Kalkulator testu t
Statystyka t, wartość p i wielkość efektu
-
1Wprowadź dane
Wpisz treść, wklej tekst lub załaduj plik z dysku. -
2Kliknij przycisk
Narzędzie natychmiast przetworzy Twoje dane w przeglądarce. -
3Pobierz wynik
Skopiuj gotowy tekst lub zapisz plik na urządzeniu.
return "Wynik gotowy w 0.1s";
}
Oddzielaj liczby spacją, średnikiem lub nowym wierszem. Przecinek w „12,5” to ułamek dziesiętny.
Wartość p (dwustronna)
Odrzucamy hipotezę zerową — różnica jest istotna statystycznie (p < 0,05).
Test t dla jednej próby. H0: μ = μ₀; H1: μ ≠ μ₀
Statystyka t
df = 9
Wynik testu
p < α (α = 0,05)
Wielkość efektu (d Cohena)
duża
Różnica od hipotezy
Przedział ufności 95%
dla średniej próby
Liczba obserwacji
| Parametr | Próba A |
|---|---|
| Liczebność (n) | 10 |
| Średnia | 13,5 |
| Odchylenie standardowe | 1,581 |
| Wartość hipotetyczna μ₀ | 12 |
Jak to liczymy (na Twoich danych)
t = (x̄ − μ₀) / (s/√n) = (13,5 − 12) / (1,581/√10) = 1,5 / 0,5 = 3
df = n − 1 = 9. Wartość p wynika z rozkładu t o tylu stopniach swobody; przedział ufności to różnica (lub średnia) ± wartość krytyczna t × błąd standardowy.
Ściąga: wartości krytyczne t
| df (stopnie swobody) | α = 0,10 | α = 0,05 | α = 0,01 |
|---|---|---|---|
| 1 | 6,314 | 12,706 | 63,657 |
| 2 | 2,920 | 4,303 | 9,925 |
| 3 | 2,353 | 3,182 | 5,841 |
| 5 | 2,015 | 2,571 | 4,032 |
| 10 | 1,812 | 2,228 | 3,169 |
| 20 | 1,725 | 2,086 | 2,845 |
| 30 | 1,697 | 2,042 | 2,750 |
| 60 | 1,671 | 2,000 | 2,660 |
| 120 | 1,658 | 1,980 | 2,617 |
Jak czytać wartość p
Wartość p to prawdopodobieństwo uzyskania różnicy co najmniej tak dużej jak w danych, gdyby hipoteza zerowa była prawdziwa. Nie jest to prawdopodobieństwo, że hipoteza jest prawdziwa, ani miara wielkości różnicy.
Który test wybrać
Jedna próba: średnia z wartością wzorcową. Dwie niezależne próby (Welch): dwie różne grupy, bez założenia równych wariancji. Próby sparowane: te same obiekty mierzone dwa razy, np. przed i po.
Założenia i pułapki
Test zakłada niezależne pomiary i w przybliżeniu normalny rozkład średniej. Przy małych próbach wartości odstające mocno zaburzają wynik. Istotność statystyczna nie oznacza ważności praktycznej, więc sprawdź też d Cohena i przedział ufności.
Test jedno- i dwustronny
Kierunek wybieraj przed obejrzeniem danych. Test jednostronny łatwiej wychodzi istotny, więc wybór kierunku po fakcie zawyża wynik. Gdy nie masz uzasadnienia dla kierunku, użyj dwustronnego.
Oceń to narzędzie:
Powiązane narzędzia
Inne narzędzia, które mogą Ci się przydaćKalkulator testu t
Test t sprawdza, czy różnica między średnimi jest istotna statystycznie, czy może wynikać z losowości. To podstawowe narzędzie analizy A/B i badań.
Rodzaje testów
| Test | Zastosowanie |
|---|---|
| Jedna próba | porównanie średniej z wartością wzorcową |
| Dwie próby (Welch) | porównanie dwóch niezależnych grup |
Wartość p
To prawdopodobieństwo uzyskania takiej różnicy (lub większej), gdyby hipoteza zerowa była prawdziwa. Jeśli p < α (zwykle 0,05), odrzucamy hipotezę zerową i uznajemy różnicę za istotną.
Wielkość efektu (d Cohena)
| d | Wielkość |
|---|---|
| 0,2 | mała |
| 0,5 | średnia |
| 0,8 | duża |
Duża próba może dać istotność przy znikomej różnicy praktycznej — dlatego zawsze raportuj oba wskaźniki.
