In the above example we had no reas

In the above example we had no reason to suspect that either population watched more TV than the other, as reflected in the alternative hypothesis, which is simply a statement of difference:
µ1 ≠ µ2
Given this formulation of the alternative hypothesis, a two-tail test is used. However, we might argue that because of the warmer weather Australian children might be less inclined to watch as much TV as children in Britain. Here we hot only suspect a difference, but also a direction of difference. In this situation the alternative hypothesis will be:
µ1 ˃ µ2
This would involve a one-tail test. The SPSS output provides the two-tail significance as the default setting. To convert this into a one-tail significance we simply divide the two-tail probability in half. The area under the curve beyond a t-score of ± 2.25 is 0.031 of the total area under the t-distribution. If two-tail take up this amount of area, then one-tail will take up half this amount:
One-tail probability = (two tail probabillity)/2
= 0.031/2
= 0.0155
Example
A study is conducted to investigate whether foreign companies pay attention to local health and safety codes compared with domestic companies. A survey of 50 foreign-owned and 50 domestic companies of similar industries are selected. Inspectors record the number of breaches of health and safety regulations they observe when inspecting these establishments. On average, the 50 foreign firms were found to make 4.2 breaches per firm:
Foreign: N1 = 50
S1 = 1.3
x̄ = 4.2
The domestic firms were found to make 3.5 breaches per firm
Domestic: N2 = 50
s2 = 1.2
x̄ = 3.5
We will use an alpha level of 0.05, which on a two-tail test, and with 98 degrees of freedom, gives us a critical score of:
tcritical = ±2.0
To calculate the sample t-score we need to firstly calculate the standard error (using the equal variance estimate):
σ x̄ - x̄ =
=
= 0.25
The sample t-score will be:
tsample = (x ̄1-x̄2 )/(σ x̄ - x̄ )
= (4.2-3.5)/0.25
= 2.8
We can see that sample score is further from zero than the critical score. In other words, it falls in the region of rejection (Figure 13.7).




Figure 13.7 Distribution of t, df = 98
We reject the null hypothesis of no difference. The results suggest that foreign firms are more inclined to breach local health and safety codes.

ผลลัพธ์ (ไทย) 1:

ในตัวอย่างข้างต้นเรามีเหตุผลไม่ต้องสงสัยว่า ประชากรทั้งดูรายการโทรทัศน์อื่น ๆ กว่าอื่น ๆ สะท้อนในสมมติฐานอื่น ซึ่งเป็นเพียงรายงานความแตกต่าง:Μ1 ≠ Μ2กำหนดนี้กำหนดสมมติฐานทางเลือก การทดสอบสองหางไว้ อย่างไรก็ตาม เราอาจโต้แย้งว่า เนื่องจากเด็กออสเตรเลียอากาศอุ่น อาจมีน้อยอยากดูโทรทัศน์มากที่สุดเป็นเด็กในสหราชอาณาจักร ที่นี่เราร้อนเท่านั้นสงสัยว่าความแตกต่าง แต่ทิศทางของความแตกต่าง ในสถานการณ์นี้ สมมติฐานทางเลือกจะ:Μ1 ˃ Μ2 นี้จะเกี่ยวข้องกับการทดสอบหางเดียว ออกโปรแกรมให้สำคัญสองหางเป็นการตั้งค่าเริ่มต้น แปลงนี้เป็นสำคัญหนึ่งหาง เราก็แบ่งความน่าเป็นสองหางครึ่ง พื้นที่ภายใต้โค้งเกินคะแนน t ของ± 2.25 เป็น 0.031 ของพื้นที่ภายใต้การแจกแจง t ถ้าสองหางขึ้นตั้ง จำนวนนี้แล้วหนึ่งหาง จะใช้ยอดเงินนี้ครึ่ง:ความน่าเป็นหนึ่งหาง = (สองหาง probabillity) / 2 = 0.031/2 = 0.0155ตัวอย่างการศึกษาจะดำเนินการตรวจสอบว่า บริษัทต่างประเทศให้ความสนใจกับสุขภาพท้องถิ่นและรหัสความปลอดภัยเมื่อเทียบกับบริษัทในประเทศ มีเลือกสำรวจ 50 ของต่างประเทศ และ 50 ในประเทศบริษัทอุตสาหกรรมเหมือนกัน ผู้ตรวจบันทึกหมายเลขเสียสุขภาพและความปลอดภัยระเบียบปฏิบัติเมื่อตรวจสอบสถานประกอบการเหล่านี้ โดยเฉลี่ย บริษัทต่างประเทศ 50 พบทำละเมิด 4.2 ต่อบริษัท:ต่างประเทศ: N1 = 50S1 = 1.3x̄ = 4.2บริษัทในประเทศพบทำละเมิด 3.5 ต่อบริษัทในประเทศ: N2 = 50 s2 = 1.2 x̄ = 3.5เราจะใช้ระดับ 0.05 ซึ่ง ในการทดสอบสองหาง และ 98 องศาความเป็น อิสระ ทำให้คะแนนความสำคัญของ อัลฟา:tcritical = ±2.0การคำนวณคะแนน t ของแบบตัวอย่าง เราต้องแรก คำนวณข้อผิดพลาดมาตรฐาน (ใช้การประเมินผลต่างเท่า): Σ x̄ - x̄ = = = 0.25ตัวอย่าง t-คะแนนจะ: tsample = (x ̄1-x̄2) / (σ x̄ - x̄) (4.2-3.5)/0.25 = = 2.8เราจะเห็นว่าคะแนนอย่างเป็นหวศูนย์กว่าคะแนนสำคัญ ในคำอื่น ๆ มันอยู่ในขอบเขตของการปฏิเสธ (รูปที่ 13.7)รูปที่ 13.7 การกระจายของ t, df = 98เราปฏิเสธสมมติฐานว่างไม่แตกต่าง ผลการแนะนำบริษัทต่างประเทศกินการละเมิดรหัสความปลอดภัยและสุขภาพในท้องถิ่นมากขึ้น

