Uobičajeno pitanje prilikom poređenja dva seta mjerenja je da li koristiti parametarsku ili neparametarsku proceduru testiranja. Najčešće se nekoliko parametarskih i neparametarskih testova upoređuje korištenjem simulacije, kao što je t-test, normalni test (parametarski testovi), Wilcoxon nivoi, van der Walden rezultati, itd. (neparametarski).
Parametarski testovi pretpostavljaju osnovne statističke distribucije u podacima. Stoga, nekoliko uslova realnosti mora biti zadovoljeno da bi njihov rezultat bio pouzdan. Neparametarski testovi ne ovise ni o kakvoj distribuciji. Stoga se mogu primijeniti čak i ako nisu ispunjeni uvjeti parametarske stvarnosti. U ovom članku ćemo razmotriti parametarsku metodu, odnosno Studentov koeficijent korelacije.
Parametrijsko poređenje uzoraka (t-Student)
Metode su klasifikovane na osnovu onoga što znamo o temama koje analiziramo. Osnovna ideja je da postoji skup fiksnih parametara koji definiraju vjerovatnostni model. Sve vrste Studentovog koeficijenta su parametarske metode.
To su često one metode, kada se analiziraju, vidimo da je subjekt približno normalan, tako da prije korištenja kriterija treba provjeriti normalnost. Odnosno, položaj karakteristika u Studentovoj tabeli raspodele (u oba uzorka) ne bi trebalo da se značajno razlikuje od normalnog i trebalo bi da odgovara ili približno da se slaže sa navedenim parametrom. Za normalnu distribuciju, postoje dvije mjere: srednja vrijednost i standardna devijacija.
Studentov t-test se primjenjuje prilikom testiranja hipoteza. Omogućava vam da testirate pretpostavku koja je primjenjiva na subjekte. Najčešća upotreba ovog testa je testiranje da li su srednje vrijednosti dva uzorka jednake, ali se može primijeniti i na jedan uzorak.
Treba dodati da je prednost korištenja parametarskog testa umjesto neparametarskog u tome što će prvi imati veću statističku moć od drugog. Drugim riječima, vjerojatnije je da će parametarski test dovesti do odbacivanja nulte hipoteze.
Pojedinačni uzorak t-Studentski testovi
Studentov količnik jednog uzorka je statistička procedura koja se koristi za određivanje da li uzorak zapažanja može biti generisan procesom sa posebnom srednjom vrednošću. Pretpostavimo da je prosječna vrijednost razmatrane karakteristike Mh se razlikuje od određene poznate vrijednosti A. To znači da možemo pretpostaviti H0 i H1. Uz pomoć t-empirijske formule za jedan uzorak možemo provjeriti za koju od ovih hipoteza smo pretpostavili da je tačna.
Formula za empirijsku vrijednost Studentovog t-testa:
T-testovi učenika za nezavisne uzorke
Nezavisni Studentov količnik je njegova upotreba kada se dobiju dva odvojena skupa nezavisnih i jednako raspoređenih uzoraka, po jedan iz svakog od dva poređenja koja se porede. Uz nezavisnu pretpostavku, pretpostavlja se da članovi dva uzorka neće formirati par koreliranih vrijednosti karakteristika. Na primjer, pretpostavimo da procijenimo učinak medicinskog tretmana i upišemo 100 pacijenata u našu studiju, a zatim nasumično dodijelimo 50 pacijenata u terapijsku grupu i 50 u kontrolnu grupu. U ovom slučaju imamo dva nezavisna uzorka, odnosno možemo formulisati statističke hipoteze H0 i H1i testirati ih koristeći date formule nama.
Formule za empirijsku vrijednost Studentovog t-testa:
Formula 1 se može koristiti za približne proračune, za uzorke bliske po broju, a formula 2 za tačne proračune, kada se uzorci značajno razlikuju po broju.
T-Student test za zavisne uzorke
Upareni t-testovi se obično sastoje od podudarnih parova istih jedinica ilijedna grupa jedinica koja je dvostruko testirana (t-test "ponovnog mjerenja"). Kada imamo zavisne uzorke ili dvije serije podataka koje su međusobno pozitivno povezane, možemo, respektivno, formulirati statističke hipoteze H0 i H1i provjerite ih koristeći formulu koja nam je data za empirijsku vrijednost Studentovog t-testa.
Na primjer, subjekti se testiraju prije tretmana za visok krvni tlak i ponovo se testiraju nakon liječenja lijekom za snižavanje krvnog tlaka. Upoređivanjem istih rezultata pacijenata prije i nakon tretmana, mi efektivno koristimo svaki od njih kao vlastitu kontrolu.
Dakle, ispravno odbacivanje nulte hipoteze može postati mnogo vjerojatnije, uz povećanje statističke moći jednostavno zato što su nasumične varijacije između pacijenata sada eliminirane. Imajte na umu, međutim, da povećanje statističke moći dolazi procjenom: potrebno je više testova, svaki subjekt se mora još jednom provjeriti.
Zaključak
Oblik testiranja hipoteze, Studentov količnik je samo jedna od mnogih opcija koje se koriste u ovu svrhu. Statističari bi dodatno trebali koristiti druge metode osim t-testa kako bi ispitali više varijabli sa većim veličinama uzorka.
