Kalkylator för ettsampels t-test: formel, steg och lösta exempel
En kalkylator för ettsampels t-test jämför medelvärdet i ett enskilt stickprov med ett påstått populationsvärde när populationens standardavvikelse är okänd, och använder i stället stickprovets standardavvikelse och t-fördelningen. Studenter tar hjälp av en kalkylator för ettsampels t-test när de vill kontrollera om en ny studiemetod verkligen förändrar genomsnittliga resultat, om ett parti komponenter uppfyller en målspecifikation, eller om ett stickprovsmedelvärde ligger tillräckligt nära ett historiskt riktvärde för att kunna kallas oförändrat. Den här guiden bygger upp formeln för ettsampels t-test från grunden — testvariabeln, frihetsgraderna, ensidiga och tvåsidiga beslut samt det konfidensintervall den hänger samman med — med fullständigt lösta exempel så att du kan kontrollera varje tal för hand.
Innehåll
- 01Vad beräknar en kalkylator för ettsampels t-test egentligen?
- 02Varför använda ett t-test i stället för ett z-test här?
- 03Hur ser formeln för ettsampels t-test ut?
- 04Hur genomför du ett tvåsidigt ettsampels t-test steg för steg?
- 05Vad skiljer ett ensidigt t-test från ett tvåsidigt t-test?
- 06Hur hänger ett konfidensintervall samman med ett ettsampels t-test?
- 07Vilka antaganden kräver ett ettsampels t-test?
- 08Vilka misstag bör du undvika med en kalkylator för ettsampels t-test?
- 09Övningsuppgifter med lösningar för ettsampels t-test
- 10Vad mer undrar studenter om kalkylatorer för ettsampels t-test?
- 11Mer hjälp med hemuppgifter om ettsampels t-test
Vad beräknar en kalkylator för ettsampels t-test egentligen?
En kalkylator för ettsampels t-test tar ett stickprovsmedelvärde, ett påstått populationsmedelvärde, en standardavvikelse för stickprovet och en stickprovsstorlek, och returnerar sedan en testvariabel t, antalet frihetsgrader och ett p-värde som du jämför med din signifikansnivå. Den besvarar en enda specifik fråga: är gapet mellan ditt stickprovsmedelvärde och det påstådda värdet större än vad man kan förvänta sig av slumpmässigt urval enbart, eller litet nog att kunna förklaras av slumpen? Testet vilar på två konkurrerande påståenden: nollhypotesen H0 (det påstådda medelvärdet är korrekt) och mothypotesen Ha (det sanna medelvärdet är ett annat). En kalkylator för ettsampels t-test bevisar aldrig att H0 är sann — den mäter bara om stickprovet ger tillräckligt starka belägg för att förkasta den.
En kalkylator för ettsampels t-test bevisar aldrig att det påstådda medelvärdet är korrekt. Den avgör bara om stickprovet ger tillräckligt starka belägg för att förkasta påståendet.
Varför använda ett t-test i stället för ett z-test här?
Ettsampels t-test och ettsampels z-test besvarar samma fråga, men de skiljer sig på exakt ett antagande: om du känner populationens standardavvikelse eller inte.
1. Använd ett t-test när bara stickprovets standardavvikelse (s) är känd
Det här är det realistiska fallet som nästan alla hemuppgifter och verkliga studier hamnar i, eftersom den sanna populationsstandardavvikelsen sällan är känd i förväg. En kalkylator för ettsampels t-test använder s, standardavvikelsen beräknad från ditt eget stickprov, i stället för det okända σ.
2. T-fördelningen tar hänsyn till den extra osäkerheten
Eftersom s i sig är skattat från stickprovet bär det med sig ytterligare urvalsfel jämfört med ett känt σ. T-fördelningen är bredare och flackare än normalfördelningen, särskilt för små stickprov, vilket gör det svårare att nå statistisk signifikans — ett inbyggt straff för den extra osäkerheten. När stickprovsstorleken växer (grovt sett n ≥ 30) närmar sig t-fördelningen normalfördelningen.
3. Varför de manuella stegen ändå spelar roll
En kalkylator för ettsampels t-test ger dig den slutgiltiga testvariabeln och p-värdet direkt, men hemuppgifter och tentor kräver nästan alltid att du visar hypoteserna, insättningen i formeln och jämförelsen med ett kritiskt värde eller p-värde. Att arbeta igenom stegen nedan är det som bygger den intuition du senare behöver för t-test med två stickprov, ANOVA och regression.
