Et vanlig spørsmål når man sammenligner to sett med målinger er om man skal bruke en parametrisk eller ikke-parametrisk testprosedyre. Oftest sammenlignes flere parametriske og ikke-parametriske tester ved hjelp av simulering, slik som t-testen, norm altesten (parametriske tester), Wilcoxon-nivåer, van der Walden-score osv. (ikke-parametrisk).
Parametriske tester antar underliggende statistiske fordelinger i dataene. Derfor må flere virkelighetsbetingelser være oppfylt for at resultatet skal være pålitelig. Ikke-parametriske tester er ikke avhengig av noen fordeling. Dermed kan de brukes selv om de parametriske realitetsbetingelsene ikke er oppfylt. I denne artikkelen vil vi vurdere den parametriske metoden, nemlig studentens korrelasjonskoeffisient.
Parametrisk sammenligning av prøver (t-Student)
Metoder klassifiseres basert på hva vi vet om fagene vi analyserer. Grunntanken er at det er et sett med faste parametere som definerer en sannsynlighetsmodell. Alle typer Students koeffisient er parametriske metoder.
Dette er ofte disse metodene, når de analyseres, ser vi at emnet er tilnærmet norm alt, så før du bruker kriteriet, bør du sjekke for normalitet. Det vil si at plasseringen av funksjoner i studentens distribusjonstabell (i begge prøvene) ikke skal avvike vesentlig fra den normale og skal samsvare med eller tilnærmet samsvare med den angitte parameteren. For en normalfordeling er det to mål: gjennomsnittet og standardavviket.
Studentens t-test brukes ved testing av hypoteser. Den lar deg teste antagelsen som gjelder for fagene. Den vanligste bruken av denne testen er å teste om middelverdien av to prøver er like, men den kan også brukes på en enkelt prøve.
Det skal legges til at fordelen med å bruke en parametrisk test i stedet for en ikke-parametrisk er at førstnevnte vil ha mer statistisk kraft enn sistnevnte. Med andre ord er det mer sannsynlig at en parametrisk test fører til avvisning av nullhypotesen.
Single sample t-Student tests
En enkelt-utvalg Students kvotient er en statistisk prosedyre som brukes for å bestemme om et utvalg av observasjoner kan genereres av en prosess med et spesielt gjennomsnitt. Anta at gjennomsnittsverdien til den betraktede funksjonen Mхer forskjellig fra en viss kjent verdi av A. Dette betyr at vi kan gi hypoteser til H0 og H1. Ved hjelp av den t-empiriske formelen for ett utvalg kan vi sjekke hvilken av disse hypotesene vi har antatt er riktige.
Formelen for den empiriske verdien av studentens t-test:
Student-t-tester for uavhengige prøver
Den uavhengige studentens kvotient er bruken av den når to separate sett med uavhengige og likt fordelte prøver oppnås, ett fra hver av de to sammenligningene som sammenlignes. Med en uavhengig forutsetning antas det at medlemmene av de to prøvene ikke vil danne et par korrelerte funksjonsverdier. Anta for eksempel at vi evaluerer effekten av en medisinsk behandling og registrerer 100 pasienter i studien vår, og deretter tildeler vi 50 pasienter tilfeldig til behandlingsgruppen og 50 til kontrollgruppen. I dette tilfellet har vi to uavhengige prøver, henholdsvis, vi kan formulere de statistiske hypotesene H0 og H1og teste dem ved å bruke formlene gitt til oss.
Formler for den empiriske verdien av studentens t-test:
Formel 1 kan brukes for omtrentlige beregninger, for prøver nært antall, og formel 2 for nøyaktige beregninger, når utvalg avviker markant i antall.
T-Studenttest for avhengige prøver
Parrede t-tester består vanligvis av matchende par av de samme enhetene elleren gruppe enheter som ble dobbelttestet ("re-measurement" t-testen). Når vi har avhengige utvalg eller to dataserier som er positivt korrelert med hverandre, kan vi henholdsvis formulere de statistiske hypotesene H0 og H1og sjekk dem ved å bruke formelen gitt til oss for den empiriske verdien av studentens t-test.
For eksempel blir forsøkspersoner testet før behandling for høyt blodtrykk og testet igjen etter behandling med et blodtrykkssenkende medikament. Ved å sammenligne de samme pasientskårene før og etter behandling, bruker vi hver enkelt som vår egen kontroll.
Riktig avvisning av nullhypotesen kan dermed bli mye mer sannsynlig, med statistisk styrke som øker ganske enkelt fordi tilfeldig variasjon mellom pasienter nå er eliminert. Vær imidlertid oppmerksom på at økningen i statistisk kraft kommer ved evaluering: flere tester kreves, hvert emne må dobbeltsjekkes.
Konklusjon
En form for hypotesetesting, Studentens kvotient er bare ett av mange alternativer som brukes til dette formålet. Statistikere bør i tillegg bruke andre metoder enn t-testen for å undersøke flere variabler med større utvalgsstørrelser.
