Sper că acest lucru nu este prea de bază:
Înțeleg că am folosit teste asociate în situații în care, de ex. , același subiect este urmărit înainte și după – un experiment / tratament, de exemplu, înainte și după ce pacientul primește un medicament.
Dar există cazuri care nu sunt descrise în acest format, așa că aș dori pentru a ști dacă dependența de evenimentele testate este suficientă pentru a utiliza teste pereche. Mai exact, mă gândesc la aceste 2 experimente:
1) Testăm timpul de parcare pentru mașinile C1, C2 de diferite mărci; vrem să vedem dacă timpul mediu de parcare este egal.
Avem 10 persoane care parcează mașina C1 și măsurăm timpii de parcare pentru fiecare, calculăm media $ \ mu_1 $ din toate orele de parcare. Apoi avem aceleași 10 persoane care parchează mașina C2 în același loc ca C1, măsurăm timpii de parcare, calculăm media $ \ mu_2 $ . Deoarece lucrările de parcare sunt realizate de fiecare dată de același grup, vom folosi apoi t-Test asociat pentru a testa dacă $ \ mu_1 = \ mu_2 $ (la o anumită alegere de încredere), deoarece / deoarece cele două ori sunt corelate?
2) Vrem să testăm dacă membrele dreapta și stânga sunt de lungime egală. Folosim teste pereche Dacă membrele sunt măsurate la aceeași persoană, deoarece măsurile de măsurare sunt probabil corelate? Și dacă unele dintre cazuri am măsura doar un singur membru la o persoană și lăsam un membru la altul sau am măsura doar un membru pe persoană, nu am folosi testarea pereche? Mulțumesc.
Răspuns
În general, ați folosi un $ t $ asociat -test atunci când există variații între observații care sunt partajate (și corelate) între cele două eșantioane.
Deci, în exemplul dvs. nr. 1, da: utilizați un $ t $ -test, deoarece șoferii individuali au abilități diferite și asocierea fiecărui șofer cu ei înșiși ar trebui să estimeze mai bine dacă există o diferență în parcarea mașinii C1 față de C2.
De asemenea, ați putea faceți un test asociat dacă ați avut șoferi cu experiență diferită reprezentate în mod egal în ambele probe. Apoi, veți compara driverele C1 și C2 care erau driverele noi, driverele cu mai multă experiență și așa mai departe (în funcție de gruparea dvs. de experiență. Aceasta este mai puțin decât idealul curat de a compara fiecare driver cu el însuși, dar din moment ce ne așteptăm ca experiența să afectează capacitatea de conducere (și, prin urmare, timpul de parcare), un test de $ t $ asociat este mai bun decât un test combinat.
Rețineți că, dacă nu ați putea împerecheați observațiile 1: 1 pentru mașina C1 și C2, puteți face în schimb un test de $ t $ . Totuși, acest lucru devine puțin mai complicat, deoarece aveți nevoie pentru a corecta diferitele numere și variații din fiecare combinație de grup-mașină. Această redactare pe $ t $ -test arată cum se implică un pic contabilitatea.
În al doilea exemplu, ați face din nou bine să utilizați un $ t $ -test dacă ai măsurat ambele membre pe fiecare persoană. Dacă ai măsurat roșu unele membre stângi și unele membre drepte, ați folosi un test