Hur ser formeln för ettsampels t-test ut?
Formeln för ettsampels t-test omvandlar dina stickprovsdata till ett enda standardiserat värde och jämför sedan det värdet med ett tröskelvärde från t-fördelningen.
1. Formeln för testvariabeln t
t = (x̄ − μ₀) ÷ (s ÷ √n), där x̄ är stickprovsmedelvärdet, μ₀ är det påstådda (hypotetiska) populationsmedelvärdet, s är stickprovets standardavvikelse och n är stickprovsstorleken. Nämnaren, s ÷ √n, är medelvärdets standardfel — den mäter hur mycket stickprovsmedelvärden typiskt varierar från det sanna populationsmedelvärdet av en slump.
2. Frihetsgrader
df = n − 1. Frihetsgraderna minskar med ett eftersom stickprovets standardavvikelse s beräknas med hjälp av stickprovsmedelvärdet självt, vilket förbrukar en enhet av oberoende information. Du behöver df för att läsa av rätt kritiskt t-värde eller p-värde i en tabell över t-fördelningen.
3. Att tolka resultatet
Ett större |t| betyder att stickprovsmedelvärdet ligger längre från det påstådda värdet, mätt i standardfel. En testvariabel t nära 0 betyder att stickprovsmedelvärdet ligger nära μ₀ i förhållande till den naturliga variationen i data, vilket pekar mot att inte förkasta H0.
t = (x̄ − μ₀) ÷ (s ÷ √n), med frihetsgraderna df = n − 1.
Hur genomför du ett tvåsidigt ettsampels t-test steg för steg?
Här är ett fullständigt löst exempel som kontrollerar om ett stickprovsmedelvärde avviker från ett påstått värde i någon av riktningarna.
1. Formulera hypoteserna och samla in data
En vitamintillverkare påstår att dess kapslar i genomsnitt innehåller 500 mg av den aktiva substansen. En kvalitetsanalytiker tar ett stickprov på n = 20 kapslar och får ett stickprovsmedelvärde på x̄ = 494 mg med en standardavvikelse på s = 15 mg. H0: μ = 500 (genomsnittet stämmer med påståendet). Ha: μ ≠ 500 (genomsnittet avviker från påståendet). Det här är tvåsidigt eftersom en avvikelse i båda riktningarna — för lite eller för mycket aktiv substans — spelar roll. Testa på α = 0,05.
2. Beräkna testvariabeln t
t = (x̄ − μ0) ÷ (s ÷ √n) = (494 − 500) ÷ (15 ÷ √20) = −6 ÷ (15 ÷ 4,472) = −6 ÷ 3,354 ≈ −1,789.
3. Ta fram frihetsgraderna och det kritiska värdet
df = n − 1 = 20 − 1 = 19. För ett tvåsidigt test på α = 0,05 med df = 19 är det kritiska t-värdet ungefär ±2,093. Det tvåsidiga p-värdet för t ≈ −1,789 med df = 19 är cirka 0,090.
4. Fatta beslutet och tolka det
Eftersom |t| ≈ 1,789 inte överstiger det kritiska värdet 2,093 (likvärdigt: p ≈ 0,090 är större än α = 0,05) förkastar vi inte H0. Stickprovet ger inte tillräckligt starka belägg, på 5-procentig signifikansnivå, för att den sanna genomsnittliga halten aktiv substans avviker från 500 mg — trots att stickprovsmedelvärdet 494 mg ligger något under påståendet. Kontroll: med ett mindre standardfel (säg s = 8 i stället för 15) skulle samma gap på 6 mg ge ett större |t| och kunna kasta om beslutet, vilket är varför spridningen i data betyder lika mycket som gapet i sig.
t = (494 − 500) ÷ (15 ÷ √20) ≈ −1,789 med df = 19 — mindre till storleken än det kritiska värdet 2,093, så vi förkastar inte H0.
Vad skiljer ett ensidigt t-test från ett tvåsidigt t-test?
Mothypotesens riktning avgör om du genomför ett ensidigt eller tvåsidigt test, och att blanda ihop dem förändrar både det kritiska värdet och slutsatsen.