ผลลัพธ์ (ไทย) 2:

ในตัวอย่างข้างต้นเรามีเหตุผลที่จะสงสัยว่าประชากรทั้งไม่ดูทีวีมากขึ้นกว่าที่อื่น ๆ ที่แสดงในสมมติฐานทางเลือกซึ่งเป็นเพียงคำสั่งของความแตกต่าง:
μ1≠μ2
ให้กำหนดสมมติฐานทางเลือกนี้สองหาง การทดสอบจะใช้ แต่เราอาจจะเถียงว่าเป็นเพราะสภาพอากาศที่อบอุ่นเด็กออสเตรเลียอาจจะน้อยแนวโน้มที่จะดูทีวีมากที่สุดเท่าที่เด็กในสหราชอาณาจักร ที่นี่เราร้อนเพียงสงสัยว่าความแตกต่าง แต่ยังทิศทางของความแตกต่าง ในสถานการณ์เช่นนี้สมมติฐานทางเลือกที่จะเป็น:
μ1˃μ2
นี้จะเกี่ยวข้องกับการทดสอบหนึ่งหาง เอาท์พุท SPSS ให้ความสำคัญสองหางเป็นค่าเริ่มต้น การแปลงนี้ลงอย่างมีนัยสำคัญหนึ่งหางเราก็แบ่งความน่าจะเป็นสองหางในช่วงครึ่งปี พื้นที่ใต้เส้นโค้งเกิน t-คะแนน± 2.25 เป็น 0.031 ของพื้นที่ทั้งหมดอยู่ภายใต้เสื้อกระจาย ถ้าสองหางใช้เวลาถึงปริมาณของพื้นที่นี้แล้วหนึ่งหางจะใช้เวลาถึงครึ่งหนึ่งของจำนวนนี้
น่าจะเป็นหนึ่งหาง = (สองหาง probabillity) / 2
= 0.031 / ​​2
= 0.0155
ตัวอย่าง
การศึกษาจะดำเนินการเพื่อตรวจสอบว่า บริษัท ต่างประเทศ ให้ความสนใจกับสุขภาพในท้องถิ่นและรหัสความปลอดภัยเมื่อเทียบกับ บริษัท ในประเทศ การสำรวจของ 50 บริษัท ต่างชาติเป็นเจ้าของและ 50 ในประเทศของอุตสาหกรรมที่คล้ายกันจะถูกเลือก ผู้ตรวจการบันทึกหมายเลขการละเมิดกฎระเบียบของสุขภาพและความปลอดภัยที่พวกเขาสังเกตเห็นเมื่อตรวจสอบสถานประกอบการเหล่านี้ โดยเฉลี่ย 50 บริษัท ต่างประเทศที่พบว่าทำให้ 4.2 ละเมิดต่อ บริษัท :
ต่างประเทศ: N1 = 50
S1 = 1.3
x 4.2 =
บริษัท ในประเทศพบว่าทำให้ 3.5 ละเมิดต่อ บริษัท
ในประเทศ: N2 = 50
s2 = 1.2
x 3.5 =
เรา จะใช้ระดับอัลฟา 0.05 ซึ่งในการทดสอบสองหางและมี 98 องศาอิสระช่วยให้เรามีคะแนนที่สำคัญของ:
tcritical = ± 2.0
การคำนวณเสื้อคะแนนตัวอย่างที่เราต้องแรกคำนวณผิดพลาดมาตรฐาน ( โดยใช้ความแปรปรวนเท่ากับประมาณการ)
σ x - x =
=
= 0.25
t-คะแนนตัวอย่างจะเป็น:
tsample = (x ̄1-x2) / (σ x - x)
= (4.2-3.5) 0.25
= 2.8
เราสามารถ ดูคะแนนของกลุ่มตัวอย่างที่มีต่อจากศูนย์กว่าคะแนนที่สำคัญ ในคำอื่น ๆ มันตกในพื้นที่ของการปฏิเสธ (รูปที่ 13.7). รูปที่ 13.7 การกระจายของ t, DF = 98 เราปฏิเสธสมมติฐานของไม่แตกต่างกัน ผลการชี้ให้เห็นว่า บริษัท ต่างชาติมีแนวโน้มมากกว่าที่จะทำลายสุขภาพในท้องถิ่นและรหัสความปลอดภัย

