381. Test t dla jednej próby – kiedy ma zastosowanie?

PrzezMarcin Skrok

Test t dla jednej próby jest jednym z najprostszych testów porównawczych, ale jego prostota bywa myląca. Nie służy do dowolnego sprawdzania, czy „średnia jest wysoka” albo „niska”. Jego zadaniem jest formalna ocena, czy średnia w jednej badanej próbie różni się od wcześniej określonej wartości odniesienia. Wartość ta może pochodzić z norm populacyjnych, zaleceń klinicznych, dokumentacji technicznej, wcześniejszych badań albo jasno uzasadnionej hipotezy teoretycznej.

W tej lekcji, będącej częścią szkolenia na statystyk.edu.pl, prześledzimy logikę testu od podstaw: kiedy go stosować, jakie warunki powinny być spełnione, jak zapisać wzór i jak raportować wynik bez nadinterpretacji.

Na czym polega test t dla jednej próby?

Załóżmy, że zebrano pomiary jednej zmiennej ilościowej od n osób. Interesuje nas, czy średnia w tej próbie jest zgodna z określoną wartością populacyjną lub referencyjną oznaczaną jako μ0. Przykładowo może to być:

  • średnie skurczowe ciśnienie tętnicze równe 120 mmHg;
  • wartość 50 punktów w skali objawów;
  • średni czas reakcji wynoszący 300 ms;
  • normatywny poziom hemoglobiny glikowanej określony dla konkretnej populacji;
  • ustalony próg jakości lub wydajności procesu.

Test t dla jednej próby porównuje średnią obserwowaną x̄ z wartością μ0, uwzględniając zmienność wyników oraz liczebność próby. Sama różnica między średnią a wartością odniesienia nie wystarcza. Różnica 4 punktów może być przekonująca przy bardzo małym rozproszeniu i dużej próbie, ale niewystarczająca przy silnie zróżnicowanych obserwacjach.

Historycznie test wiąże się z pracą opublikowaną w 1908 roku przez Williama Sealy’ego Gosseta pod pseudonimem „Student”. Artykuł „The Probable Error of a Mean” przedstawił podstawy rozkładu, który stał się rozkładem t-Studenta (Student, 1908).

Kiedy test ma zastosowanie?

Test t dla jednej próby jest właściwy wtedy, gdy spełnione są następujące warunki:

  1. Jednostką analizy jest niezależna obserwacja – zwykle osoba, pacjent, gospodarstwo domowe, pomiar albo obiekt.
  2. Zmienna wynikowa jest ilościowa – mierzona na skali, dla której sensowne jest obliczanie średniej i odchylenia standardowego.
  3. Porównujemy jedną średnią z jedną wartością odniesienia, a nie dwie niezależne grupy.
  4. Rozkład zmiennej w populacji jest w przybliżeniu normalny albo liczebność próby i jakość danych zapewniają wystarczającą odporność procedury.
  5. Wartość odniesienia została określona przed analizą i ma merytoryczne uzasadnienie.

Najważniejsze rozróżnienie dotyczy projektu badania. Jeżeli te same osoby oceniano przed i po interwencji, nie wykonuje się dwóch niezależnych testów t ani nie traktuje pomiarów jako jednej zwykłej próby. W takim przypadku analizuje się różnice indywidualne między pomiarem po i przed, a następnie można zastosować test t dla jednej próby na tych różnicach. Jest to równoważne logice testu t dla prób zależnych.

Hipotezy statystyczne

W wersji dwustronnej hipotezy zapisuje się następująco:

  • H0: μ = μ0,
  • H1: μ ≠ μ0.

Hipoteza zerowa mówi, że średnia populacyjna jest równa wartości odniesienia. Hipoteza alternatywna zakłada jakąkolwiek różnicę, niezależnie od jej kierunku. Jeżeli przed rozpoczęciem badania istnieje dobrze uzasadniona przesłanka, że interesuje nas wyłącznie wzrost albo wyłącznie spadek, można rozważyć test jednostronny. Kierunku hipotezy nie powinno się wybierać dopiero po obejrzeniu wyników.

Warto pamiętać, że wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej. Jest to prawdopodobieństwo uzyskania wyniku co najmniej tak niezgodnego z H0 jak obserwowany, przy założeniu, że H0 jest prawdziwa.

