Student’s t-Testस्टूडेंट्स t-परीक्षण |
परिचय:
Students’ t-Test एक महत्वपूर्ण parametric statistical test है, जिसका प्रयोग छोटे sample (small sample) के आधार पर दो माध्यों (means) के बीच अंतर की सांख्यिकीय महत्ता (statistical significance) जाँचने के लिए किया जाता है।
विशेष रूप से जब population का standard deviation ज्ञात न हो और sample size छोटा हो, तब t-test उपयोगी होता है।
भूगोल, समाजशास्त्र, अर्थशास्त्र तथा अन्य सामाजिक विज्ञानों में इसका प्रयोग दो क्षेत्रों, दो समूहों या किसी घटना के दो समयों के औसत मानों की तुलना करने में किया जाता है।
Students’ t-Test की मुख्य विशेषताएँ
✍️ यह एक Parametric Test है।
✍️ इसका आधार t-distribution है।
✍️ छोटे sample के लिए विशेष रूप से उपयोगी है।
✍️ इसमें सामान्यतः population variance अज्ञात होता है।
✍️ इसका प्रयोग मुख्यतः Mean की तुलना के लिए किया जाता है।
✍️ यह निर्धारित करता है कि observed difference वास्तविक है या केवल sampling variation के कारण है।
t-Test के प्रमुख प्रकार
Students’ t-Test को मुख्यतः तीन प्रकारों में समझा जाता है:
1. One-Sample t-Test:
इसका प्रयोग किसी एक sample के mean की तुलना किसी ज्ञात या hypothesized population mean से करने के लिए किया जाता है।
उदाहरण: किसी जिले में किसानों की औसत वार्षिक आय ₹80,000 है या नहीं, इसकी जाँच के लिए sample farmers का अध्ययन करना।
Formula:
t = (X̄ − μ) / (s / √n)
\[ t = \frac{\bar{X} – \mu}{s/\sqrt{n}} \]
जहाँ-
X̄ = Sample Mean
μ = Population/Hypothesized Mean
s = Sample Standard Deviation
n = Sample Size
Degrees of Freedom:
df = n-1
2. Independent-Samples t-Test:
इसका प्रयोग दो स्वतंत्र समूहों (independent groups) के means की तुलना करने के लिए किया जाता है।
उदाहरण: शहरी और ग्रामीण परिवारों की औसत आय में महत्वपूर्ण अंतर है या नहीं।
इसमें दोनों samples अलग-अलग और independent होते हैं।
उदाहरण: ग्रामीण क्षेत्र के 30 परिवार और शहरी क्षेत्र के 30 परिवार
दोनों समूहों की औसत आय की तुलना करने के लिए independent t-test लगाया जा सकता है।
3. Paired-Samples t-Test:
इसका प्रयोग तब किया जाता है जब observations paired या related हों। सामान्यतः एक ही sample के Before और After values की तुलना की जाती है।
उदाहरण: किसी क्षेत्र में सिंचाई सुविधा लागू होने से पहले और बाद में किसानों की औसत कृषि उत्पादकता की तुलना।
यहाँ:
Before → Intervention → After
की तुलना की जाती है।
t-Test में Hypothesis:
Null Hypothesis (H₀)
दोनों means के बीच कोई महत्वपूर्ण अंतर नहीं है।
H0 : μ1 = μ2
Alternative Hypothesis (H₁)
दोनों means के बीच महत्वपूर्ण अंतर है।
H1 : μ1 ≠ μ2
यदि शोधकर्ता directional hypothesis रखता है, तो:
H1 : μ1>μ2
या
H1 : μ1<μ2
हो सकता है।
Degrees of Freedom
Degrees of Freedom (df) यह बताता है कि statistical test में कितने independent observations स्वतंत्र रूप से परिवर्तन कर सकते हैं।
One-sample t-test में:
df =n−1
उदाहरण: यदि sample size n = 20 है, तो:
df = 20−1 = 19
t-Test की सामान्य प्रक्रिया:
Research Problem → Hypothesis → Data Collection → Mean Calculation → t-value Calculation → Critical Value/p-value → Decision
Step 1: Hypothesis बनाना
H₀ और H₁ निर्धारित करें।
Step 2: Significance Level निर्धारित करना
सामान्यतः: α = 0.05 लिया जाता है।
Step 3: t-value निकालना
उपयुक्त t-test formula का प्रयोग करें।
Step 4: Degrees of Freedom निर्धारित करना
Step 5: Decision लेना
यदि p-value < 0.05, तो सामान्यतः H₀ को reject किया जाता है।
यदि p-value > 0.05, तो H₀ को reject करने के लिए पर्याप्त evidence नहीं माना जाता।
t-Test की प्रमुख Assumptions:
t-test लगाने से पहले कुछ assumptions का ध्यान रखना आवश्यक है:
1. Data quantitative होना चाहिए।
2. Observations सामान्यतः independent होने चाहिए।
3. Data approximately normally distributed होना चाहिए, विशेषकर छोटे samples में।
4. Independent t-test में variance की स्थिति पर ध्यान देना आवश्यक है।
5. Sample random या उचित sampling procedure से प्राप्त होना चाहिए।
6. Extreme outliers परिणाम को प्रभावित कर सकते हैं।
भूगोल में t-Test के Applications
भौगोलिक शोध में t-test का प्रयोग विभिन्न प्रकार से किया जा सकता है-
✍️ दो क्षेत्रों की औसत वर्षा की तुलना
✍️ दो जिलों की औसत कृषि उत्पादकता की तुलना
✍️ ग्रामीण एवं शहरी आय की तुलना
✍️ दो क्षेत्रों की औसत जनसंख्या वृद्धि की तुलना
✍️ सिंचाई से पहले और बाद की कृषि उत्पादकता
✍️ दो क्षेत्रों के औसत तापमान की तुलना
✍️ दो समूहों के भूमि-उपयोग पैटर्न की तुलना
✍️ विकास कार्यक्रम के पहले और बाद के सामाजिक-आर्थिक परिवर्तन का अध्ययन
t-Test के Advantages:
✍️ छोटे sample में उपयोगी।
✍️ Mean comparison के लिए प्रभावी।
✍️ Statistical significance निर्धारित करने में सहायता करता है।
✍️ Social Science और Geography research में व्यापक उपयोग।
✍️ Calculation अपेक्षाकृत सरल है।
✍️ One-sample, independent और paired data के लिए अलग-अलग रूप उपलब्ध हैं।
t-Test की Limitations:
✍️ इसकी assumptions पूरी होना आवश्यक है।
✍️ अत्यधिक skewed data में परिणाम प्रभावित हो सकता है।
✍️ Outliers t-value को प्रभावित कर सकते हैं।
✍️ यह मुख्यतः quantitative data के लिए उपयोगी है।
✍️ गलत test selection से निष्कर्ष गलत हो सकते हैं।
निष्कर्ष:
Student’s t-Test छोटे sample से प्राप्त quantitative data में means के बीच अंतर की statistical significance जाँचने की महत्वपूर्ण विधि है।
One-sample, independent तथा paired t-test के माध्यम से विभिन्न भौगोलिक एवं सामाजिक-आर्थिक समूहों की तुलना की जा सकती है। शोध में उचित assumptions, hypothesis, degrees of freedom तथा significance level का पालन करना आवश्यक है।
Leave a Reply