Párový provostranný t-test
Nyní si na novém datovém souboru stručně popíšeme postup pro pravostranný párový t-test. Opět se budeme pohybovat na hladině významnosti 
.
Hypotézy pravostranného testu jsou:
Statistika testu zůstává samozřejmě stejná, kritický obor vyjádřený intervalem pak je:
Soubor s ukázkovými daty i všemi výpočty si můžete stáhnout zde.
Výpočet s využitím doplňku Analýza dat
Výpočet pomocí Analýzy dat provádíme stejně jako v předchozím případě. Na obrázku níže vidíme výsledek. Hodnota statistiky testu je 
. V případě pravostranného testu je kritický obor skutečně napravo od nuly a přesný zápis kritického oboru intervalem by byl
V našem případě je však špatně zobrazená p-hodnota. Protože statistika pravostranného testu je záporná, p-hodnota musí být větší než 
. Analýza dat nám zobrazuje p-hodnotu 
, to by však byla p-hodnota pro případ levostranného testu. P-hodnota pravostranného testu je 
.
Využití funkce T.TEST (TTEST)
Podobná záludnost jako výše nás čeká i u funkcí T.TEST a TTEST. Výše už jsme si popsali úpravu, která nám zajistí, že p-hodnota testu bude vždy správná. V případě pravostranného testu stačí malá úprava: změna znaménka nerovnosti u podmínky.
=KDYŽ(F12>0;T.TEST(A2:A21;B2:B21;1;1);1-T.TEST(A2:A21;B2:B21;1;1))
Python alternativa:
from scipy.stats import ttest_rel
t_stat, p_value = ttest_rel(x, y, alternative="greater")
To samé platí pro funkci TTEST.
=KDYŽ(G12>0; TTEST(A2:A21;B2:B21;1;1);1- TTEST(A2:A21;B2:B21;1;1))
Python alternativa:
from scipy.stats import ttest_rel
t_stat, p_value = ttest_rel(x, y, alternative="greater")
Manuální výpočet
Paradoxně jednoduše nyní může vypadat manuální výpočet v novějších verzích Excelu. Hranici kritického oboru určíme opět pomocí funkce T.INV, nyní však "odsekáváme" rozdělení statistiky zprava, protože jako kvantil zadáváme 
:
=T.INV(1-F7;F2-1)
Python alternativa:
from scipy.stats import t
critical_value = t.ppf(1 - alpha, df=len(x) - 1)
Pro určení p-hodnoty můžeme použít funkci T.DIST.RT, což je pravostranná distribuční funkce Studentova rozdělení:
=T.DIST.RT(F12;F2-1)
Python alternativa:
from scipy.stats import t
p_value = t.sf(t_stat, df=len(x) - 1)
Použijeme-li nám již známou funkci T.INV, musíme samozřejmě provést odečtení hodnoty od jedničky, abychom získali p-hodnotu:
=1-T.DIST(F12;F2-1;PRAVDA)
Python alternativa:
from scipy.stats import t
p_value = t.sf(t_stat, df=len(x) - 1)
Ve starších verzích Excelu opět použijeme funkci TINV. Odebereme ale znaménko minus, protože hranice kritického oboru je nyní kladné číslo:
=TINV(2*F7;F2-1)
Python alternativa:
from scipy.stats import t
critical_value = t.ppf(1 - alpha, df=len(x) - 1)
Pro správné určení p-hodnoty testu opět použijeme funkci KDYŽ, oproti levostrannému testu měníme znaménko nerovnosti v podmínce:
=KDYŽ(H12>0;TDIST(H12;F2-1;1);1-TDIST(-H12;F2-1;1))
Python alternativa:
from scipy.stats import t
p_value = t.sf(t_stat, df=len(x) - 1)