Υπολογιστής Ελέγχου t Ενός Δείγματος
Εκτελέστε έναν έλεγχο t ενός δείγματος για να αποφασίσετε αν η δειγματική μέση τιμή σας είναι σημαντικά διαφορετική από μια υποθετική τιμή πληθυσμού.
Alternative hypothesis
p-value = 0,4854 · Fail to reject H0 at α = 0.05
- 1
Sample mean x̄
5,05Sum of all observations divided by n. - 2
Sample SD s (n−1 denominator)
0,2173 - 3
Standard error SE = s ÷ √n
0,2173 ÷ √10 = 0,068718 - 4
t statistic
(5,05 − 5) ÷ 0,068718 = 0,7276
Πώς λειτουργεί αυτή η αριθμομηχανή;
Ένας έλεγχος t ενός δείγματος ελέγχει αν η δειγματική μέση τιμή σας διαφέρει από μια υποθετική τιμή μ0. Υπολογίζει t = (x̄ − μ0)/(s/√n) με n − 1 βαθμούς ελευθερίας, έπειτα μια τιμή p από την κατανομή Student-t. Αν η p είναι κάτω από 0,05, απορρίπτετε τη μηδενική υπόθεση ότι η αληθινή μέση τιμή ισούται με μ0.
Τύπος
How this is calculated
Εισαγάγετε τις ακατέργαστες τιμές του δείγματός σας (χωρισμένες με κόμματα ή κενά), την υποθετική μέση τιμή πληθυσμού μ0 ως προς την οποία θέλετε να ελέγξετε, και την εναλλακτική υπόθεση (δίπλευρη ή μονόπλευρη). Ο υπολογιστής υπολογίζει τη δειγματική μέση τιμή x̄, τη δειγματική τυπική απόκλιση s (χρησιμοποιώντας n − 1 στον παρονομαστή), το τυπικό σφάλμα s/√n, και το μέγεθος του δείγματος n.
Η στατιστική του ελέγχου είναι t = (x̄ − μ0) / (s/√n) με df = n − 1 βαθμούς ελευθερίας. Η τιμή p προκύπτει από την κατανομή Student-t αξιολογημένη με την κανονικοποιημένη ατελή συνάρτηση βήτα: ένας δίπλευρος έλεγχος χρησιμοποιεί 2·P(T > |t|), ένας δεξιόπλευρος έλεγχος χρησιμοποιεί P(T > t), και ένας αριστερόπλευρος έλεγχος χρησιμοποιεί P(T < t). Αν η τιμή p είναι κάτω από το συμβατικό κατώφλι α = 0,05, η μηδενική υπόθεση ότι η μέση τιμή του πληθυσμού ισούται με μ0 απορρίπτεται.
Ο έλεγχος υποθέτει ότι οι παρατηρήσεις είναι ανεξάρτητες και περίπου κανονικά κατανεμημένες (ή ότι το n είναι αρκετά μεγάλο ώστε να ισχύει το κεντρικό οριακό θεώρημα). Χρειάζεται τουλάχιστον δύο τιμές, και μη μηδενική τυπική απόκλιση· ένα δείγμα χωρίς μεταβλητότητα κάνει το τυπικό σφάλμα μηδέν και τη στατιστική t απροσδιόριστη. Ο RangeMeter τοποθετεί το t σε μια κλίμακα έναντι των προσεγγιστικών κρίσιμων ορίων ±1,96 ώστε να βλέπετε πόσο μέσα στην περιοχή απόρριψης πέφτει.
Συχνές ερωτήσεις
Χρησιμοποιήστε έναν έλεγχο t ενός δείγματος όταν η τυπική απόκλιση του πληθυσμού είναι άγνωστη και την εκτιμάτε από το δείγμα, που σχεδόν πάντα συμβαίνει στην πράξη. Η κατανομή t λαμβάνει υπόψη την επιπλέον αβεβαιότητα, ειδικά με μικρά δείγματα.
Είναι η πιθανότητα παρατήρησης μιας δειγματικής μέσης τιμής τουλάχιστον τόσο ακραίας όσο η δική σας αν η αληθινή μέση τιμή πληθυσμού ήταν ακριβώς μ0. Μια μικρή τιμή p (κάτω από 0,05) υποδηλώνει ότι η παρατηρούμενη διαφορά είναι απίθανη υπό τη μηδενική υπόθεση, οπότε την απορρίπτετε.
Η εκτίμηση της τυπικής απόκλισης από το δείγμα καταναλώνει έναν βαθμό ελευθερίας, οπότε η κατανομή t για τον έλεγχο έχει n − 1 βαθμούς ελευθερίας αντί για n.
Γνωστό και ως
TG we-Calculate Editorial Team. (2026). Υπολογιστής Ελέγχου t Ενός Δείγματος [Online calculator]. TG we-Calculate. https://we-calculate.com/el/calculator/one-sample-t-test-calculator
TG we-Calculate Editorial Team. "Υπολογιστής Ελέγχου t Ενός Δείγματος." TG we-Calculate. 2026. https://we-calculate.com/el/calculator/one-sample-t-test-calculator.
TG we-Calculate Editorial Team, "Υπολογιστής Ελέγχου t Ενός Δείγματος," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/el/calculator/one-sample-t-test-calculator
@misc{wecalculate_one_sample_t_test_calculator, title = {Υπολογιστής Ελέγχου t Ενός Δείγματος}, author = {{TG we-Calculate Editorial Team}}, howpublished = {\url{https://we-calculate.com/el/calculator/one-sample-t-test-calculator}}, year = {2026}, note = {TG we-Calculate} }
Σας βοήθησε αυτή η αριθμομηχανή;
