Espero que não seja muito básico:
Entendo que usamos testes em pares em situações em que, por exemplo, , o mesmo assunto é rastreado antes e depois de um experimento / tratamento, por exemplo, antes e depois que o paciente recebe um medicamento.
Mas há casos que não são descritos neste formato, então eu gostaria para saber se a dependência de eventos testados é suficiente para usar testes emparelhados. Especificamente, estou pensando nesses 2 experimentos:
1) Estamos testando os tempos de estacionamento para carros C1, C2 de marcas diferentes; queremos ver se os tempos médios de estacionamento são iguais.
Temos 10 pessoas no estacionamento C1 e medimos os tempos de estacionamento para cada uma, calculamos a média $ \ mu_1 $ de todos os tempos de estacionamento. Temos então as mesmas 10 pessoas estacionando o carro C2 no mesmo local que C1, medimos os tempos de estacionamento e calculamos a média $ \ mu_2 $ . Uma vez que os trabalhos de estacionamento são realizados a cada vez pelo mesmo grupo, usamos o teste t pareado para testar se $ \ mu_1 = \ mu_2 $ (em uma determinada escolha de confiança), pois / porque os dois tempos estão correlacionados?
2) Queremos testar se os membros direito e esquerdo têm o mesmo comprimento. Usamos testes em pares se os membros forem medidos na mesma pessoa, porque as medições provavelmente estão correlacionadas? E se em alguns casos medíssemos apenas um membro em uma pessoa e o membro esquerdo em outra ou medíssemos apenas um membro por pessoa, não usaríamos o teste de pares? Obrigado.
Resposta
Em geral, você usaria um $ t $ pareado -teste quando houver variação entre as observações que são compartilhadas (e combináveis) entre as duas amostras.
Então, em seu exemplo nº 1, sim: use uma matemática $ t $ -teste uma vez que os motoristas individuais têm habilidades diferentes e emparelhar cada motorista com eles próprios deve estimar melhor se há uma diferença no estacionamento C1 versus C2.
Você também pode faça um teste emparelhado se você tiver drivers com experiências variadas representados igualmente em ambos os exemplos. Em seguida, você compararia os motoristas de C1 e C2 que eram novos motoristas, motoristas com mais experiência e assim por diante (dependendo do seu agrupamento de experiência. Isso é menos do que o ideal claro de comparar cada motorista a eles mesmos, mas já que esperamos que a experiência afetam a capacidade de direção (e, portanto, o tempo de estacionamento), um $ t $ -teste pareado é melhor do que um teste agrupado.
Observe que, se você não pudesse emparelhar as observações 1: 1 para o carro C1 e C2, você poderia fazer um $ t $ -teste estratificado. Isso fica um pouco mais complicado, no entanto, porque você precisa para corrigir diferentes números e variações em cada combinação de carro-grupo. Esta descrição no $ t $ -teste estratificado mostra como a contabilidade fica um pouco envolvida.
Em seu segundo exemplo, você faria bem novamente em usar um $ t $ – teste se você mediu ambos os membros de cada pessoa. vermelho alguns membros esquerdos e alguns membros direitos, você usaria um $ t $ -teste agrupado, a menos que houvesse algum fator que você esperava relacionar à diferença de membro. (Estou tendo dificuldade em imaginar uma configuração em que um $ t $ -teste pareado funcionaria para medir alguns membros esquerdos e alguns membros direitos.)