Jespère que ce nest pas trop basique:
Je comprends que nous avons utilisé des tests appariés dans des situations où, par exemple , le même sujet est suivi avant et après une expérience / un traitement, par exemple, avant et après que le patient reçoive un médicament.
Mais il y a des cas qui ne sont pas décrits dans ce format, alors jaimerais pour savoir si la dépendance des événements testés est suffisante pour utiliser des tests appariés. Plus précisément, je pense à ces 2 expériences:
1) Nous testons les temps de stationnement pour les voitures C1, C2 de marques différentes; nous voulons voir si les temps de stationnement moyens sont égaux.
Nous avons 10 personnes garer la voiture C1 et nous mesurons les temps de stationnement pour chacun, nous calculons la moyenne $ \ mu_1 $ de toutes les heures de stationnement. Nous avons alors les mêmes 10 personnes garer la voiture C2 au même endroit que C1, mesurer les temps de stationnement, calculer la moyenne $ \ mu_2 $ . Étant donné que les tâches de stationnement sont effectuées à chaque fois par le même groupe, utilisons-nous ensuite un test t apparié pour tester si $ \ mu_1 = \ mu_2 $ (à un choix donné de confiance), puisque / parce que les deux temps sont corrélés?
2) Nous voulons tester si les membres droit et gauche sont de longueur égale. Utilisons-nous des tests par paires si les membres sont mesurés chez la même personne, parce que les mesures sont probablement corrélées? Et si dans certains cas, nous ne mesurions quun seul membre chez une personne et un membre gauche chez une autre ou nous ne mesurions quun seul membre par personne, nous nutiliserions pas le test de couple? Merci.
Réponse
En général, vous utiliseriez une paire $ t $ -tester quand il y a une variation entre les observations qui est partagée (et peut être mise en correspondance) entre les deux échantillons.
Donc, dans votre exemple n ° 1, oui: utilisez une paire $ t $ -test puisque les conducteurs individuels ont des capacités différentes et que le jumelage de chaque conducteur avec lui-même devrait mieux estimer sil y a une différence entre la voiture de stationnement C1 et C2.
Vous pouvez également faites un test par paires si vous aviez des conducteurs dexpérience variable représentés de manière égale dans les deux échantillons. Ensuite, vous compareriez les pilotes de C1 et C2 qui étaient de nouveaux pilotes, des pilotes avec plus dexpérience, etc. (en fonction de votre groupe dexpérience. Cest moins que lidéal propre de comparer chaque pilote à lui-même, mais comme nous nous attendons à ce que lexpérience affectent la capacité de conduite (et donc le temps de stationnement) un test $ t $ couplé est meilleur quun test groupé.
Notez que si vous ne pouvez pas associez les observations 1: 1 pour les voitures C1 et C2, vous pouvez à la place faire un $ t $ -test stratifié. Cela devient un peu plus compliqué, cependant, car vous avez besoin pour corriger les différents nombres et variations dans chaque combinaison groupe-voiture. Cet article sur le $ t $ -test stratifié montre comment la comptabilité est un peu impliquée.
Dans votre deuxième exemple, vous feriez à nouveau bien dutiliser une paire $ t $ -tester si vous avez mesuré les deux membres de chaque personne. rouge certains membres gauches et certains membres droits, vous utiliseriez un $ t $ -test groupé à moins que vous nespériez avoir un facteur lié à la différence des membres. (Jai du mal à imaginer une configuration où un $ t $ -test apparié fonctionnerait pour mesurer certains membres gauches et certains membres droits.)