, wenn Du für die Grundgesamtheit Normalverteilung unterstellen kannst aber die Varianz der Grundgesamtheit nicht kennst.
Wie prüfst du den t-Test?
Der t-Test prüft ganz allgemein anhand Deiner Stichprobe (n) Hypothesen zu Mittelwertunterschieden in der zugehörigen Grundgesamtheit. Damit Du ihn einsetzen kannst, musst Du für die metrische Zufallsvariable (n) der Grundgesamtheit die Normalverteilung voraussetzen, ohne aber ihre Varianz zu kennen.
Wie ist der T-Wert bei zwei unabhängigen Stichproben?
Der t-Wert bei zwei unabhängigen Stichproben (X 1 und X 2) wird wie folgt berechnet: X ist die Zufallsvariable der Stichprobe n ist die Stichprobengröße der jeweiligen Gruppe ΣX² ist die Summe der quadrierten Messwerte ΣX ist die Summe der Messwerte
Wie unterscheidet man einen t -Test von einem t-Test?
Generell unterscheidet man zwischen einen t -Test mit nur einer einzigen Stichprobe und einem mit zwei Stichproben. Am häufigsten wird der t -Test dort verwendet, wo eine kategorische dichotome Variable (z.B. Geschlecht) und eine Messvariable (z.B. Gewicht) vorhanden sind.
Wie eignet sich ein t-Test für unabhängige Stichproben?
Ein t-Test für unabhängige Stichproben lässt sich dann anwenden, wenn die Mittelwerte von zwei unterschiedlichen Stichproben miteinander verglichen und die Unterschiede auf Signifikanz getestet werden sollen. Dieser t-Test eignet sich damit zur Untersuchung einer Unterschiedshypothese zwischen zwei unabhängigen Stichproben.