Wzór na statystykę t

Statystykę testową dla jednej próby oblicza się według wzoru:

t = (x̄ − μ0) / (s / √n)

gdzie:

  • x̄ – średnia arytmetyczna w badanej próbie;
  • μ0 – wartość odniesienia określona w hipotezie zerowej;
  • s – odchylenie standardowe w próbie;
  • n – liczebność próby;
  • s / √n – błąd standardowy średniej;
  • t – standaryzowana różnica między średnią próby a wartością odniesienia.

Liczba stopni swobody wynosi:

df = n − 1

W mianowniku znajduje się błąd standardowy, a nie odchylenie standardowe. To rozróżnienie jest istotne. Odchylenie standardowe opisuje zróżnicowanie pojedynczych obserwacji. Błąd standardowy opisuje niepewność oszacowania średniej i maleje wraz ze wzrostem liczebności próby.

Przykładowo, jeśli średnia wynosi 126 mmHg, wartość odniesienia 120 mmHg, odchylenie standardowe 12 mmHg, a n = 36, to:

t = (126 − 120) / (12 / √36) = 6 / 2 = 3

Otrzymujemy t = 3 przy 35 stopniach swobody. Ocena wyniku wymaga następnie wyznaczenia wartości p lub przedziału ufności dla średniej różnicy.

Założenia i diagnostyka

Niezależność obserwacji

Niezależność nie jest czymś, co można naprawić samym testem Shapiro–Wilka. Jeżeli pomiary pochodzą od tych samych osób, członków tych samych rodzin, pacjentów z jednego oddziału albo wielokrotnych obserwacji tego samego urządzenia, trzeba rozważyć zależności w danych. Naruszenie niezależności może prowadzić do zbyt małych błędów standardowych i nadmiernie optymistycznych wniosków.

Skala pomiaru

Test jest przeznaczony przede wszystkim dla zmiennych ilościowych, takich jak masa ciała, czas, stężenie, ciśnienie czy wynik sumaryczny dobrze skonstruowanej skali. Ostrożności wymaga stosowanie go dla pojedynczego pytania ankietowego w skali porządkowej, na przykład od 1 do 5. Średnia z wielu pozycji skali może być analizowana ilościowo, ale należy uzasadnić sposób konstrukcji wyniku.

Normalność i wartości odstające

Założenie normalności dotyczy rozkładu wyników w populacji, a praktycznie ocenia się je na podstawie danych z próby. Warto użyć histogramu, wykresu kwantylowego Q–Q oraz wiedzy dziedzinowej. Sam test normalności nie powinien być jedynym kryterium decyzji, zwłaszcza przy małych próbach. Należy sprawdzić także wartości odstające, bo pojedynczy ekstremalny wynik może silnie przesunąć średnią i zwiększyć odchylenie standardowe.

Przy umiarkowanej liczebności i braku bardzo silnych odstających obserwacji test t jest często dość odporny na umiarkowane odstępstwa od normalności. Nie oznacza to jednak, że każdą próbę można analizować automatycznie. W przypadku silnej asymetrii, małej próby i danych o ograniczonym zakresie warto rozważyć test rang Wilcoxona, przedział ufności oparty na bootstrapie albo model adekwatny do charakteru zmiennej.

Przykład 1: ciśnienie tętnicze

W badaniu przesiewowym zmierzono skurczowe ciśnienie tętnicze u 40 dorosłych osób. Średnia wyniosła 126,4 mmHg, a odchylenie standardowe 14,0 mmHg. Zespół chciał sprawdzić, czy średnie ciśnienie różni się od wartości 120 mmHg.

Hipotezy brzmią:

  • H0: μ = 120 mmHg;
  • H1: μ ≠ 120 mmHg.

Statystyka wynosi w przybliżeniu:

t = (126,4 − 120) / (14,0 / √40) ≈ 2,88

Liczba stopni swobody to 39. Wniosek powinien uwzględniać nie tylko istotność statystyczną, lecz także wielkość różnicy: średnie ciśnienie było o 6,4 mmHg wyższe od wartości odniesienia. Czy taka różnica ma znaczenie kliniczne? Tego nie rozstrzyga sam test t. Potrzebne są informacje o populacji, sposobie pomiaru, powtarzalności pomiaru oraz progu klinicznie istotnej różnicy.

Poprawny raport może mieć formę: „Średnie skurczowe ciśnienie tętnicze wynosiło 126,4 mmHg (SD = 14,0) i różniło się od wartości referencyjnej 120 mmHg, t(39) = 2,88, p = …, 95% CI dla różnicy: …”. Należy podać dokładną wartość p, jeśli oprogramowanie jej dostarcza, oraz przedział ufności.

