Тест на знаки для совпадающих пар предлагает надежный метод сравнения двух парных образцов, часто на предмет эффектов вмешательства в одну из них. Этот метод очень полезен в ситуациях, когда базовое распределение данных неизвестно. В ходе теста сравниваются две родственные выборки — часто до и после лечения у одних и тех же субъектов — чтобы определить, есть ли существенные различия в их медианных значениях.
Чтобы провести тест знака, мы сначала вычисляем разницу в значении между каждой парой наблюдений. Суть теста заключается в анализе знаков (положительных, отрицательных или нулевых значений) этих различий, а не их величин. Процесс включает в себя подсчет количества положительных и отрицательных знаков, игнорируя любые пары, в которых разница равна нулю, так как они не влияют на заключение теста. В этом случае нулевая гипотеза (H0) утверждает, что медианная разница между подобранными парами равна нулю, что подразумевает отсутствие эффекта от лечения или вмешательства. И наоборот, альтернативная гипотеза (Н1) предполагает, что медианная разница не равна нулю, что указывает на значительный эффект лечения.
Результат теста определяется путем сравнения количества менее частотного знака с критическим значением от заранее определенного уровня значимости, обычно 0,05. Если число меньше или равно критическому значению, результат является статистически значимым, что приводит к отвержению нулевой гипотезы с 95% доверительной вероятностью. Тест на знаки для сопоставленных пар особенно ценен своей простотой и применимостью к небольшим размерам выборки или когда нельзя предположить нормальность распределения, что делает его универсальным инструментом в статистическом анализе.
Рассмотрим данные о скорости хомяков до и после введения стимулятора, который составляет подобранную пару. Как проверить утверждение о том, что стимулятор влияет на скорость хомяка?
Поскольку распределение популяции неизвестно, можно использовать тест знака — непараметрический тест.
Центральная концепция знакового теста заключается в том, что совпадающие пары с равными медианами имеют примерно равное количество положительных и отрицательных знаков.
Во-первых, преобразуйте исходные данные в знаки, вычитая значение второй переменной из первой. После исключения нулей получается восемь знаков: три положительных и пять отрицательных.
Нулевая гипотеза утверждает, что медиана различий равна нулю, в то время как альтернативная гипотеза предполагает обратное.
Поскольку n меньше 25, тестовая статистика x является номером менее частотного знака. Из таблицы видно, что критическое значение равно нулю при уровне значимости 0,05.
Поскольку тестовое статистическое значение не меньше и не равно критическому значению, нет достаточных доказательств, чтобы опровергнуть утверждение о том, что медиана различий равна нулю.
Related Videos
Nonparametric Statistics
697 Просмотры
Nonparametric Statistics
235 Просмотры
Nonparametric Statistics
782 Просмотры
Nonparametric Statistics
122 Просмотры
Nonparametric Statistics
86 Просмотры
Nonparametric Statistics
112 Просмотры
Nonparametric Statistics
113 Просмотры
Nonparametric Statistics
115 Просмотры
Nonparametric Statistics
172 Просмотры
Nonparametric Statistics
600 Просмотры
Nonparametric Statistics
697 Просмотры
Nonparametric Statistics
750 Просмотры
Nonparametric Statistics
655 Просмотры
Nonparametric Statistics
663 Просмотры
Nonparametric Statistics
637 Просмотры
Nonparametric Statistics
213 Просмотры
Nonparametric Statistics
74 Просмотры
Nonparametric Statistics
441 Просмотры
Nonparametric Statistics
178 Просмотры
Nonparametric Statistics
289 Просмотры
Nonparametric Statistics
202 Просмотры
Nonparametric Statistics
309 Просмотры