t-Test ဆိုတာ ဘာလဲ?
t-Test က အုပ်စုနှစ်ခုရဲ့ ပျမ်းမျှကြား ကွာခြားချက်က စာရင်းအင်းဆိုင်ရာ အဓိပ္ပါယ်ရှိသလား စစ်ဆေးတဲ့ နည်းလမ်းပါ။ "ကွာခြားချက်က တကယ့် ကွာခြားချက်လား ကျပန်းကြောင့်လား?" ဆိုတဲ့ မေးခွန်းကို ဖြေပါတယ်။
One-Sample t-Test
နမူနာ ပျမ်းမျှက သိထားတဲ့ တန်ဖိုးတစ်ခုနဲ့ ကွဲပြားသလား စစ်ဆေးပါတယ်။
ဆန်စက်တစ်ခုက ₁ ပိဿာ အိတ်တိုင်း ₁₆.₃ ကီလိုဂရမ် ဖြစ်ရမယ်လို့ ခံဝန်ထားပါတယ်။ အရည်အသွေး စစ်ဆေးရေးက ကျပန်း ₂₅ အိတ် ရွေးပြီး ချိန်ပါတယ်: ပျမ်းမျှ = ₁₆.₁ ကီလို, SD = ₀.₄ ကီလို။
- H₀: ပျမ်းမျှ = ₁₆.₃ (စက်က မှန်ကန်စွာ အလုပ်လုပ်နေ)
- H₁: ပျမ်းမျှ ≠ ₁₆.₃ (စက်က မမှန်ကန်)
t-Test တွက်ချက်ပြီး p-value = ₀.₀₁ ရရင် → ₁₆.₁ နဲ့ ₁₆.₃ ကြား ကွာခြားချက်က ကျပန်းကြောင့် မဖြစ်နိုင်ဘူး → စက်ကို ပြင်ဆင်ဖို့ လိုပါတယ်။
Two-Sample t-Test
လွတ်လပ်တဲ့ အုပ်စုနှစ်ခုရဲ့ ပျမ်းမျှကြား ကွာခြားချက် စစ်ဆေးပါတယ်။
တက္ကသိုလ်ဝင်တန်း ကျူရှင်ပရိုဂရမ် ထိရောက်မှု စစ်ဆေးခြင်း:
- အုပ်စု A (ကျူရှင်တက်): ₅₀ ယောက်, Mean = ₃₈₅, SD = ₄₀
- အုပ်စု B (မတက်): ₅₀ ယောက်, Mean = ₃₆₀, SD = ₄₅
H₀: ပျမ်းမျှ A = ပျမ်းမျှ B (ကွာခြားမှု မရှိ)
H₁: ပျမ်းမျှ A > ပျမ်းမျှ B (ကျူရှင်က အကျိုးရှိ)
t-Test ရလဒ်: p = ₀.₀₀₃ → ₂₅ မှတ် ကွာခြားချက်က ကျပန်းကြောင့် မဖြစ်နိုင် → ကျူရှင်က အကျိုးရှိတယ်လို့ ကောက်ချက်ချနိုင်ပါတယ်။
Paired t-Test
တူညီတဲ့ အုပ်စုကို မတူညီတဲ့ အချိန် ၂ ခုမှာ တိုင်းတာပြီး နှိုင်းယှဉ်ပါတယ်။
MNL ကစားသမား ₂₀ ယောက်ကို လေ့ကျင့်ရေးအစီအစဉ် မတိုင်ခင်နဲ့ ပြီးနောက် ₁ ကီလိုမီတာ ပြေး အချိန် တိုင်းပါတယ်:
- မတိုင်ခင် ပျမ်းမျှ: ₄ မိနစ် ₃₀ စက္ကန့်
- ပြီးနောက် ပျမ်းမျှ: ₄ မိနစ် ₁₅ စက္ကန့်
₁₅ စက္ကန့် ကွာခြားချက်က အဓိပ္ပါယ် ရှိသလား? Paired t-test က "တူညီတဲ့ လူတွေ" ကို နှိုင်းယှဉ်တဲ့အတွက် ကစားသမားအချင်းချင်း ကွဲပြားမှုကို ထိန်းချုပ်နိုင်ပါတယ်။
t-Test သုံးဖို့ အခြေအနေများ
- ဒေတာက ဆက်တိုက် (continuous) ဖြစ်ရပါမယ်
- ဒေတာက ခန့်မှန်းနိုင်သော ပုံမှန် ဖြန့်ဝေမှုနဲ့ နီးစပ်ရပါမယ် (n ≥ ₃₀ ဆိုရင် CLT ကြောင့် အဆင်ပြေ)
- Two-sample test မှာ အုပ်စုနှစ်ခုက လွတ်လပ်ရပါမယ် (paired မှာ ချွင်းချက်)
t-Test က ပျမ်းမျှတွေကြား ကွာခြားချက် အဓိပ္ပါယ်ရှိသလား စစ်ဆေးပါတယ်။ One-sample က နမူနာကို သိထားတဲ့ တန်ဖိုးနဲ့၊ two-sample က အုပ်စုနှစ်ခုကို၊ paired က တူညီတဲ့ အုပ်စုကို မတူတဲ့ အချိန်မှာ နှိုင်းယှဉ်ပါတယ်။ P-value ငယ်ရင် ကွာခြားချက်က ကျပန်းကြောင့် မဖြစ်နိုင်ဘူးလို့ ကောက်ချက်ချပါတယ်။