Remélem, hogy ez nem túl alapvető:
Tudomásul vettük, hogy páros tesztet alkalmaztunk olyan helyzetekben, amikor pl. , ugyanazt az alanyot követik nyomon egy kísérlet / kezelés előtt és után, pl. a beteg gyógyszeres kezelése előtt és után.
De vannak olyan esetek, amelyeket nem ebben a formátumban írtak le, ezért szeretném tudni, hogy a tesztelt események függősége elegendő-e a párosított tesztek használatához. Pontosabban erre a 2 kísérletre gondolok:
1) Különböző gyártmányú C1, C2 típusú autók parkolási idejét teszteljük; szeretnénk megnézni, hogy az átlagos parkolási idő megegyezik-e.
10 emberünk rendelkezik C1 parkolóval, és mindegyikhez mérjük a parkolási időt, kiszámoljuk az átlagot $ \ mu_1 az összes parkolási idő $ . Ezután ugyanaz a 10 ember parkol a C2-es autóval ugyanabban a helyen, mint a C1, megmérjük a parkolási időket, kiszámoljuk az átlag $ \ mu_2 $ értéket. Mivel a parkolási feladatokat minden alkalommal ugyanaz a csoport végzi, akkor a párosított t-Test segítségével teszteljük, hogy $ \ mu_1 = \ mu_2 $ (egy adott magabiztosság), mivel / mert a két idő összefüggésben van?
2) Szeretnénk tesztelni, hogy a jobb és a bal végtagok azonos hosszúságúak-e. Használunk páros tesztet Ha a végtagokat ugyanabban a személyben mérjük, mert a mérési kár valószínűleg összefügg? És ha az esetek egy részében csak egy végtagot mértünk egy személyben, a bal végtagot pedig egy másikban, vagy ha csak egy végtagot mértünk fejenként, akkor nem használtunk pár tesztet? Köszönöm.
Válasz
Általában párosított $ t $ -teszt, ha a megfigyelések között eltérés van, amely megosztott (és egyeztethető) a két minta között.
Tehát az 1. példában igen: használjon párosított $ t $ -teszt, mivel az egyes sofőröknek különböző képességeik vannak, és ha az egyes sofőröket magukkal párosítják, jobban meg kell becsülniük, hogy van-e különbség a C1 parkoló autó és a C2 között.
Azt is megteheti végezzen páros tesztet, ha eltérő mintájú sofőrök voltak mindkét mintában egyenlően képviseltetve. Ezután összehasonlítaná a C1 és C2 vezetőit, akik új sofőrök voltak, több tapasztalattal rendelkező sofőröket, és így tovább (a tapasztalatok csoportosításától függően. Ez kevesebb, mint az a tiszta ideál, hogy összehasonlítsuk az egyes járművezetőket önmagukkal, de mivel tapasztalatra számítunk befolyásolja a vezetési képességet (és így a parkolási időt), a párosított $ t $ -teszt jobb, mint az összevont teszt.
Ne feledje, hogy ha nem tudná párosítsa az észrevételeket 1: 1 arányban a C1 és a C2 autóhoz, ehelyett elvégezhet egy rétegzett $ t $ -tesztet. Ez azonban kissé bonyolultabb lesz, mivel szüksége van hogy minden csoport-autó kombinációban korrigálja a különböző számokat és variációkat. Ez az írás a rétegzett $ t $ -teszten megmutatja, hogy a könyvelés hogyan kapcsolódik be egy kicsit.
A második példában megint jól tenné, ha használna párosított $ t $ -teszt, ha mindkét végtagot minden emberre mérted piros néhány bal és néhány jobb végtagot, akkor használjon összevont $ t $ -tesztet, hacsak nem volt valami olyan tényező, amelyre számított a végtagok különbségéhez. (Nehezen tudom elképzelni egy olyan beállítást, ahol egy párosított $ t $ -teszt néhány bal és néhány jobb végtag mérésére szolgál.)