Przykład 2: wynik kwestionariusza w psychologii

Załóżmy, że badacz ocenia nasilenie objawów stresu u 25 studentów za pomocą sumarycznej skali od 0 do 80 punktów. Z wcześniejszych badań wynika, że średnia referencyjna w porównywalnej populacji wynosi 32 punkty. W badanej próbie średnia to 37,6 punktu, a odchylenie standardowe 10,0 punktów.

Statystyka:

t = (37,6 − 32) / (10,0 / √25) = 5,6 / 2 = 2,80

Wynik wskazuje na różnicę między średnią próby a wartością 32, ale nie mówi sam przez się, że studenci mają zaburzenie kliniczne ani że określona przyczyna doprowadziła do podwyższenia wyniku. Jeżeli próba została zrekrutowana ochotniczo, nie można automatycznie uogólniać wyniku na wszystkich studentów. Warto również podać standaryzowaną wielkość efektu. Dla jednej próby prosty współczynnik d można obliczyć jako:

d = (x̄ − μ0) / s

W tym przykładzie d = 5,6 / 10,0 = 0,56. Jest to miara odległości średniej próby od wartości odniesienia wyrażona w jednostkach odchylenia standardowego. Nie należy jednak mechanicznie uznawać każdej wartości za „małą”, „średnią” lub „dużą”; znaczenie zależy od dziedziny, jakości pomiaru i konsekwencji praktycznych (Lakens, 2013; Sullivan i Feinn, 2012).

Przykład praktyczny: analiza przypadku

Pielęgniarka oddziałowa chce sprawdzić, czy średni czas przygotowania pacjenta do transportu różni się od standardu organizacyjnego wynoszącego 20 minut. Zebrano 16 niezależnych obserwacji. Średni czas wyniósł 23,1 minuty, SD = 4,8 minuty.

Przed analizą należy zadać kilka pytań:

  • Czy wszystkie obserwacje dotyczą porównywalnych procedur?
  • Czy jedna osoba nie została uwzględniona wielokrotnie?
  • Czy standard 20 minut odnosi się do tej samej definicji początku i końca pomiaru?
  • Czy rozkład czasów nie jest silnie skośny z powodu kilku bardzo długich przypadków?
  • Czy celem jest wykazanie różnicy, czy sprawdzenie, czy czas przekracza akceptowalny próg?

Jeśli założenia są rozsądne, można obliczyć:

t = (23,1 − 20) / (4,8 / √16) = 3,1 / 1,2 ≈ 2,58

Przy df = 15 wynik może wskazywać na statystycznie istotną różnicę. Jednak decyzja organizacyjna powinna opierać się także na przedziale ufności i konsekwencjach praktycznych. Różnica 3,1 minuty może być ważna w okresach dużego obciążenia oddziału, ale mniej ważna w procedurach, w których bezpieczeństwo wymaga dodatkowej kontroli. Test t nie zastępuje oceny procesu.

Przedział ufności i znaczenie praktyczne

Testowi t powinien towarzyszyć przedział ufności dla różnicy x̄ − μ0. Dla poziomu ufności 95% ma on postać:

(x̄ − μ0) ± t0,975; df × s/√n

Przedział pokazuje zakres wartości zgodnych z danymi i przyjętym modelem. Jeżeli cały przedział leży powyżej zera, dane wspierają dodatnią różnicę; jeżeli cały leży poniżej zera, wspierają różnicę ujemną. Przedział obejmujący zero jest zgodny z brakiem rozstrzygającego dowodu na różnicę przy wybranym poziomie ufności.

W interpretacji należy oddzielić trzy kwestie:

  1. Istotność statystyczna – czy dane są wystarczająco niezgodne z H0 przy określonym modelu i poziomie alfa.
  2. Wielkość efektu – jak duża jest różnica w jednostkach pomiaru lub standaryzowana.
  3. Znaczenie praktyczne – czy różnica ma konsekwencje kliniczne, organizacyjne, społeczne lub teoretyczne.

Duża próba może wykazać statystyczną istotność bardzo małej różnicy. Mała próba może nie wykazać istotności mimo różnicy ważnej praktycznie. Dlatego samo „p < 0,05” jest niewystarczającym raportem.