1. Ensidiga test prövar en specifik riktning
Ha: μ > μ0 (högersidigt) eller Ha: μ < μ0 (vänstersidigt) lägger hela förkastelseområdet i en av t-fördelningens svansar, vilket gör det lättare att upptäcka en effekt i den förutsagda riktningen men omöjligt att upptäcka en effekt i motsatt riktning, hur extrem den än är.
2. Ett löst exempel: högersidigt t-test
Ett läxhjälpscenter påstår att dess program höjer provresultaten med mer än 5 poäng i genomsnitt. Ett stickprov på n = 12 elever visar en genomsnittlig förbättring på x̄ = 6,2 poäng med s = 1,8 poäng. H0: μ = 5. Ha: μ > 5 (högersidigt, eftersom påståendet specifikt säger 'mer än'). t = (6,2 − 5) ÷ (1,8 ÷ √12) = 1,2 ÷ 0,5196 ≈ 2,309. df = 11, och det högersidiga kritiska t-värdet på α = 0,05 är ungefär 1,796. Eftersom t ≈ 2,309 överstiger 1,796 (p ≈ 0,021 < 0,05) förkastar vi H0 — stickprovet stöder påståendet att den genomsnittliga förbättringen överstiger 5 poäng.
3. Att matcha svansen med påståendets formulering
'Större än' eller 'mer än' signalerar ett högersidigt test; 'mindre än' signalerar ett vänstersidigt test; 'skiljer sig från' eller 'inte lika med' signalerar ett tvåsidigt test. Att använda ett tvåsidigt kritiskt värde för ett ensidigt påstående (eller omvänt) kan förvandla ett beslut att förkasta till ett beslut att inte förkasta, eller tvärtom.
Ett tvåsidigt test delar α mellan båda svansarna; ett ensidigt test lägger hela α i en svans, vilket sänker det kritiska t-värde som krävs för att förkasta H0 i den förutsagda riktningen.
Hur hänger ett konfidensintervall samman med ett ettsampels t-test?
Ett t-baserat konfidensintervall och ett tvåsidigt ettsampels t-test är två sätt att se på samma beräkning — om det påstådda värdet faller utanför intervallet förkastar det tvåsidiga testet H0 på motsvarande signifikansnivå.
1. Formeln för konfidensintervallet
KI = x̄ ± t* × (s ÷ √n), där t* är det kritiska t-värdet för önskad konfidensnivå och df = n − 1. Med vitaminkapselexemplet ovan (x̄ = 494, s = 15, n = 20, df = 19, t* ≈ 2,093 för 95 % konfidens): KI = 494 ± 2,093 × (15 ÷ √20) = 494 ± 2,093 × 3,354 = 494 ± 7,02, vilket ger ett intervall på cirka (486,98, 501,02).
2. Att läsa intervallet mot påståendet
Eftersom 500 mg faller inom intervallet (486,98, 501,02) stämmer 95-procentskonfidensintervallet med det tvåsidiga testets beslut att inte förkasta från det tidigare exemplet — data är förenliga med det påstådda medelvärdet 500 mg. Om det påstådda värdet hade fallit utanför intervallet skulle motsvarande tvåsidiga test ha förkastat H0.
3. Varför det spelar roll i praktiken
Ett konfidensintervall ger ett intervall av rimliga värden för det sanna medelvärdet, inte bara ett utfall i form av förkasta eller inte förkasta, vilket ofta är mer användbart vid rapportering av resultat — det visar både skattningen och dess precision i ett och samma påstående.
Om konfidensintervallet x̄ ± t* × (s ÷ √n) inte innehåller det påstådda värdet μ0 förkastar motsvarande tvåsidiga test H0 på samma signifikansnivå.
Vilka antaganden kräver ett ettsampels t-test?
En kalkylator för ettsampels t-test ger bara ett giltigt svar när de underliggande antagandena i stort sett håller — att kontrollera dem tar en minut och förhindrar en vilseledande slutsats.
1. Data ska vara ett slumpmässigt, oberoende stickprov
Varje observation ska dras oberoende från den population du är intresserad av, utan ett systematiskt mönster (som att bara ta stickprov från en enda plats eller tidsperiod) som kan snedvrida medelvärdet.
