Nisbah parametrik pelajar ialah

2024 Pengarang: Angel Austin | [email protected]. Diubah suai terakhir: 2024-01-02 17:53

Soalan biasa apabila membandingkan dua set ukuran ialah sama ada menggunakan prosedur ujian parametrik atau bukan parametrik. Selalunya, beberapa ujian parametrik dan bukan parametrik dibandingkan menggunakan simulasi, seperti ujian-t, ujian normal (ujian parametrik), tahap Wilcoxon, skor van der Walden, dsb. (bukan parametrik).

Ujian parametrik menganggap taburan statistik asas dalam data. Oleh itu, beberapa syarat realiti mesti dipenuhi untuk keputusannya boleh dipercayai. Ujian bukan parametrik tidak bergantung pada sebarang pengedaran. Oleh itu, ia boleh digunakan walaupun syarat realiti parametrik tidak dipenuhi. Dalam artikel ini, kami akan mempertimbangkan kaedah parametrik, iaitu, pekali korelasi Pelajar.

Perbandingan parametrik sampel (t-Pelajar)

Kaedah dikelaskan berdasarkan perkara yang kita ketahui tentang subjek yang kita analisis. Idea asasnya ialah terdapat satu set parameter tetap yang mentakrifkan model kebarangkalian. Semua jenis pekali Pelajar ialah kaedah parametrik.

Ini selalunya kaedah tersebut, apabila dianalisis, kami melihat bahawa subjek adalah lebih kurang normal, jadi sebelum menggunakan kriteria, anda harus menyemak kenormalan. Iaitu, peletakan ciri dalam jadual pengedaran Pelajar (dalam kedua-dua sampel) seharusnya tidak berbeza dengan ketara daripada yang biasa dan harus sepadan atau lebih kurang bersetuju dengan parameter yang ditentukan. Untuk taburan normal, terdapat dua ukuran: min dan sisihan piawai.

ujian-t pelajar digunakan semasa menguji hipotesis. Ia membolehkan anda menguji andaian yang digunakan untuk subjek. Penggunaan paling biasa bagi ujian ini adalah untuk menguji sama ada cara dua sampel adalah sama, tetapi ia juga boleh digunakan pada satu sampel.

Perlu ditambah bahawa kelebihan menggunakan ujian parametrik dan bukannya ujian bukan parametrik ialah ujian pertama akan mempunyai lebih banyak kuasa statistik daripada ujian yang terakhir. Dalam erti kata lain, ujian parametrik lebih berkemungkinan membawa kepada penolakan hipotesis nol.

Sampel tunggal ujian t-Pelajar

Sampel tunggal Hasil bagi pelajar ialah prosedur statistik yang digunakan untuk menentukan sama ada sampel pemerhatian boleh dijana melalui proses dengan min khas. Katakan nilai purata bagi ciri yang dipertimbangkan M_хberbeza daripada nilai A tertentu yang diketahui. Ini bermakna kita boleh membuat hipotesis H₀ dan H_{1. Dengan bantuan formula t-empirikal untuk satu sampel, kami boleh menyemak yang mana antara hipotesis ini yang kami anggap betul.}

Formula untuk nilai empirikal ujian-t Pelajar:

Ujian-t pelajar untuk sampel bebas

Nilai bebas Pelajar ialah penggunaannya apabila dua set berasingan sampel bebas dan teragih sama diperolehi, satu daripada setiap dua perbandingan dibandingkan. Dengan andaian bebas, diandaikan bahawa ahli kedua-dua sampel tidak akan membentuk sepasang nilai ciri berkorelasi. Sebagai contoh, katakan kami menilai kesan rawatan perubatan dan mendaftarkan 100 pesakit dalam kajian kami, kemudian secara rawak menetapkan 50 pesakit kepada kumpulan rawatan dan 50 kepada kumpulan kawalan. Dalam kes ini, kami mempunyai dua sampel bebas, masing-masing, kami boleh merumuskan hipotesis statistik H₀ dan H_{1dan mengujinya menggunakan formula yang diberikan kepada kami.}

Formula untuk nilai empirikal ujian-t Pelajar:

Formula 1 boleh digunakan untuk pengiraan anggaran, untuk sampel yang hampir bilangannya dan formula 2 untuk pengiraan yang tepat, apabila sampel berbeza dengan ketara dalam bilangan.

Ujian T-Pelajar untuk sampel bergantung

Ujian-t berpasangan biasanya terdiri daripada pasangan padanan unit yang sama atausatu kumpulan unit yang telah diuji dua kali (ujian-t "pengukuran semula"). Apabila kita mempunyai sampel bergantung atau dua siri data yang berkorelasi positif antara satu sama lain, kita boleh, masing-masing, merumuskan hipotesis statistik H₀ dan H_{1dan semaknya menggunakan formula yang diberikan kepada kami untuk nilai empirikal ujian-t Pelajar.}

Sebagai contoh, subjek diuji sebelum rawatan untuk tekanan darah tinggi dan diuji semula selepas rawatan dengan ubat penurun tekanan darah. Dengan membandingkan markah pesakit yang sama sebelum dan selepas rawatan, kami menggunakan setiap satu dengan berkesan sebagai kawalan kami sendiri.

Oleh itu, menolak hipotesis nol dengan betul boleh menjadi lebih berkemungkinan besar, dengan kuasa statistik meningkat hanya kerana variasi rawak antara pesakit kini dihapuskan. Walau bagaimanapun, ambil perhatian bahawa peningkatan kuasa statistik datang melalui penilaian: lebih banyak ujian diperlukan, setiap subjek mesti disemak dua kali.

Kesimpulan

Satu bentuk ujian hipotesis, hasil bagi Pelajar hanyalah satu daripada banyak pilihan yang digunakan untuk tujuan ini. Ahli perangkawan juga perlu menggunakan kaedah selain daripada ujian-t untuk memeriksa lebih banyak pembolehubah dengan saiz sampel yang lebih besar.