Indiquer l'hypothèse. Déterminer si les données justifie un test unilatéral ou bilatéral. Pour tests unilatéraux, l'hypothèse nulle sera sous la forme de &mu- gt; x si vous voulez tester un échantillon moyenne qui est trop petit, ou &mu- lt; x si vous voulez tester un échantillon signifie qui est trop grand. L'hypothèse alternative est dans la forme de &= mu- x. Pour deux tests unilatéraux, l'hypothèse alternative est encore &mu = x, mais l'hypothèse nulle de change &mu- &x saire.
Déterminer un niveau approprié pour votre étude de signification. Ce sera la valeur vous comparez votre résultat final. En règle générale, les valeurs de signification sont à &alpha = .05 ou &alpha = 0,01, selon votre préférence et comment précis, vous voulez que vos résultats soient.
Calculer les données d'échantillon. Utilisez la formule (x - &mu -) / SE, où l'erreur standard (SE) est l'écart type de la racine carrée de la population (SE = s /&Radic-n). Après avoir déterminé la statistique t, calculer degrés de liberté à travers la formule n-1. Entrez la statistique t, degrés de liberté, et le niveau de signification dans la fonction t-test sur une calculatrice graphique pour déterminer la valeur P. Si vous travaillez avec un T-test bilatéral, doubler la valeur P.
Interpréter les résultats. Comparez la P-valeur à la &niveau de signification alpha a déclaré plus tôt. Si elle est inférieure à &alpha, rejeter l'hypothèse nulle. Si le résultat est supérieur à &alpha, ne parviennent pas à rejeter l'hypothèse nulle. Si vous rejetez l'hypothèse nulle, ce qui implique que votre hypothèse est correcte, et que les données est importante. Si vous ne parvenez pas à rejeter l'hypothèse nulle, ce qui implique qu'il n'y a pas de différence significative entre les données d'échantillon et les données fournies.