آمار و احتمال

آزمون‌های دو نمونه‌ای

توضیح جامع آزمون‌های دو نمونه‌ای با مثال‌های متنوع

آزمون‌های دو نمونه‌ای از جمله ابزارهای آماری پرکاربرد در آمار استنباطی هستند که برای مقایسه پارامترهای دو جمعیت با استفاده از دو نمونه تصادفی از آن جمعیت‌ها به کار می‌روند.

در این نوع آزمون‌ها، فرضیه صفر (H0) بیان می‌کند که پارامترهای دو جمعیت دارای مقدار یکسانی هستند (مثلاً میانگین دو جمعیت برابر با μ۰ است). در مقابل، فرضیه بدیل (H1) بیان می‌کند که پارامترهای دو جمعیت دارای مقدار متفاوتی هستند (مثلاً میانگین یک جمعیت بیشتر یا کمتر از میانگین جمعیت دیگر است).

دو نوع اصلی از آزمون‌های دو نمونه‌ای وجود دارد:

  • آزمون تی دو نمونه‌ای: برای مقایسه میانگین دو جمعیت به کار می‌رود. این آزمون به دو دسته تقسیم می‌شود:
    • آزمون تی دو نمونه‌ای مستقل: زمانی استفاده می‌شود که دو نمونه از دو جمعیت مستقل جمع‌آوری شده باشند.
    • آزمون تی دو نمونه‌ای وابسته: زمانی استفاده می‌شود که دو نمونه از یک جمعیت جمع‌آوری شده باشند و بین مشاهده‌ها در دو نمونه وابستگی وجود داشته باشد.
  • آزمون ز دو نمونه‌ای: برای مقایسه نسبت افراد دارای یک ویژگی خاص در دو جمعیت به کار می‌رود.

مراحل انجام آزمون‌های دو نمونه‌ای:

  1. طرح سوال تحقیق و تعیین فرضیه‌ها: ابتدا باید سوال تحقیق خود را به صورت واضح مشخص کنید و فرضیه‌های صفر و بدیل را برای آزمون خود تعیین کنید.
  2. انتخاب آزمون آماری مناسب: با توجه به نوع پارامتری که می‌خواهید مقایسه کنید (میانگین یا نسبت) و نوع توزیع داده‌ها (طبیعی یا غیرطبیعی) و همچنین با توجه به اینکه آیا نمونه‌ها مستقل هستند یا وابسته، آزمون آماری مناسب را انتخاب کنید.
  3. جمع‌آوری داده‌ها: از هر یک از دو جمعیت یک نمونه تصادفی انتخاب کنید و داده‌های مربوط به پارامتر مورد مقایسه را در هر دو نمونه جمع‌آوری کنید.
  4. محاسبه آماره آزمون: با استفاده از فرمول‌های آماری مربوطه، آماره آزمون را برای هر دو نمونه محاسبه کنید.
  5. تعیین مقدار p: با استفاده از جدول‌های آماری یا نرم‌افزارهای آماری، مقدار p را برای آزمون خود بدست آورید.
  6. تفسیر نتایج: مقدار p را با سطح معنی‌داری (معمولاً ۰.۰۵) مقایسه کنید. اگر مقدار p کمتر از سطح معنی‌داری باشد، فرضیه صفر رد و فرضیه بدیل پذیرفته می‌شود.

مثال‌های کاربردی آزمون‌های دو نمونه‌ای :

مثال ۱: آزمون تی دو نمونه‌ای مستقل برای مقایسه نمرات ریاضی دانش‌آموزان دو مدرسه

فرض کنید می‌خواهیم ببینیم آیا نمرات ریاضی دانش‌آموزان دبیرستانی در دو مدرسه دولتی و غیر دولتی با یکدیگر تفاوت معنی‌داری دارد یا خیر. برای این کار از آزمون تی دو نمونه‌ای مستقل استفاده می‌کنیم.

فرضیه‌ها:

  • H0: μ۱ = μ۲ (میانگین نمرات ریاضی دانش‌آموزان در دو مدرسه دولتی و غیر دولتی برابر است)
  • H1: μ۱ ≠ μ۲ (میانگین نمرات ریاضی دانش‌آموزان در دو مدرسه دولتی و غیر دولتی با یکدیگر تفاوت دارد)

مراحل انجام آزمون:

  1. جمع‌آوری داده‌ها: نمرات ریاضی ۳۰ دانش‌آموز از هر مدرسه به طور تصادفی انتخاب و ثبت می‌شود.
  2. محاسبه آماره‌ی آزمون: با استفاده از نرم‌افزار آماری، آماره t و درجات آزادی را محاسبه می‌کنیم. فرض کنید در این مثال:
    • آماره‌ی t = 2.34
    • درجات آزادی = 58
  3. تعیین مقدار p: با استفاده از جدول t یا نرم‌افزار آماری، مقدار p را برای آماره t محاسبه شده و درجات آزادی بدست می‌آوریم. فرض کنید در این مثال:
    • مقدار p = 0.012
  4. تفسیر نتایج:
    • مقدار p (0.012) از سطح معنی‌داری (۰.۰۵) کمتر است.
    • بنابراین، فرضیه صفر رد می‌شود.
    • با سطح اطمینان ۹۵% می‌توان نتیجه‌گیری کرد که میانگین نمرات ریاضی دانش‌آموزان در دو مدرسه دولتی و غیر دولتی با یکدیگر تفاوت معنی‌داری دارد.