Najczęstsze błędy

  • Porównywanie z wartością przypadkową. Wartość odniesienia powinna mieć uzasadnienie merytoryczne, a nie być wybrana dlatego, że daje interesujący wynik.
  • Mylenie testu jednej próby z testem dla dwóch grup. Test t dla jednej próby ma jedną próbę i jedną wartość odniesienia.
  • Ignorowanie zależności pomiarów. Powtarzane pomiary jednej osoby wymagają analizy różnic, modelu dla pomiarów powtarzanych albo innej procedury.
  • Automatyczne stosowanie testu po nieistotnym teście normalności. Brak istotności testu normalności nie dowodzi normalności rozkładu.
  • Usuwanie obserwacji odstających bez uzasadnienia. Najpierw trzeba sprawdzić błąd wprowadzania danych, metodę pomiaru i sens kliniczny obserwacji.
  • Traktowanie wartości p jako miary wielkości efektu. Wartość p zależy między innymi od liczebności próby; nie zastępuje różnicy, przedziału ufności ani miary efektu.
  • Formułowanie wniosków przyczynowych. Test jednej próby nie pokazuje, że jakaś interwencja spowodowała różnicę względem wartości referencyjnej.
  • Zaokrąglanie zbyt wcześnie. W obliczeniach warto zachować więcej miejsc po przecinku, a zaokrąglić dopiero w raporcie.

Jak raportować wynik?

Minimalny raport powinien zawierać liczebność próby, średnią, odchylenie standardowe, wartość odniesienia, statystykę t, stopnie swobody, wartość p oraz przedział ufności. Dobrze dodać informację o sposobie sprawdzenia założeń, ewentualnych obserwacjach odstających i wielkości efektu.

Przykładowy schemat zapisu:

Średni czas wynosił 23,1 min (SD = 4,8; n = 16). Był on wyższy niż przyjęty standard 20 min, t(15) = 2,58, p = …, 95% CI dla różnicy: …; d = 0,65.

Zgodnie z dobrymi standardami raportowania należy opisać także kryterium doboru próby, sposób pomiaru, brakujące dane i plan analizy. Takie podejście zwiększa przejrzystość i ułatwia ocenę wiarygodności wyniku (American Psychological Association, 2026).

Co warto zapamiętać?

  • Test t dla jednej próby porównuje średnią jednej próby z jedną uzasadnioną wartością odniesienia.
  • Jego statystyka ma postać t = (x̄ − μ0) / (s / √n), a liczba stopni swobody wynosi n − 1.
  • Najważniejsze są niezależność obserwacji, ilościowy charakter zmiennej i rozsądna ocena rozkładu oraz wartości odstających.
  • Wartość p nie jest prawdopodobieństwem prawdziwości H0 i nie jest miarą wielkości efektu.
  • Interpretacja powinna obejmować różnicę w jednostkach pomiaru, przedział ufności, wielkość efektu i znaczenie praktyczne.
  • Jeżeli dane pochodzą z dwóch pomiarów tych samych osób, analizuje się ich różnice; nie jest to zwykła próba niezależnych obserwacji.

Test t dla jednej próby jest użytecznym narzędziem, gdy pytanie badawcze rzeczywiście dotyczy porównania jednej średniej z określoną wartością. Jego poprawne zastosowanie zaczyna się jednak nie od kliknięcia procedury w programie statystycznym, lecz od jasnego zdefiniowania jednostki analizy, wartości odniesienia, hipotezy i znaczenia potencjalnej różnicy.

Źródła i dalsza lektura

  1. Student (1908). The Probable Error of a Mean. Biometrika, 6(1), 1–25. DOI: 10.1093/biomet/6.1.1.
  2. Altman, D. G.; Bland, J. M. (1995). Statistics notes: the normal distribution. BMJ, 310(6975), 298. DOI: 10.1136/bmj.310.6975.298.
  3. Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. DOI: 10.3389/fpsyg.2013.00863.
  4. Sullivan, G. M.; Feinn, R. (2012). Using Effect Size—or Why the P Value Is Not Enough. Journal of Graduate Medical Education, 4(3), 279–282. DOI: 10.4300/JGME-D-12-00156.1.
  5. Kirkwood, B. R.; Sterne, J. A. C. (2003). Essential Medical Statistics. 2nd edition. Blackwell Science. Informacja wydawcy / źródło.
  6. American Psychological Association (2026). APA Style Journal Article Reporting Standards (APA Style JARS). American Psychological Association. Źródło.

Podobne wpisy

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Wymagane pola są oznaczone *