Jak działa kalkulator testu t
Test t opiera się na jednym pomyśle: porównuje zaobserwowaną różnicę średnich z błędem standardowym tej różnicy. Statystyka t mówi więc, ile błędów standardowych dzieli wynik od zera, czyli jak duża jest różnica względem naturalnego rozrzutu danych. Im większa wartość t, tym trudniej wyjaśnić różnicę wyłącznie losowym doborem próby.
Dla jednej próby kalkulator liczy t = (x̄ − μ0) / (s / √n), gdzie x̄ to średnia z próby, μ0 to wartość wzorcowa, s to odchylenie standardowe próby, a n to liczba obserwacji. Stopnie swobody wynoszą wtedy n − 1. Dla dwóch prób błąd standardowy liczony jest osobno dla każdej grupy i sumowany: √(s1²/n1 + s2²/n2), a statystyka t to iloraz różnicy średnich i tego błędu — bez założenia, że wariancje obu grup są równe.
Na podstawie statystyki t i stopni swobody narzędzie wyznacza wartość p, czyli pole pod krzywą rozkładu t-Studenta odpowiadające wynikom co najmniej tak skrajnym jak uzyskany. Kształt tego rozkładu zależy od stopni swobody — przy małej próbie ogony są grubsze, więc ta sama wartość t daje większe p. W teście Welcha stopnie swobody są zwykle liczbą niecałkowitą, bo wynikają z wariancji i liczności obu grup. Obok p kalkulator podaje d Cohena, czyli różnicę średnich podzieloną przez odchylenie standardowe; ta miara nie rośnie wraz z licznością próby, dlatego opisuje wielkość efektu, a nie pewność wyniku.
Przykład krok po kroku
- Jedna próba — dane. Dysponujemy 16 pomiarami, ich średnia to 52, a wartość wzorcowa wynosi 50. Odchylenie standardowe próby to 3. Sprawdzamy, czy średnia różni się od wartości wzorcowej.
- Błąd standardowy i statystyka t. Błąd standardowy średniej to s / √n = 3 / √16 = 3 / 4 = 0,75. Statystyka t = (52 − 50) / 0,75 = 2 / 0,75 = 2,667, a stopnie swobody to 16 − 1 = 15.
- Wartość p i wielkość efektu. Dla t = 2,667 i 15 stopni swobody p ≈ 0,018, czyli mniej niż α = 0,05 — różnica jest istotna statystycznie. d Cohena = (52 − 50) / 3 = 0,667, co odpowiada efektowi między średnim (0,5) a dużym (0,8).
- Dwie próby — dane. Grupa A: n = 12, średnia 24,5, odchylenie standardowe 4,0. Grupa B: n = 12, średnia 21,0, odchylenie standardowe 3,0. Różnica średnich wynosi 3,5.
- Błąd standardowy różnicy i statystyka t. √(4²/12 + 3²/12) = √(16/12 + 9/12) = √2,0833 ≈ 1,443. Statystyka t = 3,5 / 1,443 ≈ 2,425, a stopnie swobody Welcha ≈ 20,4.
- Wynik. Dla t ≈ 2,425 i df ≈ 20,4 p ≈ 0,025 — przy α = 0,05 różnica jest istotna. Odchylenie standardowe łączne wynosi √12,5 ≈ 3,536, więc d = 3,5 / 3,536 ≈ 0,99, czyli efekt duży. Wniosek: różnica jest zarówno istotna statystycznie, jak i wyraźna praktycznie.
Tabela referencyjna
| Parametr lub sytuacja | Wzór albo wartość | Jak to czytać |
|---|---|---|
| Test jednej próby | t = (x̄ − μ0) / (s / √n), df = n − 1 | Porównanie średniej z wartością wzorcową. |
| Test dwóch prób (Welch) | t = (x̄1 − x̄2) / √(s1²/n1 + s2²/n2) | Porównanie dwóch niezależnych grup, bez założenia równych wariancji. |
| Stopnie swobody Welcha | wyznaczane z wariancji i liczności obu grup | Zwykle liczba niecałkowita; kalkulator liczy je sam. |
| Poziom istotności α | 0,05 | Próg ustalany przed analizą, nie po zobaczeniu wyniku. |
| Wartość p poniżej α | p < 0,05 | Odrzucamy hipotezę zerową, różnica jest istotna statystycznie. |
| d Cohena = 0,2 | efekt mały | Różnica widoczna, ale niewielka w skali rozrzutu danych. |
| d Cohena = 0,5 | efekt średni | Umiarkowana różnica między grupami lub wobec wzorca. |
| d Cohena = 0,8 | efekt duży | Wyraźna różnica, zwykle zauważalna także praktycznie. |
Praktyczne wskazówki
- Ustal α przed analizą. Próg 0,05 przyjmij z góry i nie zmieniaj go po zobaczeniu wartości p — inaczej wynik przestaje cokolwiek znaczyć.