2. Populationen ska vara ungefär normalfördelad, eller stickprovet tillräckligt stort
För små stickprov (grovt sett n < 30) bör den underliggande populationen vara ungefär normalfördelad för att t-testet ska vara tillförlitligt. För större stickprov innebär centrala gränsvärdessatsen att medelvärdets samplingfördelning är ungefär normal även om populationen inte är det, så t-testet är fortfarande giltigt.
3. Data ska vara mätta på en kontinuerlig skala
Ettsampels t-test är byggt för numeriska, kontinuerliga data (vikter, poäng, tider) där ett medelvärde är meningsfullt — det lämpar sig inte för kategoriska eller ordinala data, som kräver ett annat test som ett chi-två-test för goodness-of-fit.
Vilka misstag bör du undvika med en kalkylator för ettsampels t-test?
De här felen dyker upp hela tiden i betygsatta statistikuppgifter, oavsett om beräkningen görs för hand eller kontrolleras mot en kalkylator för ettsampels t-test i efterhand.
1. Att använda n i stället för n − 1 för frihetsgraderna
Att glömma att dra bort 1 flyttar vilken rad i tabellen över t-fördelningen du läser av, vilket ändrar det kritiska värdet och kan kasta om ett gränsfallsbeslut.
2. Att välja fel svansriktning
Matcha Ha mot påståendets exakta formulering: 'mer än' betyder högersidigt, 'mindre än' betyder vänstersidigt, 'skiljer sig från' betyder tvåsidigt. Ett felaktigt svansval använder fel kritiskt värde.
3. Att blanda ihop standardavvikelse och standardfel
Formeln dividerar s med √n innan den jämförs med gapet x̄ − μ0 — att sätta in bara s i stället för s ÷ √n ger en testvariabel t som är alldeles för liten till storleken.
4. Att tolka 'kan inte förkasta' som 'påståendet är bevisat sant'
Att inte kunna förkasta H0 betyder bara att stickprovet inte gav tillräckliga belägg mot påståendet — det bevisar aldrig att påståendet är korrekt. Ett annat stickprov, eller ett större, kan fortfarande leda till att H0 förkastas för samma underliggande population.
Övningsuppgifter med lösningar för ettsampels t-test
Arbeta igenom dessa tre uppgifter från den enklaste till den svåraste. Försök med varje uppgift innan du läser lösningen, och jämför sedan din uppställning med de steg som visas.
1. Uppgift 1 (Nybörjare): tvåsidigt t-test
Ett bageri påstår att dess bröd i genomsnitt väger 450 g. Ett stickprov på n = 16 bröd har x̄ = 445 g och s = 12 g. Testa på α = 0,05 om det sanna medelvärdet avviker från 450 g. Lösning: t = (445 − 450) ÷ (12 ÷ √16) = −5 ÷ 3 ≈ −1,667. df = 15, och det tvåsidiga kritiska värdet på α = 0,05 är ±2,131. Eftersom |t| ≈ 1,667 < 2,131 förkastar vi inte H0 — stickprovet ger inte starka belägg för att det sanna medelvärdet avviker från 450 g.
2. Uppgift 2 (Medel): ensidigt t-test
En batteritillverkare påstår att dess batterier håller mer än 40 timmar i genomsnitt. Ett stickprov på n = 25 batterier har x̄ = 41,8 timmar och s = 4,5 timmar. Testa på α = 0,05, högersidigt. Lösning: t = (41,8 − 40) ÷ (4,5 ÷ √25) = 1,8 ÷ 0,9 = 2,0. df = 24, och det högersidiga kritiska värdet på α = 0,05 är cirka 1,711. Eftersom t = 2,0 > 1,711 förkastar vi H0 — stickprovet stöder påståendet att den genomsnittliga batteritiden överstiger 40 timmar, med p ≈ 0,028.
3. Uppgift 3 (Avancerad): tvåsidigt t-test med strängare α
Ett läkemedelspåstående säger att en tablett innehåller 250 mg aktiv substans. Ett stickprov på n = 9 tabletter har x̄ = 246 mg och s = 5 mg. Testa på α = 0,01 om det sanna medelvärdet avviker från 250 mg. Lösning: t = (246 − 250) ÷ (5 ÷ √9) = −4 ÷ 1,667 ≈ −2,4. df = 8, och det tvåsidiga kritiska värdet på α = 0,01 är cirka ±3,355. Eftersom |t| ≈ 2,4 är mindre än 3,355 (p ≈ 0,043, över 0,01) förkastar vi inte H0 — det här stickprovet ger inte tillräckligt starka belägg på 1-procentsnivån för att det sanna medelvärdet avviker från 250 mg, trots att det skulle ha förkastats på α = 0,05.
