Չափումների երկու հավաքածու համեմատելիս սովորական հարց է՝ օգտագործել պարամետրային թե ոչ պարամետրային փորձարկման ընթացակարգ: Ամենից հաճախ, մի քանի պարամետրային և ոչ պարամետրական թեստեր համեմատվում են սիմուլյացիայի միջոցով, ինչպիսիք են t-թեստը, նորմալ թեստը (պարամետրական թեստեր), Wilcoxon մակարդակները, վան դեր Ուալդենի միավորները և այլն (ոչ պարամետրիկ):
Պարամետրիկ թեստերը ենթադրում են տվյալների հիմքում ընկած վիճակագրական բաշխումներ: Ուստի դրանց արդյունքը հուսալի լինելու համար պետք է բավարարվեն իրականության մի քանի պայմաններ։ Ոչ պարամետրիկ թեստերը կախված չեն որևէ բաշխումից: Այսպիսով, դրանք կարող են կիրառվել նույնիսկ եթե պարամետրային իրականության պայմանները չեն պահպանվում: Այս հոդվածում մենք կդիտարկենք պարամետրային մեթոդը, այն է՝ Ուսանողի հարաբերակցության գործակիցը։
Նմուշների պարամետրային համեմատություն (t-Student)
Մեթոդները դասակարգվում են՝ ելնելով այն, թե ինչ գիտենք մեր վերլուծվող առարկաների մասին:Հիմնական գաղափարն այն է, որ կա ֆիքսված պարամետրերի մի շարք, որոնք սահմանում են հավանականական մոդելը: Ուսանողի գործակիցների բոլոր տեսակները պարամետրային մեթոդներ են։
Սրանք հաճախ այդ մեթոդներն են, երբ վերլուծելիս տեսնում ենք, որ թեման մոտավորապես նորմալ է, ուստի չափանիշն օգտագործելուց առաջ պետք է ստուգել նորմալությունը: Այսինքն՝ Ուսանողի բաշխման աղյուսակում հատկանիշների տեղադրումը (երկու նմուշներում) էապես չպետք է տարբերվի սովորականից և պետք է համապատասխանի կամ մոտավորապես համաձայնի նշված պարամետրին։ Նորմալ բաշխման համար կան երկու չափումներ՝ միջին և ստանդարտ շեղում:
Վարկածները ստուգելիս կիրառվում է ուսանողի t-թեստը: Այն թույլ է տալիս ստուգել առարկաների համար կիրառելի ենթադրությունը: Այս թեստի ամենատարածված օգտագործումը երկու նմուշների միջինների հավասարության ստուգումն է, բայց այն կարող է կիրառվել նաև մեկ նմուշի վրա:
Ավելացնենք, որ ոչ պարամետրական թեստի փոխարեն պարամետրային թեստի օգտագործման առավելությունն այն է, որ առաջինը կունենա ավելի շատ վիճակագրական հզորություն, քան երկրորդը: Այլ կերպ ասած, պարամետրային թեստն ավելի հավանական է, որ կհանգեցնի զրոյական վարկածի մերժմանը:
Մեկ նմուշ t-Student թեստեր
Աշակերտի մեկ օրինակելի գործակիցը վիճակագրական ընթացակարգ է, որն օգտագործվում է որոշելու համար, թե արդյոք դիտումների նմուշը կարող է առաջանալ հատուկ միջինով գործընթացի միջոցով: Ենթադրենք դիտարկվող հատկանիշի Mх միջին արժեքը-ը տարբերվում է A-ի որոշակի հայտնի արժեքից: Սա նշանակում է, որ մենք կարող ենք վարկած տալ H0 և H1: Մեկ նմուշի t-էմպիրիկ բանաձևի օգնությամբ մենք կարող ենք ստուգել, թե այս վարկածներից որն է ճիշտ:
Student's t-test-ի էմպիրիկ արժեքի բանաձևը՝
Աշակերտական t-թեստեր անկախ նմուշների համար
Անկախ Ուսանողի գործակիցը դրա օգտագործումն է, երբ ստացվում են անկախ և հավասարապես բաշխված նմուշների երկու առանձին խմբեր, որոնցից յուրաքանչյուրը համեմատվում է: Անկախ ենթադրությամբ, ենթադրվում է, որ երկու նմուշների անդամները չեն ձևավորի զույգ փոխկապակցված հատկանիշի արժեքներ: Օրինակ, ենթադրենք, որ մենք գնահատում ենք բժշկական բուժման ազդեցությունը և ընդգրկում ենք 100 հիվանդ մեր ուսումնասիրությանը, այնուհետև պատահականորեն 50 հիվանդի հատկացնում ենք բուժման խմբում և 50-ին՝ վերահսկիչ խմբին: Այս դեպքում մենք համապատասխանաբար ունենք երկու անկախ նմուշ, կարող ենք ձևակերպել H0 և H1վիճակագրական վարկածները և ստուգել դրանք՝ օգտագործելով տրված բանաձևերը. մեզ։
Ուսանողական t-թեստի էմպիրիկ արժեքի բանաձևեր.
Բանաձև 1-ը կարող է օգտագործվել մոտավոր հաշվարկների համար, նմուշների մոտ թվով, իսկ բանաձև 2-ը՝ ճշգրիտ հաշվարկների համար, երբ նմուշները զգալիորեն տարբերվում են թվով:
T-Student թեստ կախյալ նմուշների համար
Զուգակցված t-թեստերը սովորաբար բաղկացած են նույն միավորների համապատասխան զույգերից կամմիավորների մեկ խումբ, որը կրկնակի փորձարկվել է («վերաչափման» t-թեստ): Երբ մենք ունենք կախված նմուշներ կամ տվյալների երկու շարքեր, որոնք դրականորեն փոխկապակցված են միմյանց հետ, մենք կարող ենք համապատասխանաբար ձևակերպել վիճակագրական վարկածները H0 և H1և ստուգեք դրանք՝ օգտագործելով Student's t-test-ի էմպիրիկ արժեքի համար մեզ տրված բանաձևը:
Օրինակ, առարկաները թեստավորվում են արյան բարձր ճնշման համար բուժումից առաջ և նորից թեստավորում են արյան ճնշումն իջեցնող դեղամիջոցով բուժումից հետո: Համեմատելով հիվանդի նույն միավորները բուժումից առաջ և հետո՝ մենք արդյունավետորեն օգտագործում ենք յուրաքանչյուրը որպես մեր սեփական հսկողություն:
Այսպիսով, զրոյական վարկածի ճիշտ մերժումը կարող է շատ ավելի հավանական դառնալ, քանի որ վիճակագրական հզորությունը մեծանում է պարզապես այն պատճառով, որ հիվանդների միջև պատահական տատանումները այժմ վերացվել են: Այնուամենայնիվ, նկատի ունեցեք, որ վիճակագրական հզորության աճը պայմանավորված է գնահատմամբ. ավելի շատ թեստեր են պահանջվում, յուրաքանչյուր առարկա պետք է կրկնակի ստուգվի:
Եզրակացություն
Հիպոթեզի փորձարկման ձև, Ուսանողի գործակիցը միայն այս նպատակով օգտագործվող բազմաթիվ տարբերակներից մեկն է: Վիճակագիրները պետք է լրացուցիչ օգտագործեն այլ մեթոդներ, բացի t-test-ից՝ ավելի մեծ ընտրանքային չափերով ավելի շատ փոփոխականներ ուսումնասիրելու համար:
