これがあまり基本的ではないことを願っています：
たとえば、次のような状況で対応のある検定を使用したことを理解しています。 、同じ被験者が実験/治療の前後、たとえば患者が投薬を受ける前後に追跡されます。
しかし、この形式で説明されていない場合があるので、テストされたイベントの依存関係が対応のあるテストを使用するのに十分であるかどうかを知るため。具体的には、次の2つの実験について考えています。
1）さまざまなメーカーの車C1、C2の駐車時間をテストしています。平均駐車時間が等しいかどうかを確認したいと思います。
10人の駐車車C1があり、それぞれの駐車時間を測定して、平均 $ \ mu_1を計算します。すべての駐車時間の$ 。次に、同じ10人がC1と同じ場所に車C2を駐車し、駐車時間を測定し、平均 $ \ mu_2 $ を計算します。駐車ジョブは毎回同じグループによって実行されるため、対応のあるt検定を使用して、 $ \ mu_1 = \ mu_2 $ （任意の選択肢で）かどうかをテストしますか？自信）、2つの時間が相関しているので？
2）右肢と左肢の長さが等しいかどうかをテストしたいと思います。四肢が同じ人で測定された場合、測定値は相関している可能性が高いため、ペアテストを使用しますか？また、1人の手足を1つだけ測定し、別の人の手足を1つだけ測定した場合や、1人あたり1つの手足だけを測定した場合は、ペアテストを使用しませんでしたか？ありがとう。
回答
通常、ペアの $ t $を使用します。 -2つのサンプル間で共有される（そして一致する）観測値の間に変動があるかどうかをテストします。
したがって、例1では、はい：ペアの $ t $ -個々のドライバーには異なる能力があり、各ドライバーを自分とペアリングすると、駐車中の車C1とC2に違いがあるかどうかをより正確に見積もることができるため、テストします。
さまざまな経験のドライバーが両方のサンプルで等しく表されている場合は、ペアテストを実行します。次に、新しいドライバーであるC1とC2のドライバー、経験の豊富なドライバーなどを比較します（経験のグループによって異なります。これは、各ドライバーを自分自身と比較するという明確な理想よりも劣りますが、経験を期待しているためです。運転能力（したがって駐車時間）に影響を与えるペアの $ t $ -テストはプールされたテストよりも優れています。
できなかった場合は注意してください。車C1とC2の観測値を1：1でペアリングすると、代わりに階層化された $ t $ テストを実行できます。ただし、必要なため、少し複雑になります。各グループカーコンボのさまざまな数とバリエーションを修正するため。階層化された
2番目の例では、ペアの $ t $ -各人の両手足を測定したかどうかをテストします。いくつかの左手足といくつかの右手足を赤くした場合、手足の違いに関連すると予想される何らかの要因がない限り、プールされた $ t $ テストを使用します。 （私は、ペアの $ t $ テストがいくつかの左手足といくつかの右手足を測定するために機能するセットアップを想像するのに苦労しています。）