- Pamiętaj o znaku statystyki t. Zależy on od tego, którą grupę podasz jako pierwszą. Interpretację opieraj na wartości bezwzględnej i kierunku różnicy, a nie na samym minusie.
- Czytaj p i d razem. Duża próba potrafi dać istotność przy różnicy bez znaczenia praktycznego, a mała próba przy realnym efekcie może dać p powyżej progu.
- Sprawdź niezależność obserwacji. Kalkulator obsługuje grupy niezależne. Jeśli mierzysz te same osoby przed i po, potrzebny jest test dla prób powiązanych, a nie porównanie dwóch niezależnych grup.
- Podawaj wyniki w kontekście. Zapisuj jednostki, skalę i liczność grup — sama wartość p bez średnich oraz odchyleń standardowych niewiele mówi odbiorcy.
Ograniczenia narzędzia
- Nie sprawdza założeń. Kalkulator nie testuje normalności rozkładu ani nie wykrywa obserwacji odstających. To użytkownik musi ocenić, czy dane nadają się do testu t.
- Nie wychwyci błędów w danych. Zduplikowane rekordy, pominięte wartości albo zmieszane jednostki zafałszują wynik — narzędzie przyjmuje liczby takimi, jakie są.
- Nie rozstrzyga o praktycznej istotności. Wynik istotny statystycznie nie oznacza automatycznie decyzji biznesowej czy klinicznej; potrzebny jest kontekst i oszacowanie wielkości efektu.
- Nie obsługuje zależności między obserwacjami. Pomiar powtarzany na tych samych obiektach łamie założenie niezależności i wymaga innego testu, nawet jeśli liczby wyglądają poprawnie.
Najczęstsze pytania
Dlaczego Welch, a nie klasyczny test?
Welch nie zakłada równych wariancji, więc jest bezpieczniejszy w praktyce.
Co jeśli p = 0,051?
Przy α = 0,05 różnica nie jest istotna. Nie manipuluj progiem — raportuj wynik rzetelnie.
Czy test t wymaga normalności?
Przy próbach powyżej 30 obserwacji test jest odporny na odstępstwa (centralne twierdzenie graniczne).
Ile obserwacji potrzebuję, żeby test t miał sens?
Nie ma jednego progu. Im mniejsza próba, tym większa różnica musi być, aby wynik wyszedł istotny, więc przy kilku obserwacjach często brakuje mocy do wykrycia realnego efektu. Liczność próby planuj przed zbieraniem danych, najlepiej analizą mocy.
Co to są stopnie swobody i czy muszę je wpisywać?
Stopnie swobody określają, który rozkład t jest używany do wyliczenia wartości p. W teście jednej próby to n − 1, a w teście Welcha liczba wyznaczana z wariancji i liczności obu grup. Kalkulator oblicza je samodzielnie, więc nie podaje się ich ręcznie.
Czy test t to to samo co ANOVA?
Nie. ANOVA porównuje średnie w trzech lub więcej grupach jednym testem, a test t obsługuje jedną lub dwie grupy. Dla dwóch grup oba podejścia dają zgodny wynik, bo kwadrat statystyki t odpowiada statystyce F.
Co zrobić, gdy p wychodzi mniejsze niż 0,05?
Przy przyjętym progu α odrzucamy hipotezę zerową i uznajemy różnicę za istotną statystycznie. To jednak nie dowód, że efekt jest duży lub ważny praktycznie — sprawdź d Cohena i skalę różnicy. Zawsze raportuj p razem z wielkością efektu.
Jak poprawnie zapisać wynik testu t?
Podaj statystykę, stopnie swobody, wartość p oraz wielkość efektu, na przykład t(15) = 2,67; p = 0,018; d = 0,67. Warto dołączyć średnie i odchylenia standardowe obu grup, aby czytelnik widział skalę różnicy.