Máy tính kiểm tra A/B: Kiểm tra T hai mẫu

Kiểm định t hai mẫu so sánh giá trị trung bình của hai nhóm độc lập để xác định xem chúng có khác biệt đáng kể hay không. Sử dụng nó khi so sánh giá trị trung bình giữa hai nhóm với dữ liệu liên tục.

Kiểm định t ghép cặp so sánh các phép đo liên quan (trước/sau, các cặp khớp nhau). Kiểm định t không ghép cặp so sánh các nhóm độc lập. Lựa chọn dựa trên thiết kế nghiên cứu và cấu trúc dữ liệu của bạn.

Kiểm định t giả định: phân phối chuẩn (hoặc kích thước mẫu lớn), các quan sát độc lập và phương sai bằng nhau giữa các nhóm. Công cụ có thể cung cấp các bài kiểm tra cho những giả định này.

Đối với các mẫu nhỏ (thường n < 30), điều quan trọng là dữ liệu trong mỗi nhóm phải phân bố gần như chuẩn hoặc không có các giá trị ngoại lệ đáng kể. Khi kích thước mẫu tăng lên, tác động của sự sai lệch so với phân bố chuẩn sẽ giảm đi nhờ định lý giới hạn trung tâm.

Hãy nhìn vào giá trị p, khoảng tin cậy và kích thước hiệu ứng. Một giá trị p <0,05 thường cho thấy một sự khác biệt đáng kể. Khoảng tin cậy cho thấy phạm vi của các khác biệt có thể xảy ra.

Kích thước hiệu ứng (ví dụ, Hệ số d của Cohen) đo lường độ lớn của sự khác biệt giữa các giá trị trung bình của các nhóm, ngoài việc sự khác biệt có ý nghĩa thống kê hay không. Nó giúp hiểu được tầm quan trọng thực tế của sự khác biệt.

Kiểm định Z được sử dụng khi bạn biết phương sai của tổng thể và có kích thước mẫu lớn. Kiểm định t phù hợp hơn khi phương sai của tổng thể không được biết và được ước tính từ mẫu, đặc biệt là đối với các mẫu nhỏ.

Giả thuyết không (H0) trong kiểm định t thường nói rằng không có sự khác biệt đáng kể giữa các giá trị trung bình của hai nhóm được so sánh. Kiểm định t đánh giá xem có đủ bằng chứng để bác bỏ giả thuyết này hay không.