Welchův pravostranný t-test
Uvažujme nyní, že máme obdobné zadání, máme však data o průměrné době potřebné na výrobu jednoho výrobku. Pokud by technologické postupy v novém závodě byly efektivnější, průměrná doba výroby by měla být nižší. Data jsou v tabulce níže.
Modifikujeme alternativní hypotézu a získáme dvojici hypotéz:
Hladina významnosti je stále 
.
Soubor s daty i výpočty si můžete stáhnout zde.
Výpočet pomocí doplňku Analýza dat
Postup výpočtu je naprosto stejný jako u levostranného testu. Pro aktuální data máme výstup na obrázku níže.
Hodnota statistiky je nyní 
. Kritický obor se nachází vpravo, proto hranici najdeme v řádku t krit (1) a tentokrát ji nijak neupravujeme. Kritický obor tedy leží v intervalu 
. Vidíme, že statistika lež v kritickém oboru. p-hodnota testu je 
, zamítáme tedy 
. Na jsme prokázali, že výroba ve druhém závodě je rychlejší.
Výpočet pomocí funkce T.TEST
Zápis funkce je opět stejný, tj.:
=T.TEST(A2:A26,B2:B28,1,3)
Python alternativa:
from scipy.stats import ttest_ind
t_stat, p_value = ttest_ind(x, y, equal_var=False, alternative="greater")
Funkce vrací p-hodnotu testu, což je . Nulovou hypotézu bychom opět zamítli.
Pokud bychom opět chtěli obecný vzorec, který si poradí i s p-hodnotami vyššími než 0,5, upravíme jej o podmínku na základě hodnoty statistiky:
=KDYŽ(E8>0,T.TEST(A2:A26,B2:B28,1,3),1-T.TEST(A2:A26,B2:B28,1,3))
Python alternativa:
from scipy.stats import ttest_ind
t_stat, p_value = ttest_ind(x, y, equal_var=False, alternative="greater")
Sestavení této podmínky je vyvětlené v předchozím článku.