• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Matematik
    Kan du använda ett T-test på rankade data?

    Statistiska tester används för att bestämma huruvida ett hypotesförhållande mellan variabler har statistisk signifikans. Typiskt mäter testet graden till vilken variablerna antingen korrelerar eller skiljer sig. Parametriska tester är de som bygger på variablernas centrala tendenser och antar en normal fördelning. Icke-parametriska test gör inte antaganden om befolkningsfördelningen.

    T-test

    T-testet är ett parametertest som jämför medlen för de berörda proven och populationerna. Det finns flera sorter av t-tester. Ett t-test med ett prov jämför medelvärdet av ett prov med ett hypoteserat medelvärde. Ett oberoende prov t-test tittar på huruvida medelvärdet för två olika prover har liknande värden. Ett parat prov t-test används när det finns två observationer att jämföra för varje ämne i provet. T-testet är utformat för numeriska data som har en normal fördelning.

    Ordinaldata

    Ordinära data är härledda data som beskriver de relativa värdena för varje enhet i provet. Ordinära data av höjder på 10 elever i ett klassrum skulle helt enkelt vara siffrorna 1 till 10, där 1 kan representera den kortaste studenten och 10 kan representera den högsta studenten. Inga elever skulle ha samma värde om de inte hade exakt samma höjd. Åtgärder med central tendens är meningslösa med ordinära data.

    Otillräcklighet av T-test

    T-tester är inte lämpliga att använda med ordinära data. Eftersom ordinaldata inte har någon central tendens, har den heller ingen normal fördelning. Värdena för ordinära data är jämnt fördelade, inte grupperade runt en mittpunkt. På grund av detta skulle ett t-test av ordinära data inte ha någon statistisk betydelse.

    Andra lämpliga test

    Det finns tre tester av statistisk betydelse som är lämpliga att använda med ordinära data. Spearmans rangordning är lämplig att använda när det bara är två variabler, och deras förhållande är monotont, men inte nödvändigtvis linjärt. I monotoniska relationer, som den första variabeln ökar, är det ingen förändring i den andra variabelns riktning. Kruskal-Wallis-testet är utformat för fall där det finns mer än två prover, och data distribueras normalt inte. Det liknar en envägs analys av varians. Friedmananalysen av varians av rader kan användas när det finns tre eller fler observationer av en enda variabel i en enda grupp.

    © Vetenskap https://sv.scienceaq.com