Żyjemy w czasach, w których informacje można określić matematycznie za pomocą statystyki. Jednak badanie statystyk, jak się wydaje, nie polega po prostu na faktach i liczbach.
Wnioskowanie statystyczne polega na wykorzystaniu statystyk do tworzenia decyzji dotyczących parametrów populacji na podstawie losowego doboru próby. Implementacja wnioskowania statystycznego obejmuje testowanie hipotez i mówi o tym, jak ta procedura jest stosowana przez statystyków, aby po prostu zaakceptować lub odrzucić założenie parametru populacji. W ramach tej metodologii pojawia się temat T-Testów i ich różnych typów, to znaczy jednopróbkowego T-Testu, niezależnego T-Testu i sparowanego T-Testu.
Sparowany test T vs niesparowany test T
Różnica między dwoma terminami statystycznymi Sparowany test t i niesparowany test t polega na tym, że w sparowanych testach t porównujesz różnice między sparowanymi pomiarami, które zostały celowo dopasowane, podczas gdy w niesparowanych testach t mierzysz różnicę między średnie z dwóch próbek, które nie mają naturalnego parowania.
Tabela porównawcza między sparowanym testem T a niesparowanym testem T (w formie tabelarycznej)
| Parametr porównania | Sparowany test T | Niesparowany test T |
|---|---|---|
| Oznaczający | Sparowany test T, znany również jako test T z powtarzanymi próbkami, określa rozróżnienie między dwoma średnimi tego samego podmiotu. | Niesparowane T-Testy, znane również jako niezależne T-Testy lub T-Test ucznia, określają dwie średnie grupy różnych/niepowiązanych przedmiotów. |
| Jednorodność wariancji | W sparowanym teście T wariancja dwóch średnich grup nie jest równa. | W niesparowanym teście T wariancja dwóch średnich grup jest równa. |
| Efekty/wpływy | Sparowane testy T radzą sobie z bardzo drobnymi błędami, ponieważ test jest przeprowadzany tylko między dwiema podobnymi grupami. | Niesparowane testy T mają nieco więcej błędów w porównaniu z sparowanymi testami T, ponieważ eksperymentator byłby dotknięty zmianami między dwoma różnymi podmiotami. |
| Wynik | Sparowane testy T nie muszą zbierać ogromnych ilości danych próbki w celu porównania, co z kolei pozwala zaoszczędzić pieniądze i czas. | Ponieważ niesparowane testy T muszą porównywać środki dwóch niezależnych podmiotów, okazuje się, że jest to nieco bardziej kosztowny i czasochłonny proces. |
Co to jest sparowany test T?
Sparowany test t, zwany dodatkowo testem t skorelowanej pary/testem t dla sparowanej próbki/testem t zależnym, jest procedurą statystyczną, która przeprowadza test na zmiennych zależnych. Test parzysty jest wykonywany na podobnych podmiotach przed przydzieleniem danych, a dwa testy są wykonywane przed i po leczeniu. Na przykład, poprawa uczonych zaobserwowana w teście z języka angielskiego przeprowadzonym na początku i pod koniec roku, wpływ leku przed i po leczeniu na tę samą grupę osób itp.
Hipoteza zerowa dla niezależnego testu t jest taka, że średnie populacji z dwóch różnych grup są równe:
h0: μ1= μ2
Hipoteza alternatywna jest akceptowana po odrzuceniu hipotezy zerowej, co oznacza, że średnie populacji nie są równe
h1: μ1 μ2
Aby odrzucić lub zaakceptować hipotezę zerową, kluczowy jest poziom istotności. Ta konkretna wartość to 0,05.
Założenia:
- Pierwsze założenie dotyczy skali pomiaru – zbierane dane powinny mieć skalę ciągłą lub porządkową.
- Dane powinny być zbierane z losowo wybranej części całej populacji.
- Dane powinny dać w wyniku normalną krzywą rozkładu w kształcie dzwonu. Poziom istotności można określić przy założeniu rozkładu normalnego.
- Należy użyć ogromnej wielkości próbki.
- Wariancja i odchylenia standardowe powinny być równe dla zmiennych zależnych.
Główne różnice między sparowanym a niesparowanym testem T
Wniosek
Każdego dnia ludzie analizują nowe pomysły, osiągają szybkie metody wykonania przydzielonej pracy lub znajdują proste, niezbyt wyrafinowane podejście, aby spróbować zrobić to, co robią najlepiej. Zasadniczym pytaniem jest, czy nowy pomysł jest znacznie lepszy od tego, co pierwotnie mieli na myśli. Te nowe pomysły, które ludzie mają tendencję do wymyślania, są powszechnie nazywane hipotezami. Testowanie tych pomysłów w celu ustalenia, czy jeden będzie działał lepiej niż drugi, nazywa się testowaniem hipotez. To sztuka podejmowania decyzji na podstawie danych.
Powyższy akord zawiera przegląd dwóch terminów statystycznych — sparowanych testów t i niesparowanych testów t. Pomaga nam w szczegółowym badaniu koncepcji niesparowanych testów T i stawia pytanie, na ile korzystne jest decydowanie o prawdopodobieństwie wartości w próbie i czy korzyści przewyższają wady, czy nie, jeśli chodzi o wybierając tę technikę obliczeń.
Zapewnia nam również ogólny zarys koncepcji sparowanych testów-T i pokazuje nam różne pola i przykłady, w których sparowane testy-T są odpowiednio stosowane, założenia, które są konieczne do wcześniejszego przestrzegania oraz wzór, który można zastosować do obliczenia mające na celu zapewnienie znaczenia rozróżnienia między środkami środków podejmowanych dwukrotnie w odniesieniu do tego samego podmiotu.