ผลลัพธ์ (ไทย) 3:

ในตัวอย่างข้างต้นเราไม่มีเหตุผลที่จะสงสัยว่าให้ประชากรดูทีวีมากขึ้นกว่าอื่น ๆที่สะท้อนสมมติฐานทางเลือกซึ่งเป็นเพียงคำให้การของความแตกต่าง :
2
1 ≠µµให้กำหนดสมมติฐานทางเลือกการทดสอบสองหางคือ อย่างไรก็ตามเราอาจเถียงว่าเพราะอากาศที่อบอุ่นออสเตรเลียเด็กอาจจะน้อยแนวโน้มที่จะดูรายการโทรทัศน์มากเป็นเด็กในอังกฤษ ที่นี่เราร้อน แต่สงสัยความแตกต่าง , แต่ยังเป็นทิศทางของความแตกต่าง ในสถานการณ์เช่นนี้ สมมติฐานทางเลือกจะµ :
2
1 ˃µนี้จะเกี่ยวข้องกับการทดสอบหนึ่งหาง โปรแกรมสำเร็จรูป SPSS ผลให้สองหางความสำคัญเป็นค่าเริ่มต้นการตั้งค่าแปลงนี้ในระดับหนึ่ง เราก็แบ่ง หางสองหาง ความน่าจะเป็นในครึ่ง พื้นที่ใต้เส้นโค้งเกิน 2 ± 2.25 เป็น 0.031 ของพื้นที่ทั้งหมดภายใต้ที . ถ้าสองหาง ใช้ปริมาณของพื้นที่นี้ แล้วหางจะใช้เวลาครึ่งหนึ่งในจำนวนนี้ :
หางหนึ่ง ความน่าจะเป็น = ( สองหางที ) / 2
= 0.031 / 2
=

0.0155 ตัวอย่างเช่นการศึกษามีวัตถุประสงค์เพื่อตรวจสอบว่า บริษัท ต่างชาติให้ความสนใจกับสุขภาพและความปลอดภัยของรหัสท้องถิ่นเมื่อเทียบกับ บริษัท ในประเทศ การสำรวจเป็น 50 และ 50 บริษัทในอุตสาหกรรมที่คล้ายกัน จะได้รับเลือก ตรวจสอบการบันทึกหมายเลขของการละเมิดของสุขภาพและกฎระเบียบความปลอดภัยพวกเขาสังเกตเมื่อตรวจสอบสถานประกอบการเหล่านี้ เฉลี่ย50 บริษัท ต่างประเทศพบว่าทำละเมิดต่อบริษัทต่างชาติ 4.2 :
: N1 S1 =

= 50 x 1.3 ̄ = 4.2
บริษัทภายในประเทศ พบว่าทำให้ช่องต่อ 3.5 บริษัทภายในประเทศ : N2

S2 = = 50 1.2
x ̄ = 3.5
เราจะใช้อัลฟ่า อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 ซึ่งในการทดสอบแบบสองหางและ 98 องศาอิสระ ทำให้เราได้คะแนน tcritical วิกฤต :
=
± 2.0หาตัวอย่างของเราต้องแรกคำนวณค่าความคลาดเคลื่อนมาตรฐาน ( ใช้ประเมินความแปรปรวนเท่ากัน ) :
σ x ̄ - x ̄ =
=

= 0.25 คะแนนตัวอย่างจะ :
tsample = ( x ̄ [ ̄ 2 ) / ( σ x ̄ - x ̄ )
= ( 4.2-3.5 ) / 3 = 2.8

เราสามารถเห็นตัวอย่างคะแนนเพิ่มเติมจากศูนย์กว่าอย่าง มีคะแนน ในคำอื่น ๆมันอยู่ในขอบเขตของการปฏิเสธ ( รูปที่ 19 )




รูปที่ 137 จำหน่าย T , df = 98
เราปฏิเสธสมมติฐานว่าง ไม่มีความแตกต่างกัน นอกจากนี้ยังพบว่า บริษัท ต่างชาติยิ่งเอียงการละเมิดรหัสท้องถิ่นด้านสุขภาพและความปลอดภัย .