Testy t-Studenta służą do porównania ze sobą DWÓCH grup. Nie więcej! Korzystamy z nich wtedy, gdy mamy wyniki dla dwóch grup i chcemy porównać je ze sobą - tzn. stwierdzić, czy wyniki w jednej grupie są większe bądź mniejsze niż w drugiej grupie. Nie można porównywać ze sobą kilku grup, wykonując kilkukrotnie test t-Studenta. Jeżeli mamy więcej niż 2 grupy to musimy skorzystać z innych testów statystycznych.

Rodzaje testów:

1. dla prób niezależnych

2. dla prób zależnych

3. dla jednej próby

W zależności od rodzaju badania stosujemy w analizach jeden z tych testów.

Ideą testu t-Studenta dla prób niezależnych jest porównanie ze sobą dwóch różnych grup obserwacji. Jak sama nazwa testu wskazuje, grupy (próby) muszą być wobec siebie niezależne, czyli wyniki pomiaru jednej grupy nie są zależne wobec pomiaru drugiej grupy.

Test dla prób niezależnych

Ideą testu t-Studenta dla prób zależnych jest porównanie ze sobą tej samej grupy osób, obserwacji dwukrotnie. Nasze grupy (próby) są wobec siebie zależne, ponieważ wynik w drugim badaniu jest zależny od wyniku w drugim badaniu, ponieważ dotyczy tej samej osoby, obserwacji. Celem testu t-Studenta jest określenie wielkości zmian w danym pomiarze wśród badanych osób, obserwacji.

Test dla prób zależnych

Ideą testu dla jednej próby jest porównanie ze sobą średniej i odchylenia standardowego zbadanej jednej grupy osób badanych z założoną z góry wartością. Porównanie jednej grupy stanowi wyjątek w rodzinie testów t-Studenta. Testy dla jednej próby stosuje się w celu oszacowania wyników badań ze znaną w teorii, bądź w innych badaniach wartością.

Aby sprawdzić, czy wartość statystyki t (test t-Studenta) wskazuje na istotne statystycznie różnice, musimy sprawdzić, posługując się tablicą rozkładu t-Studenta, czy dana wartość wskazuje na istotne statystycznie różnice.

Aby tego dokonać, musimy znać:

 wartość statystyki t (wynik testu t)

 liczbę przebadanych osób

 poziom istotności (poziom prawdopodobieństwa), dla którego dany wynik będzie wskazywał na istotne różnice.

Dla przykładu, jeżeli przyjmiemy, że interesuje nas czy dany wynik jest istotny statystycznie, przy założeniu 5% szans popełnienia błedu przy wnioskowaniu (p = 0,05) i do tego wiemy, że zbadaliśmy 100 osób - to na skrzyżowaniu tych dwóch wartości odczytujemy wartość statystyki t i porównujemy ją z uzyskaną w naszych obliczeniach statystyką.

Jeżeli wartość naszego testu będzie większa niż wartość z tablicy uznamy, że wynik jest istotny statystycznie (przy założeniu p=0,05)

Jeżeli natomiast wartość naszego testu będzie mniejsza niż wartość z tablicy uznamy wtedy, że wynik nie jest istotny statystycznie.

W praktyce wygląda to natomiast tak, że programy statystyczne robią to już za nas i są one o wiele bardziej dokładne niż takie podstawowe tablice. Dostarczają informacji, przy jakim p (jaka wartość p) wynik jest istotny statystycznie. Jeżeli program podaje p = 0,03 to wiemy, że godząc się na p = 0,05 uzyskaliśmy istotny statystycznie wynik - ponieważ p = 0,03 jest mniejsze niż zakładany przez nas maksymalny próg p = 0,05.