Vad mer undrar studenter om kalkylatorer för ettsampels t-test?
Det här är frågorna som oftast kommer upp i samband med hemuppgifter och tentaförberedelser om ettsampels t-test.
1. När ska jag använda en kalkylator för ettsampels t-test i stället för en z-testkalkylator?
Använd en kalkylator för ettsampels t-test närhelst populationens standardavvikelse är okänd och du bara har stickprovets standardavvikelse — vilket är fallet i nästan varje verklig studie. Använd ett z-test bara när ett känt, etablerat populations-σ uttryckligen är angivet.
2. Vad är ett 'bra' värde på testvariabeln t?
Det finns inget universellt 'bra' värde — vad som spelar roll är att jämföra |t| med det kritiska värdet för dina frihetsgrader och din signifikansnivå, eller att jämföra p-värdet direkt med α. Ett större |t| betyder helt enkelt att stickprovsmedelvärdet ligger längre från det påstådda värdet, mätt i standardfel.
3. Kan en kalkylator för ettsampels t-test hantera parvisa data?
Ja, indirekt — ett parvist t-test (som jämför mätningar före och efter på samma försökspersoner) är i själva verket ett ettsampels t-test utfört på skillnaderna mellan varje par, där man prövar om medelskillnaden är noll.
4. Hur påverkar stickprovsstorleken ett ettsampels t-test?
Ett större n krymper standardfelet (s ÷ √n), vilket gör testvariabeln t större för samma gap mellan x̄ och μ0 och ökar testets styrka att upptäcka en verklig skillnad. Det ökar också frihetsgraderna, vilket sänker det kritiska t-värdet något och flyttar t-fördelningen närmare normalfördelningen.
Mer hjälp med hemuppgifter om ettsampels t-test
När du väl känner dig trygg med att formulera H0 och Ha, beräkna testvariabeln t term för term och jämföra den med ett kritiskt värde eller p-värde vid rätt antal frihetsgrader blir uppgifter om ettsampels t-test en fråga om noggrann uppställning snarare än en mystisk formel. Öva med en blandning av ensidiga och tvåsidiga påståenden, eftersom tentor ofta förväntar sig att du känner igen vilket som gäller bara utifrån formuleringen. Om du kör fast när du ställer upp en specifik uppgift eller vill dubbelkolla en handräkning kan Solvifys steg-för-steg-lösare arbeta igenom samma formel som visas i den här guiden — testvariabeln t, frihetsgraderna och det slutgiltiga beslutet — så att du ser exakt var din egen uppställning avviker från den korrekta.
Innan du tar till en kalkylator för ettsampels t-test: skriv ner H0, Ha och om testet är ensidigt eller tvåsidigt — detta enda beslut avgör både ditt kritiska värde och din slutsats.
Relaterade artiklar
Hypotesprövningskalkylator: så beräknar du z-test och t-test för hand
Det bredare ramverket bakom ettsampels t-test, inklusive hur du väljer mellan ett z-test och ett t-test och hur typ I- och typ II-fel fungerar.
Konfidensintervallkalkylator för en proportion: formel, steg och exempel
Se hur samma logik med kritiska värden som används i ett t-baserat konfidensintervall tillämpas på proportioner i stället för medelvärden.
Standardfelskalkylator: formel, steg och exempel
Standardfelet s ÷ √n är nämnaren i testvariabeln t — lär dig hur det beräknas och vad det mäter.
Relaterade matematiklösare
Steg-för-steg-lösningar
Få varje steg i ett ettsampels t-test tydligt redovisat — testvariabeln t, frihetsgraderna och det slutgiltiga beslutet.
Smart Scan-lösare
Ta ett foto av en uppgift om t-test och få en direkt, fullständigt löst lösning.
AI-mattehandledare
Ställ följdfrågor om testvariabeln t, frihetsgrader eller p-värden tills polletten trillar ner.