13.3
İşaret Testi'ne Giriş
İşaret testi, eşleştirilmiş çiftleri, nominal verileri veya bir popülasyonun medyanına ilişkin hipotezleri analiz etmek için basit ancak etkili bir yö…
İşaret testi, eşleşen çiftlerden, nominal verilerden veya popülasyon medyanı ile ilgili iddialardan elde edilen basit rastgele veriler hakkındaki iddiaları değerlendirmek için parametrik olmayan bir yöntemdir.
Verileri önceden belirlenmiş varsayımlara dayalı olarak pozitif ve negatif işaretlere dönüştürür ve her bir işaretin toplam sayımlarındaki farkın istatistiksel olarak anlamlı olup olmadığını değerlendirir.
İşaret testinin sıfır hipotezi, popülasyon özelliklerinin iddialarla uyumlu olduğunu öne sürerken, alternatif hipotez bunun tersini önermektedir.
Toplam işaret sayısının 25'i aşmadığı veri kümeleri için, x ile gösterilen test istatistiği, daha az sıklıkta görülen işaretin miktarına karşılık gelir.
Toplamın 25'i aştığı durumlarda, z ile temsil edilen test istatistiği hesaplanır.
Kritik değerleri belirlemek için belirli tablolar kullanılır. Test istatistiği değeri kritik değerden küçük veya ona eşitse sıfır hipotezi reddedilir. Aksi takdirde, sıfır hipotezini reddetmede bir başarısızlık söz konusudur.
View the full transcript and gain access to JoVE Core videos
Q1: What is the sign test and when should you use it?
The sign test is a nonparametric method for evaluating claims about matched pairs, nominal data, or population median assertions. It transforms data into positive and negative signs based on predetermined assumptions and assesses whether the difference in sign counts is statistically significant. This test is particularly valuable when data does not conform to normal distribution requirements.
Q2: How do you assign signs to data in a sign test?
For each pair of observations, compare their values: assign a plus sign if sample A exceeds sample B, a minus sign if sample A is less than sample B, and discard the pair if values are equal. Count the resulting positive and negative signs to proceed with the test. This straightforward approach avoids assumptions about data distribution.
Q3: What is the null hypothesis in a sign test?
The null hypothesis proposes that population characteristics align with the claims being tested, such as no difference in medians between two populations. The alternative hypothesis suggests the opposite. If a predominance of one sign over the other emerges, it may indicate a statistically significant effect contradicting the null hypothesis.
Q4: How does sample size affect the sign test statistic calculation?
For datasets with 25 or fewer observations, the test statistic (x) represents the count of the less frequent sign. For larger datasets exceeding 25 observations, a z-score is computed instead. Both approaches facilitate comparison against critical values from statistical tables to determine significance.
Q5: When do you reject the null hypothesis in a sign test?
The null hypothesis is rejected if the test statistic value is less than or equal to the critical value obtained from statistical tables. If the test statistic exceeds the critical value, there is insufficient evidence to reject the null hypothesis, indicating no statistically significant difference.
Q6: What is a practical example of sign test application?
Researchers might employ the sign test to evaluate pre- and post-treatment effects in a medical study, determining whether treatment correlates with improvement (positive sign) or deterioration (negative sign) in patient outcomes. This application demonstrates how the sign test assesses directional changes without requiring distributional assumptions.
Q7: How does the sign test compare to other nonparametric alternatives?
The sign test offers a simpler approach than alternatives like the wilcoxon signed ranks test for matched pairs, which incorporates magnitude information. The sign test focuses solely on direction of change, making it more robust for ordinal data or when exact values are unreliable, though potentially less powerful statistically.