Інтерпретуйте ключові результати для 2-вибіркового t

У цій темі

Крок 1: Визначте довірчий інтервал для різниці середніх показників

Спочатку враховують різницю середніх показників вибірки, а потім досліджують довірчий інтервал.

Оцінка різниці - це оцінка різниці середніх сукупностей. Оскільки це значення базується на даних вибірки, а не на всій сукупності, навряд чи різниця вибірки дорівнює різниці сукупності. Щоб краще оцінити різницю в сукупності, використовуйте довірчий інтервал для різниці.

Довірчий інтервал забезпечує діапазон ймовірних значень різниці між двома показниками сукупності. Наприклад, 95% рівень довіри вказує на те, що якщо ви візьмете 100 випадкових вибірок із сукупності, ви можете очікувати, що приблизно 95 зразків отримають інтервали, що містять різницю в сукупності. Довірчий інтервал допомагає оцінити практичну значимість ваших результатів. Використовуйте свої спеціалізовані знання, щоб визначити, чи включає довірчий інтервал значення, які мають практичне значення для вашої ситуації. Якщо інтервал занадто широкий, щоб бути корисним, подумайте про збільшення розміру вибірки. Для отримання додаткової інформації перейдіть до розділу Способи отримання точнішого інтервалу довіри.

Основні результати: різниця, 95% ДІ для різниці

У цих результатах оцінка різниці середніх показників середнього населення для лікарняних рейтингів дорівнює 21. Ви можете бути впевнені на 95%, що різниця середньостатистичних показників становить від 14,221 до 27,779.

Крок 2: Визначте, чи є різниця статистично значущою

Ключовий результат: P-значення

У цих результатах нульова гіпотеза стверджує, що різниця середнього рейтингу між двома лікарнями дорівнює 0. Оскільки р-значення менше ніж 0,0001, що менше рівня значущості 0,05, рішенням є відхилення нульової гіпотези та зробити висновок, що рейтинги лікарень різні.

Крок 3: Перевірте свої дані на наявність проблем

Проблеми з вашими даними, такі як перекоси та викиди, можуть негативно вплинути на ваші результати. Використовуйте графіки, щоб шукати перекоси (вивчаючи розподіл кожної вибірки) та виявляти потенційні відхилення.

Вивчіть форму ваших даних, щоб визначити, чи є ваші дані перекошеними

Коли дані перекошені, більшість даних розташовується на верхній або нижній стороні графіка. Часто перекоси найпростіше виявити за допомогою гістограми чи графічного діаграми.

Правокосий

Лівокосий

Графік із даними, що мають перекос вправо, показує час очікування. Більшість періодів очікування відносно короткі, і лише деякі періоди очікування довгі. Ділянка з косими лівими даними показує дані про час відмови. Кілька предметів виходять з ладу відразу, а багато інших - пізніше.

Дані, які сильно перекошені, можуть вплинути на достовірність значення p, якщо ваші зразки малі (будь-який зразок менше 15 значень). Якщо ваші дані сильно перекошені, і у вас невелика вибірка, подумайте про збільшення розміру вибірки.

На цих графіках дані для лікарні B, як видається, сильно перекошені.

Визначте відхилення

Викиди, які є значеннями даних, далекими від інших значень даних, можуть сильно вплинути на результати вашого аналізу. Найчастіше викиди найлегше визначити на коробці.

На площі зірочок зірочки (*) позначають відхилення.

Спробуйте виявити причину будь-яких викидів. Виправте будь-які помилки введення даних або помилки вимірювання. Подумайте про видалення значень даних для ненормальних одноразових подій (їх також називають особливими причинами). Потім повторіть аналіз. Щоб отримати докладнішу інформацію, перейдіть до Визначення викидів.

На цих графіках дані для лікарні B мають 2 виходи.