Elevens parametriska förhållande är

2024 Författare: Angel Austin | [email protected]. Senast ändrad: 2024-01-02 17:56

En vanlig fråga när man jämför två uppsättningar mätningar är om man ska använda en parametrisk eller icke-parametrisk testprocedur. Oftast jämförs flera parametriska och icke-parametriska tester med hjälp av simulering, såsom t-test, norm altest (parametriska test), Wilcoxon-nivåer, van der Walden-poäng, etc. (icke-parametriska).

Parametriska tester antar underliggande statistiska fördelningar i data. Därför måste flera verklighetsvillkor vara uppfyllda för att deras resultat ska vara tillförlitligt. Icke-parametriska tester är inte beroende av någon distribution. De kan alltså tillämpas även om de parametriska verklighetsvillkoren inte är uppfyllda. I den här artikeln kommer vi att överväga den parametriska metoden, nämligen elevens korrelationskoefficient.

Parametrisk jämförelse av prover (t-Student)

Metoder klassificeras utifrån vad vi vet om de ämnen vi analyserar. Grundtanken är att det finns en uppsättning fasta parametrar som definierar en probabilistisk modell. Alla typer av studentkoefficienter är parametriska metoder.

Det är ofta dessa metoder, när vi analyserar ser vi att ämnet är ungefär norm alt, så innan du använder kriteriet bör du kontrollera om det är norm alt. Det vill säga placeringen av funktioner i studentens distributionstabell (i båda proverna) bör inte skilja sig signifikant från den normala och bör motsvara eller ungefär överensstämma med den angivna parametern. För en normalfördelning finns det två mått: medelvärdet och standardavvikelsen.

Elevens t-test tillämpas vid testning av hypoteser. Det låter dig testa antagandet som gäller för ämnena. Den vanligaste användningen av detta test är att testa om medelvärdet för två sampel är lika, men det kan också tillämpas på ett enstaka prov.

Det bör tilläggas att fördelen med att använda ett parametriskt test istället för ett icke-parametriskt är att det förra kommer att ha mer statistisk kraft än det senare. Med andra ord är det mer sannolikt att ett parametriskt test leder till att nollhypotesen förkastas.

Single sample t-Student tests

En enskild elevs kvot är en statistisk procedur som används för att avgöra om ett urval av observationer kan genereras av en process med ett speciellt medelvärde. Antag att det genomsnittliga värdet för den betraktade egenskapen M_х skiljer sig från ett visst känt värde på A. Det betyder att vi kan anta hypotesen H₀ och H_{1. Med hjälp av den t-empiriska formeln för ett urval kan vi kontrollera vilken av dessa hypoteser vi har antagit är korrekt.}

Formeln för det empiriska värdet av Students t-test:

Student-t-tester för oberoende prov

Den oberoende studentens kvot är användningen av den när två separata uppsättningar av oberoende och jämnt fördelade prov erhålls, en från var och en av de två jämförelserna som jämförs. Med ett oberoende antagande antas det att medlemmarna i de två proven inte kommer att bilda ett par av korrelerade egenskapsvärden. Anta till exempel att vi utvärderar effekten av en medicinsk behandling och registrerar 100 patienter i vår studie, och sedan slumpmässigt tilldelar 50 patienter till behandlingsgruppen och 50 till kontrollgruppen. I det här fallet har vi två oberoende stickprov, vi kan formulera de statistiska hypoteserna H₀ och H_{1och testa dem med formlerna som ges till oss.}

Formler för det empiriska värdet av Students t-test:

Formel 1 kan användas för ungefärliga beräkningar, för prover nära i antal, och formel 2 för korrekta beräkningar, när prover skiljer sig markant i antal.

T-Studenttest för beroende sampel

Parade t-test består vanligtvis av matchande par av samma enheter elleren grupp enheter som dubbeltestades (t-testet för "ommätning"). När vi har beroende sampel eller två dataserier som är positivt korrelerade med varandra kan vi formulera de statistiska hypoteserna H₀ och H_{1och kontrollera dem med hjälp av formeln som vi fått för det empiriska värdet av studentens t-test.}

Till exempel testas försökspersoner före behandling för högt blodtryck och testas igen efter behandling med ett blodtryckssänkande läkemedel. Genom att jämföra samma patientpoäng före och efter behandling använder vi var och en som vår egen kontroll.

Att korrekt förkasta nollhypotesen kan alltså bli mycket mer sannolikt, med den statistiska styrkan som ökar helt enkelt för att slumpmässig variation mellan patienter nu elimineras. Observera dock att ökningen av statistisk kraft kommer genom utvärdering: fler tester krävs, varje ämne måste dubbelkollas.

Slutsats

En form av hypotestestning, Studentens kvot är bara ett av många alternativ som används för detta ändamål. Statistiker bör dessutom använda andra metoder än t-testet för att undersöka fler variabler med större urvalsstorlekar.