83809_fr-FR

liliconcom

Test t apparié

Salut, je veux comparer entre deux traitements : 1) Pas d'engrais et 2) Engrais. Je voulais savoir s'il y avait une augmentation du rendement grâce à l'application d'engrais. Deux blocs parallèles ont été sélectionnés, dans le premier bloc aucun engrais n'a été appliqué tandis que dans le deuxième bloc l'engrais a été appliqué. Quinze échantillons ont été récoltés dans chaque bloc. Je voudrais utiliser le test t apparié et il existe différentes méthodes dans JMP. J'ai pensé utiliser la distribution puis tester les moyens. Ma question est la suivante : l'ajout de la colonne « n » pour « fréquence » est-il correct ? Veuillez expliquer pourquoi ou pourquoi pas. Si j'utilise n comme fréquence dans l'analyse des données, les résultats changent à mesure que le degré de liberté passe de 14 à 29.

 

Re : Test T appariéDivisez la valeur p par 2Re : Test T appariéComment effectuer un test de queue supérieureRe : Test T apparié

Merci

Non le champ n'était pas homogène au sein d'une paire, on le suppose mais cela n'arrive jamais. Parce que le domaine est tellement variable. Donc, dans ce cas, devrions-nous opter pour un test t à 2 échantillons ou un test t apparié.

Re : Test T apparié

Votre description des blocs est jaune et bleue, donc le blocage (paires) n'a pas de sens,

 

Si les plantations de graines coupées et de graines entières ont eu lieu les unes à côté des autres, mais que les 12 bandes sont séparées sur un champ variable, le blocage (paires) a du sens. Le champ est-il homogène au sein d’une paire ? Cette hypothèse est importante.

 

Vous n’avez besoin que des deux colonnes de réponse, CONTROL et WHOLE SEED. Utilisez la plateforme Matched Pairs dans le menu Analyser. Entrez les deux colonnes de données dans le rôle Y dans l'ordre ci-dessus. N'entrez aucune autre colonne de données dans cette analyse.

 

Il semble que vous vous attendiez à un rendement plus élevé pour le traitement des semences entières (hypothèse alternative), un test t apparié à queue supérieure est donc nécessaire.

Re : Test T apparié

Voici comment obtenir la même valeur p dans Fit Y by X avec le même tableau de données empilées pour le maïs de Gosset :

 

 

Re : Test T apparié

Voici un exemple utilisant les données Gosset's Corn de la bibliothèque d'échantillons de données JMP.J'ai ajouté une colonne d'ID de paire, puis empilé les 2 colonnes de rendement (Kiln et Regular) pour obtenir un format de données long.Assurez-vous que la colonne ID de paire comporte un nominal type de modélisation.

 

À partir du modèle d'ajustement :

1. Ajoutez la colonne Rendement comme variable Y, Réponse.

2. Ajoutez les colonnes Traitement et Paire dans la zone Construire les effets du modèle.

3. Sélectionnez (mettez en surbrillance) « Paire » dans la zone Construire les effets du modèle et rendez-le aléatoire en cliquant sur la flèche rouge Attributs > Aléatoire.

 

 

 

Vous verrez que la valeur p pour Yield a la même valeur p que la plateforme Matched Pairs pour les mêmes données dans le format original plus large.

 

 

 

Re : Test T apparié

Field MapField MapCarte du terrain

Salut Mark,

Nous voulions comparer deux types de semences de pommes de terre (plantation de graines coupées ou plantation de graines entières). Les graines coupées sont utilisées comme contrôle, ce qui est une pratique courante. Cet essai a été réalisé dans le champ du producteur. Le champ a été divisé en deux blocs de bandes, le premier bloc (en jaune) a été planté avec des graines témoins (graines coupées) et le deuxième bloc (bleu clair) a été planté avec des graines entières. Ces blocs de bandes sont vraiment longs de 400 pieds. Au total, vingt-quatre échantillons (12 de chaque bloc de bandes) ont été récoltés.Chaque échantillon a été récolté dans une parcelle en rangs de 10 pieds de long et converti le rendement en CWT par acre. La variation sur le terrain était énorme. L'essai a été réalisé dans le champ du producteur. Nous n’avons donc pas pu randomiser les traitements. J'ai analysé les données en utilisant le t apparié avec la distribution et la moyenne du test, voir ci-dessous :

 

Ma question:

Je comprends que nous devrions utiliser le test t apparié.

L'un des grands statisticiens a suggéré de créer une fréquence de colonne supplémentaire et de l'utiliser pour l'analyse. J'ai analysé les données avec et sans utiliser la fréquence.

Je voulais savoir quelle méthode est incorrecte et pourquoi ?

Quelle méthode est correcte ?

J'apprécierais votre temps.

Cordialement

 

 

• J'ai créé des colonnes de différence et de fréquence et les deux

 

 

Voir les résultats ci-dessous : Ils sont significatifs P >0,0232

• J'ai créé une colonne de différence et de fréquence mais cette fois je n'ai pas utilisé la colonne de fréquence

Résultats voir ci-dessous : Non significatif P >0,1208

Re : Test T apparié

Veuillez clarifier la base de l'appariement des échantillons. Comment deux échantillons ont-ils été appariés ?

Re : Test T apparié

Merci beaucoup encore,

Désolé, pourriez-vous s'il vous plaît expliquer ce qui suit :

1. Comment utiliser la répétition comme effet aléatoire dans le n°4 ? Pourriez-vous s'il vous plaît l'expliquer en incluant un tableau.   

2. Pourriez-vous inclure un autre tableau expliquant Ajuster Y par X avec la colonne ID de paire comme bloc.

Re : Test T apparié

Dans #4, vous devriez avoir Rep comme effet aléatoire afin d'obtenir un résultat équivalent aux autres méthodes.Il existe en fait un autre moyen, qui consiste à tracer votre colonne Diff dans la plateforme de distribution et à effectuer un test t sur 1 échantillon.Puisqu’ils devraient tous donner la même réponse, on pourrait dire qu’ils sont également bons.La plate-forme Matched Pairs est spécialisée pour ce problème, vous y obtiendrez donc la sortie la plus spécialisée/pertinente dans votre rapport.Cependant, cette plate-forme nécessite que les données soient sous une forme différente du format « long » habituel.Si je veux éviter de diviser ma table pour lui donner la bonne forme, je pourrais simplement utiliser Fit Y by X avec la colonne ID de paire comme bloc, ou Ajuster le modèle avec un effet aléatoire sur la colonne ID de paire.

Re : Test T apparié

Merci beaucoup pour votre réponse rapide. Je comprends que le test t apparié peut être effectué en utilisant les quatre méthodes suivantes : Je me demande si les quatre méthodes sont également bonnes. Si non, lequel est le meilleur et pourquoi ? J'ai obtenu des résultats identiques.

 

1. Analyser > test de distribution-moyenne

2. Analyser des paires adaptées à la modélisation spécialisée

3. Ajuster Y par X > comparer les moyennes > Chaque paire, les étudiants testent un rapport de comparaison détaillé 

4. Ajuster la plateforme Model pour effectuer une ANOVA bidirectionnelle

 

Re : Test T apparié

Non, n'ajoutez pas de colonne de fréquence.Chaque paire représente 1 point de données dans un test t apparié.Un test t apparié est mathématiquement équivalent à un test t à 1 échantillon sur les différences appariées.