Ang karaniwang tanong kapag naghahambing ng dalawang hanay ng mga sukat ay kung gagamit ng parametric o non-parametric na pamamaraan ng pagsubok. Kadalasan, maraming parametric at non-parametric na pagsusulit ang inihahambing gamit ang simulation, gaya ng t-test, normal na pagsubok (parametric test), Wilcoxon level, van der Walden score, atbp. (non-parametric).
Ang parametric na pagsubok ay ipinapalagay ang pinagbabatayan ng mga distribusyon ng istatistika sa data. Samakatuwid, maraming mga kondisyon ng realidad ang dapat matugunan para maging maaasahan ang kanilang resulta. Ang mga nonparametric na pagsusulit ay hindi nakadepende sa anumang pamamahagi. Kaya, maaari silang mailapat kahit na ang mga kondisyon ng parametric na katotohanan ay hindi natutugunan. Sa artikulong ito, isasaalang-alang natin ang parametric na paraan, ibig sabihin, ang koepisyent ng ugnayan ng Mag-aaral.
Parametric na paghahambing ng mga sample (t-Student)
Ang mga pamamaraan ay inuri batay sa nalalaman natin tungkol sa mga paksang ating sinusuri. Ang pangunahing ideya ay mayroong isang set ng mga nakapirming parameter na tumutukoy sa isang probabilistikong modelo. Ang lahat ng uri ng student's coefficient ay parametric na pamamaraan.
Ito ang madalas na mga pamamaraan, kapag sinusuri, makikita natin na ang paksa ay humigit-kumulang normal, kaya bago gamitin ang pamantayan, dapat mong suriin ang normalidad. Ibig sabihin, ang paglalagay ng mga feature sa talahanayan ng pamamahagi ng Mag-aaral (sa parehong mga sample) ay hindi dapat magkaiba nang malaki mula sa normal at dapat na tumutugma o humigit-kumulang sumasang-ayon sa tinukoy na parameter. Para sa normal na distribusyon, mayroong dalawang sukat: ang mean at ang standard deviation.
Ang t-test ng mag-aaral ay inilalapat kapag sinusubukan ang mga hypotheses. Binibigyang-daan ka nitong subukan ang palagay na naaangkop sa mga paksa. Ang pinakakaraniwang paggamit ng pagsubok na ito ay upang subukan kung ang paraan ng dalawang sample ay pantay, ngunit maaari rin itong ilapat sa isang sample.
Dapat idagdag na ang bentahe ng paggamit ng parametric test sa halip na nonparametric ay ang una ay magkakaroon ng higit pang istatistikal na kapangyarihan kaysa sa huli. Sa madaling salita, ang isang parametric test ay mas malamang na humantong sa pagtanggi sa null hypothesis.
Single sample t-Student test
Ang single-sample Student's quotient ay isang istatistikal na pamamaraan na ginagamit upang matukoy kung ang isang sample ng mga obserbasyon ay maaaring mabuo ng isang proseso na may espesyal na mean. Ipagpalagay na ang average na halaga ng itinuturing na feature na MхAng ay iba sa isang tiyak na kilalang halaga ng A. Nangangahulugan ito na maaari nating i-hypothesize ang H0 at H1. Sa tulong ng t-empirical formula para sa isang sample, masusuri namin kung alin sa mga hypotheses na ito ang ipinapalagay namin na tama.
Ang formula para sa empirical na halaga ng t-test ng Mag-aaral:
Mga t-test ng mag-aaral para sa mga independiyenteng sample
Ang quotient ng independiyenteng Mag-aaral ay ang paggamit nito kapag nakuha ang dalawang magkahiwalay na hanay ng mga independyente at pantay na distributed na sample, isa mula sa bawat isa sa dalawang paghahambing na inihahambing. Sa isang independiyenteng pagpapalagay, ipinapalagay na ang mga miyembro ng dalawang sample ay hindi bubuo ng isang pares ng mga nauugnay na halaga ng tampok. Halimbawa, ipagpalagay na sinusuri namin ang epekto ng isang medikal na paggamot at nag-enroll ng 100 mga pasyente sa aming pag-aaral, pagkatapos ay random na magtalaga ng 50 mga pasyente sa grupo ng paggamot at 50 sa control group. Sa kasong ito, mayroon kaming dalawang independiyenteng sample, ayon sa pagkakabanggit, maaari naming bumalangkas ng mga istatistikal na hypotheses H0 at H1at subukan ang mga ito gamit ang mga formula na ibinigay sa amin.
Mga formula para sa empirical na halaga ng t-test ng Mag-aaral:
Maaaring gamitin ang Formula 1 para sa tinatayang mga kalkulasyon, para sa mga sample na malapit sa bilang, at formula 2 para sa tumpak na mga kalkulasyon, kapag ang mga sample ay naiiba sa bilang.
T-Student test para sa mga dependent sample
Ang mga ipinares na t-test ay karaniwang binubuo ng magkatugmang mga pares ng parehong unit oisang pangkat ng mga yunit na na-double-tested (ang "re-measurement" t-test). Kapag mayroon kaming mga dependent na sample o dalawang serye ng data na positibong nauugnay sa isa't isa, maaari naming, ayon sa pagkakabanggit, bumalangkas ng mga istatistikal na hypotheses H0 at H1at suriin ang mga ito gamit ang formula na ibinigay sa amin para sa empirical na halaga ng t-test ng Mag-aaral.
Halimbawa, ang mga paksa ay sinusuri bago ang paggamot para sa mataas na presyon ng dugo at muling sinusuri pagkatapos ng paggamot na may gamot na pampababa ng presyon ng dugo. Sa pamamagitan ng paghahambing ng parehong mga marka ng pasyente bago at pagkatapos ng paggamot, epektibo naming ginagamit ang bawat isa bilang aming sariling kontrol.
Kaya, ang wastong pagtanggi sa null hypothesis ay maaaring maging mas malamang, na may statistical power na tumataas dahil lang sa random variation sa pagitan ng mga pasyente ay inalis na ngayon. Tandaan, gayunpaman, na ang pagtaas ng istatistikal na kapangyarihan ay dulot ng pagsusuri: higit pang mga pagsusulit ang kinakailangan, ang bawat paksa ay dapat na i-double check.
Konklusyon
Isang paraan ng pagsusuri sa hypothesis, ang quotient ng Estudyante ay isa lamang sa maraming opsyong ginagamit para sa layuning ito. Dapat ding gumamit ang mga statistician ng mga pamamaraan maliban sa t-test upang suriin ang higit pang mga variable na may mas malalaking sample size.
