Pertanyaan umum saat membandingkan dua set pengukuran adalah apakah akan menggunakan prosedur pengujian parametrik atau non-parametrik. Paling sering, beberapa uji parametrik dan non-parametrik dibandingkan dengan menggunakan simulasi, seperti uji-t, uji normal (uji parametrik), level Wilcoxon, skor van der Walden, dll. (non-parametrik).
Tes parametrik mengasumsikan distribusi statistik yang mendasari dalam data. Oleh karena itu, beberapa kondisi realitas harus dipenuhi agar hasilnya dapat diandalkan. Tes nonparametrik tidak bergantung pada distribusi apa pun. Dengan demikian, mereka dapat diterapkan bahkan jika kondisi realitas parametrik tidak terpenuhi. Pada artikel ini, kita akan membahas metode parametrik, yaitu koefisien korelasi Student.
Perbandingan parametrik sampel (t-Student)
Metode diklasifikasikan berdasarkan apa yang kami ketahui tentang subjek yang kami analisis. Ide dasarnya adalah bahwa ada satu set parameter tetap yang mendefinisikan model probabilistik. Semua jenis koefisien Student adalah metode parametrik.
Ini sering kali metode-metode itu, ketika dianalisis, kami melihat bahwa subjeknya mendekati normal, jadi sebelum menggunakan kriteria, Anda harus memeriksa normalitasnya. Artinya, penempatan fitur dalam tabel distribusi Siswa (di kedua sampel) tidak boleh berbeda secara signifikan dari yang normal dan harus sesuai atau kira-kira sesuai dengan parameter yang ditentukan. Untuk distribusi normal, ada dua ukuran: mean dan standar deviasi.
Uji-t siswa diterapkan saat menguji hipotesis. Hal ini memungkinkan Anda untuk menguji asumsi yang berlaku untuk mata pelajaran. Penggunaan paling umum dari tes ini adalah untuk menguji apakah rata-rata dua sampel sama, tetapi juga dapat diterapkan pada satu sampel.
Harus ditambahkan bahwa keuntungan menggunakan uji parametrik daripada uji nonparametrik adalah bahwa yang pertama akan memiliki kekuatan statistik yang lebih besar daripada yang terakhir. Dengan kata lain, uji parametrik lebih cenderung mengarah pada penolakan hipotesis nol.
Tes Siswa-T sampel tunggal
Sampel tunggal Hasil bagi siswa adalah prosedur statistik yang digunakan untuk menentukan apakah sampel pengamatan dapat dihasilkan oleh proses dengan rata-rata khusus. Misalkan nilai rata-rata dari fitur yang dipertimbangkan Mхberbeda dari nilai A tertentu yang diketahui. Ini berarti kita dapat berhipotesis H0 dan H1. Dengan bantuan rumus empiris-t untuk satu sampel, kita dapat memeriksa hipotesis mana yang kita asumsikan benar.
Rumus nilai empiris Uji-t Student:
Student t-test untuk sampel independen
Hasil bagi Student independen adalah penggunaannya ketika dua himpunan terpisah dari sampel independen dan terdistribusi sama diperoleh, satu dari masing-masing dari dua perbandingan yang dibandingkan. Dengan asumsi independen, diasumsikan bahwa anggota dari dua sampel tidak akan membentuk pasangan nilai fitur yang berkorelasi. Sebagai contoh, misalkan kita mengevaluasi efek pengobatan medis dan mendaftarkan 100 pasien dalam penelitian kami, kemudian secara acak menetapkan 50 pasien ke kelompok perlakuan dan 50 ke kelompok kontrol. Dalam hal ini, kami memiliki dua sampel independen, masing-masing, kami dapat merumuskan hipotesis statistik H0 dan H1dan mengujinya menggunakan rumus yang diberikan kepada kami.
Rumus nilai empiris Uji-t Student:
Rumus 1 dapat digunakan untuk perhitungan perkiraan, untuk sampel yang jumlahnya mendekati, dan rumus 2 untuk perhitungan yang akurat, ketika sampel sangat berbeda jumlahnya.
Uji Siswa-T untuk sampel dependen
Tes-t berpasangan biasanya terdiri dari pasangan yang cocok dari unit yang sama atausatu kelompok unit yang diuji ganda (uji-t "pengukuran ulang"). Ketika kita memiliki sampel dependen atau dua seri data yang berkorelasi positif satu sama lain, kita masing-masing dapat merumuskan hipotesis statistik H0 dan H1dan periksa dengan menggunakan rumus yang diberikan kepada kita untuk nilai empiris uji-t Student.
Misalnya, subjek diuji sebelum pengobatan tekanan darah tinggi dan diuji lagi setelah pengobatan dengan obat penurun tekanan darah. Dengan membandingkan skor pasien yang sama sebelum dan sesudah perawatan, kami secara efektif menggunakan masing-masing skor sebagai kontrol kami sendiri.
Dengan demikian, penolakan hipotesis nol dengan benar dapat menjadi jauh lebih mungkin, dengan kekuatan statistik meningkat hanya karena variasi acak antara pasien sekarang dihilangkan. Namun, perhatikan bahwa peningkatan kekuatan statistik datang dengan evaluasi: lebih banyak tes diperlukan, setiap mata pelajaran harus diperiksa ulang.
Kesimpulan
Sebuah bentuk pengujian hipotesis, hasil bagi Siswa hanyalah salah satu dari banyak opsi yang digunakan untuk tujuan ini. Ahli statistik juga harus menggunakan metode selain uji-t untuk memeriksa lebih banyak variabel dengan ukuran sampel yang lebih besar.
