Một câu hỏi thường gặp khi so sánh hai bộ số đo là nên sử dụng quy trình kiểm tra tham số hay không tham số. Thông thường, một số bài kiểm tra tham số và không tham số được so sánh bằng cách sử dụng mô phỏng, chẳng hạn như kiểm tra t, kiểm tra bình thường (kiểm tra tham số), mức Wilcoxon, điểm van der Walden, v.v. (phi tham số).
Kiểm tra tham số giả định các phân phối thống kê cơ bản trong dữ liệu. Do đó, một số điều kiện của thực tế phải được thỏa mãn để kết quả của chúng đáng tin cậy. Các bài kiểm tra phi tham số không phụ thuộc vào bất kỳ phân phối nào. Do đó, chúng có thể được áp dụng ngay cả khi các điều kiện thực tế tham số không được đáp ứng. Trong bài viết này, chúng ta sẽ xem xét phương pháp tham số, cụ thể là hệ số tương quan của Sinh viên.
So sánh tham số của các mẫu (t-Student)
Phương pháp được phân loại dựa trên những gì chúng ta biết về các đối tượng mà chúng ta đang phân tích. Ý tưởng cơ bản là có một tập hợp các tham số cố định xác định một mô hình xác suất. Tất cả các loại hệ số của Student đều là phương pháp tham số.
Đây thường là những phương pháp, khi phân tích ta thấy đối tượng xấp xỉ bình thường, nên trước khi sử dụng tiêu chí, bạn nên kiểm tra tính bình thường. Nghĩa là, vị trí của các đối tượng trong bảng phân phối của Học sinh (trong cả hai mẫu) không được khác biệt đáng kể so với bảng bình thường và phải tương ứng hoặc gần giống với tham số đã chỉ định. Đối với phân phối chuẩn, có hai thước đo: giá trị trung bình và độ lệch chuẩn.
Kiểm tra t của học sinh được áp dụng khi kiểm tra các giả thuyết. Nó cho phép bạn kiểm tra giả định áp dụng cho các đối tượng. Cách sử dụng phổ biến nhất của thử nghiệm này là để kiểm tra xem phương tiện của hai mẫu có bằng nhau hay không, nhưng nó cũng có thể được áp dụng cho một mẫu duy nhất.
Cần phải nói thêm rằng lợi thế của việc sử dụng một bài kiểm tra tham số thay vì một bài kiểm tra phi tham số là cái trước sẽ có sức mạnh thống kê hơn cái sau. Nói cách khác, một bài kiểm tra tham số có nhiều khả năng dẫn đến việc bác bỏ giả thuyết rỗng.
Bài kiểm tra t-Student mẫu đơn
Thương số của sinh viên một mẫu đơn là một thủ tục thống kê được sử dụng để xác định liệu một mẫu quan sát có thể được tạo ra bởi một quá trình có giá trị trung bình đặc biệt hay không. Giả sử giá trị trung bình của đối tượng được xem xét Mх khác với một giá trị đã biết nào đó của A. Điều này có nghĩa là chúng ta có thể đưa ra giả thuyết H0và H1. Với sự trợ giúp của công thức thực nghiệm t cho một mẫu, chúng ta có thể kiểm tra giả thuyết nào trong số những giả thuyết mà chúng ta đã cho là đúng.
Công thức cho giá trị thực nghiệm của bài kiểm tra t của Học sinh:
Bài kiểm tra t của sinh viên cho các mẫu độc lập
Thương số của Sinh viên độc lập là việc sử dụng nó khi thu được hai tập hợp các mẫu độc lập và phân bố đều nhau, một từ mỗi tập hợp trong hai phép so sánh đang được so sánh. Với giả định độc lập, giả định rằng các thành viên của hai mẫu sẽ không tạo thành một cặp giá trị đặc trưng tương quan. Ví dụ: giả sử chúng tôi đánh giá hiệu quả của một phương pháp điều trị y tế và thu nhận 100 bệnh nhân vào nghiên cứu của chúng tôi, sau đó chỉ định ngẫu nhiên 50 bệnh nhân vào nhóm điều trị và 50 bệnh nhân vào nhóm đối chứng. Trong trường hợp này, chúng ta có hai mẫu độc lập, tương ứng, chúng ta có thể hình thành các giả thuyết thống kê H0và H1và kiểm tra chúng bằng các công thức đã cho cho chúng tôi.
Công thức cho giá trị thực nghiệm của bài kiểm tra t của Học sinh:
Công thức 1 có thể được sử dụng để tính toán gần đúng, cho các mẫu gần bằng số và công thức 2 để tính toán chính xác, khi các mẫu khác nhau rõ rệt về số.
T-Student kiểm tra các mẫu phụ thuộc
Phép thử t được ghép đôi thường bao gồm các cặp kết hợp có cùng đơn vị hoặcmột nhóm đơn vị đã được kiểm tra kép (kiểm tra t "đo lại"). Khi chúng ta có các mẫu phụ thuộc hoặc hai chuỗi dữ liệu có tương quan thuận với nhau, tương ứng, chúng ta có thể xây dựng các giả thuyết thống kê H0và H1và kiểm tra chúng bằng cách sử dụng công thức được cung cấp cho chúng tôi để biết giá trị thực nghiệm của bài kiểm tra t của Học sinh.
Ví dụ: các đối tượng được kiểm tra trước khi điều trị huyết áp cao và xét nghiệm lại sau khi điều trị bằng thuốc hạ huyết áp. Bằng cách so sánh điểm số của cùng một bệnh nhân trước và sau khi điều trị, chúng tôi sử dụng một cách hiệu quả từng điểm số như sự kiểm soát của riêng mình.
Vì vậy, việc bác bỏ chính xác giả thuyết vô hiệu có thể trở nên dễ xảy ra hơn nhiều, với sức mạnh thống kê tăng lên chỉ đơn giản là vì sự biến đổi ngẫu nhiên giữa các bệnh nhân hiện đã bị loại bỏ. Tuy nhiên, lưu ý rằng sự gia tăng sức mạnh thống kê đến từ việc đánh giá: cần có nhiều bài kiểm tra hơn, mỗi chủ đề phải được kiểm tra kỹ lưỡng.
Kết
Một hình thức kiểm tra giả thuyết, thương số của Học sinh chỉ là một trong nhiều phương án được sử dụng cho mục đích này. Các nhà thống kê nên sử dụng thêm các phương pháp khác ngoài kiểm định t để kiểm tra nhiều biến hơn với kích thước mẫu lớn hơn.
