Il rapporto parametrico dello studente è

2024 Autore: Angel Austin | [email protected]. Ultima modifica: 2024-01-02 17:49

Una domanda comune quando si confrontano due serie di misurazioni è se utilizzare una procedura di test parametrica o non parametrica. Molto spesso, diversi test parametrici e non parametrici vengono confrontati utilizzando la simulazione, come il test t, il test normale (test parametrici), i livelli di Wilcoxon, i punteggi di van der Walden, ecc. (non parametrici).

I test parametrici presuppongono distribuzioni statistiche sottostanti nei dati. Pertanto, perché il loro risultato sia affidabile, devono essere soddisfatte diverse condizioni della re altà. I test non parametrici non dipendono da alcuna distribuzione. Pertanto, possono essere applicati anche se le condizioni di re altà parametrica non sono soddisfatte. In questo articolo considereremo il metodo parametrico, ovvero il coefficiente di correlazione di Student.

Confronto parametrico dei campioni (t-Studente)

I metodi sono classificati in base a ciò che sappiamo degli argomenti che stiamo analizzando. L'idea di base è che esiste un insieme di parametri fissi che definiscono un modello probabilistico. Tutti i tipi di coefficiente di Student sono metodi parametrici.

Questi sono spesso quei metodi, quando analizzati, vediamo che il soggetto è approssimativamente normale, quindi prima di utilizzare il criterio, dovresti verificare la normalità. Cioè, il posizionamento delle caratteristiche nella tabella di distribuzione dello Studente (in entrambi i campioni) non dovrebbe differire in modo significativo da quella normale e dovrebbe corrispondere o concordare approssimativamente con il parametro specificato. Per una distribuzione normale, ci sono due misure: la media e la deviazione standard.

Il test t dello studente viene applicato quando si verificano le ipotesi. Ti permette di testare l'ipotesi applicabile ai soggetti. L'uso più comune di questo test è verificare se le medie di due campioni sono uguali, ma può essere applicato anche a un singolo campione.

Va aggiunto che il vantaggio di utilizzare un test parametrico invece di uno non parametrico è che il primo avrà più potenza statistica del secondo. In altre parole, è più probabile che un test parametrico porti al rifiuto dell'ipotesi nulla.

Test t-Student a campione singolo

Un quoziente di Student a campione singolo è una procedura statistica utilizzata per determinare se un campione di osservazioni può essere generato da un processo con una media speciale. Supponiamo il valore medio della caratteristica considerata M_хè diverso da un certo valore noto di A. Ciò significa che possiamo ipotizzare H₀ e H_{1. Con l'aiuto della formula t-empirica per un campione, possiamo verificare quale di queste ipotesi che abbiamo assunto è corretta.}

La formula per il valore empirico del test t di Student:

T-test degli studenti per campioni indipendenti

Il quoziente di Student indipendente ne è l'uso quando si ottengono due insiemi separati di campioni indipendenti e equamente distribuiti, uno da ciascuno dei due confronti da confrontare. Con un'ipotesi indipendente, si presume che i membri dei due campioni non formino una coppia di valori di caratteristiche correlati. Ad esempio, supponiamo di valutare l'effetto di un trattamento medico e di arruolare 100 pazienti nel nostro studio, quindi di assegnare casualmente 50 pazienti al gruppo di trattamento e 50 al gruppo di controllo. In questo caso, abbiamo due campioni indipendenti, rispettivamente, possiamo formulare le ipotesi statistiche H₀ e H_{1e testarle usando le formule fornite a noi.}

Formule per il valore empirico del test t di Student:

La formula 1 può essere utilizzata per calcoli approssimativi, per campioni ravvicinati in numero, e la formula 2 per calcoli accurati, quando i campioni differiscono notevolmente nel numero.

T-Test degli studenti per campioni dipendenti

I t-test accoppiati di solito consistono in coppie corrispondenti delle stesse unità oun gruppo di unità che è stato sottoposto a doppio test (il test t di "rimisurazione"). Quando abbiamo campioni dipendenti o due serie di dati che sono positivamente correlati tra loro, possiamo, rispettivamente, formulare le ipotesi statistiche H₀ e H_{1e controllali usando la formula che ci è stata data per il valore empirico del t-test di Student.}

Ad esempio, i soggetti vengono testati prima del trattamento per la pressione alta e testati di nuovo dopo il trattamento con un farmaco per abbassare la pressione sanguigna. Confrontando gli stessi punteggi dei pazienti prima e dopo il trattamento, li usiamo efficacemente come nostro controllo.

Quindi, rifiutare correttamente l'ipotesi nulla può diventare molto più probabile, con un aumento del potere statistico semplicemente perché la variazione casuale tra i pazienti è ora eliminata. Si noti, tuttavia, che l'aumento della potenza statistica deriva dalla valutazione: sono richiesti più test, ogni materia deve essere ricontrollata.

Conclusione

Una forma di verifica delle ipotesi, il quoziente dello studente è solo una delle tante opzioni utilizzate per questo scopo. Gli statistici dovrebbero inoltre utilizzare metodi diversi dal test t per esaminare più variabili con campioni di dimensioni maggiori.