مثال ۲: آزمون ز دو نمونه‌ای برای مقایسه نسبت افراد چپ دست در دو شهر

فرض کنید می‌خواهیم ببینیم آیا نسبت افراد چپ دست در دو شهر A و B با یکدیگر تفاوت معنی‌داری دارد یا خیر. برای این کار از آزمون ز دو نمونه‌ای استفاده می‌کنیم.

فرضیه‌ها:

  • H0: p1 = p2 (نسبت افراد چپ دست در دو شهر A و B برابر است)
  • H1: p1 ≠ p2 (نسبت افراد چپ دست در دو شهر A و B با یکدیگر تفاوت دارد)

مراحل انجام آزمون:

  1. جمع‌آوری داده‌ها: وضعیت دست (چپ دست یا راست دست) ۲۰۰ نفر از ساکنین هر شهر به طور تصادفی بررسی می‌شود. فرض کنید در این مثال:
    • تعداد افراد چپ دست در شهر A (x1) = 32
    • تعداد افراد چپ دست در شهر B (x2) = 45
  2. محاسبه آماره‌ی آزمون: با استفاده از فرمول آماره z و جایگذاری مقادیر تعداد افراد چپ دست در هر شهر (x1 و x2) و کل تعداد افراد در هر نمونه (n1 و n2) و p ، آماره z را محاسبه می‌کنیم. فرض کنید در این مثال:
    • آماره‌ی z = 2.18
  3. تعیین مقدار p: با استفاده از جدول z یا نرم‌افزار آماری، مقدار p را برای آماره z محاسبه شده بدست می‌آوریم. فرض کنید در این مثال:
    • مقدار p = 0.015
  4. تفسیر نتایج:
    • مقدار p (0.015) از سطح معنی‌داری (۰.۰۵) کمتر است.
    • بنابراین، فرضیه صفر رد می‌شود.
    • با سطح اطمینان ۹۵% می‌توان نتیجه‌گیری کرد که نسبت افراد چپ دست در دو شهر A و B با یکدیگر تفاوت معنی‌داری دارد.

 مثال ۳: آزمون تی دو نمونه‌ای وابسته برای بررسی تاثیر یک داروی جدید بر فشار خون بیماران

فرض کنید می‌خواهیم ببینیم آیا داروی جدیدی که برای کاهش فشار خون معرفی شده است، تاثیر معنی‌داری بر فشار خون بیماران دارد یا خیر. برای این کار از آزمون تی دو نمونه‌ای وابسته استفاده می‌کنیم.

مراحل انجام آزمون:

  1. جمع‌آوری داده‌ها: فشار خون ۳۰ بیمار قبل و بعد از مصرف دارو به مدت یک ماه اندازه‌گیری می‌شود.
  2. محاسبه آماره‌ی آزمون: با استفاده از نرم‌افزار آماری، آماره t و درجات آزادی را محاسبه می‌کنیم.
  3. تعیین مقدار p: با استفاده از جدول t یا نرم‌افزار آماری، مقدار p را برای آماره t محاسبه شده و درجات آزادی بدست می‌آوریم.
  4. تفسیر نتایج:
    • اگر مقدار p کمتر از سطح معنی‌داری باشد، می‌توان نتیجه‌گیری کرد که داروی جدید تاثیر معنی‌داری بر کاهش فشار خون بیماران دارد.

مثال ۴: آزمون ز دو نمونه‌ای برای مقایسه میزان رضایت مشتریان از دو فروشگاه اینترنتی

فرض کنید می‌خواهیم ببینیم آیا میزان رضایت مشتریان از دو فروشگاه اینترنتی A و B با یکدیگر تفاوت معنی‌داری دارد یا خیر. برای این کار از آزمون ز دو نمونه‌ای استفاده می‌کنیم.

مراحل انجام آزمون:

  1. جمع‌آوری داده‌ها: از ۱۰۰ مشتری هر فروشگاه اینترنتی به طور تصادفی خواسته می‌شود که با پر کردن یک پرسشنامه میزان رضایت خود را از خدمات فروشگاه اعلام کنند.
  2. محاسبه آماره‌ی آزمون: با استفاده از فرمول آماره z و جایگذاری مقادیر نمره رضایت مشتریان در هر فروشگاه و تعداد مشتریان در هر نمونه، آماره z را محاسبه می‌کنیم.
  3. تعیین مقدار p: با استفاده از جدول z یا نرم‌افزار آماری، مقدار p را برای آماره z محاسبه شده بدست می‌آوریم.
  4. تفسیر نتایج:
    • اگر مقدار p کمتر از سطح معنی‌داری باشد، می‌توان نتیجه‌گیری کرد که میزان رضایت مشتریان از دو فروشگاه اینترنتی با یکدیگر تفاوت معنی‌داری دارد.

نکات مهم:

  • در انتخاب آزمون آماری مناسب باید به نوع داده‌ها (کمی یا کیفی) و همچنین به اینکه آیا نمونه‌ها مستقل هستند یا وابسته، توجه کرد.
  • در صورت نقض فرض‌های آزمون‌های دو نمونه‌ای، می‌توان از آزمون‌های غیر پارامتری استفاده کرد.
  • برای افزایش قدرت آزمون، باید از نمونه‌های با اندازه مناسب استفاده کرد.

۵/۵ ( ۱ امتیاز )
نمایش بیشتر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا