83809_it-IT

liliconcom

Test t accoppiato

Salve, vorrei confrontare due trattamenti: 1) Nessun fertilizzante e 2) Fertilizzante. Volevo sapere se c'è un aumento della resa dovuto all'applicazione del fertilizzante. Sono stati selezionati due blocchi paralleli, nel primo blocco non è stato applicato il fertilizzante mentre nel secondo blocco è stato applicato il fertilizzante. Da ciascun blocco sono stati raccolti quindici campioni. Vorrei utilizzare il test t accoppiato e ci sono diversi metodi in JMP. Ho pensato di utilizzare la distribuzione e quindi testare i mezzi. La mia domanda è: aggiungere la colonna "n" per "frequenza" è corretto? Per favore spiega perché o perché no. Se utilizzo n come frequenza nell'analisi dei dati, i risultati cambiano all'aumentare del grado di libertà da 14 a 29.

 

Ri: Test t accoppiatoDividere il valore p per 2Ri: Test t accoppiatoCome eseguire il test della coda superioreRi: Test t accoppiato

Grazie

No il campo non era omogeneo all'interno di una coppia, lo diamo per scontato ma non succede mai. Perché il campo è così variabile. Quindi, in questo caso dovremmo optare per il test t a 2 campioni o il test t accoppiato.

Ri: Test t accoppiato

La descrizione dei blocchi è gialla e blu, quindi il blocco (coppie) non ha senso,

 

Se la semina dei semi tagliati e interi è avvenuta una accanto all'altra, ma le 12 strisce sono separate su un valore variabile, il blocco (coppie) ha senso. Il campo è omogeneo all'interno di una coppia? Questo presupposto è importante.

 

Non sono necessarie altro che le due colonne di risposta, CONTROL e WHOLE SEED. Utilizza la piattaforma Coppie abbinate nel menu Analizza. Inserisci entrambe le colonne di dati nel ruolo Y nell'ordine riportato sopra. Non inserire altre colonne di dati in questa analisi.

 

Sembra che ci si aspetti una resa più elevata per l'intero trattamento del seme (ipotesi alternativa), quindi è richiesto un test t accoppiato con coda superiore.

Ri: Test t accoppiato

Ecco come ottenere lo stesso valore p in Adatta Y per X con la stessa tabella di dati in pila per il mais di Gosset:

 

 

Ri: Test t accoppiato

Ecco un esempio che utilizza i dati del mais di Gosset dalla libreria dei dati di esempio di JMP.Ho aggiunto una colonna ID coppia e quindi ho impilato le 2 colonne di rendimento (Kiln e Regular) per ottenere un formato dati lungo.Assicurati che la colonna ID della coppia abbia a nominale tipo di modellazione.

 

Dal modello adatto:

1. Aggiungere la colonna Rendimento come variabile Y, Risposta.

2. Aggiungere le colonne Trattamento e Coppia nella casella Costruisci effetti modello.

3. Seleziona (evidenzia) "Accoppia" nella casella Effetti modello di costruzione e rendilo casuale facendo clic sulla freccia rossa Attributi > Casuale.

 

 

 

Vedrai che il valore p per Rendimento ha lo stesso valore p della piattaforma Matched Pairs per gli stessi dati nel formato originale più ampio.

 

 

 

Ri: Test t accoppiato

Field MapField MapMappa del campo

Ciao Mark,

Volevamo confrontare due tipi di semi nelle patate (piantare semi tagliati vs piantare semi interi). Il seme tagliato viene utilizzato come controllo, che è una pratica comune. Questa prova è stata condotta presso il campo del coltivatore. Il campo è stato diviso in due blocchi a strisce, nel primo blocco (in giallo) è stato seminato il seme tagliato (seme tagliato) e nel secondo blocco (azzurro) è stato seminato il seme intero. Questi blocchi sono davvero lunghi 400 piedi. In totale sono stati raccolti ventiquattro campioni (12 da ciascun blocco di strip).Ciascun campione è stato raccolto da un appezzamento di filari lunghi 10 piedi e ha convertito la resa in CWT per acro. La variazione del campo era enorme. La prova è stata condotta presso il campo del coltivatore. Quindi, non abbiamo potuto randomizzare i trattamenti. Ho analizzato i dati utilizzando la t accoppiata con distribuzione e media del test, vedi sotto:

 

La mia domanda:

Capisco che dovremmo usare il test t accoppiato.

Uno dei grandi statistici ha suggerito di creare una frequenza di colonna aggiuntiva e di utilizzarla per l'analisi. Ho analizzato i dati con e senza utilizzare la frequenza.

Volevo sapere quale metodo non è corretto e perché?

Quale metodo è corretto?

Apprezzerei il tuo tempo.

Distinti saluti

 

 

• Ho creato colonne di differenza e frequenza ed entrambi

 

 

Vedere i risultati di seguito: Sono significativi P >0,0232

• Ho creato la colonna della differenza e della frequenza ma questa volta non ho utilizzato la colonna della frequenza

I risultati sono riportati di seguito: P non significativo >0,1208

Ri: Test t accoppiato

Si prega di chiarire la base per l'abbinamento dei campioni. Come sono stati accoppiati insieme due campioni?

Ri: Test t accoppiato

Grazie mille ancora,

Scusa, potresti spiegare quanto segue:

1. Come utilizzare la ripetizione come effetto casuale nel punto 4? Potresti spiegarlo includendo una tabella.   

2. Potresti includere un'altra tabella che spiega Adatta Y per X con la colonna ID della coppia come blocco.

Ri: Test t accoppiato

Nel punto 4 dovresti avere Rep come effetto casuale per ottenere un risultato equivalente agli altri metodi.In realtà esiste un altro modo, ovvero tracciare la colonna Diff nella piattaforma di distribuzione ed eseguire un t-test su 1 campione.Dato che dovrebbero dare tutti la stessa risposta, si potrebbe dire che sono ugualmente bravi.La piattaforma Matched Pairs è specializzata per questo problema, quindi otterrai l'output più specializzato/pertinente nel tuo rapporto.Tuttavia, tale piattaforma richiede che i dati abbiano una forma diversa rispetto al solito formato “lungo”.Se voglio evitare di dividere la tabella per ottenerla nella forma giusta, potrei semplicemente utilizzare Adatta Y per X con la colonna ID coppia come blocco o Adatta modello con un effetto casuale sulla colonna ID coppia.

Ri: Test t accoppiato

Grazie mille per la tua rapida risposta Comprendo che il test t accoppiato può essere eseguito utilizzando i seguenti quattro metodi: Mi chiedo se tutti e quattro i metodi siano ugualmente validi. Se no, quale è il migliore e perché? Ho ottenuto risultati identici.

 

1. Analizza > test della media della distribuzione

2. Coppie di modelli abbinati specializzati nell'analisi

3. Adatta Y per X > confronta le medie > Ciascuna coppia, gli studenti t testano un rapporto di confronto dettagliato 

4. Adatta la piattaforma del modello per eseguire un'ANOVA bidirezionale

 

Ri: Test t accoppiato

No, non aggiungere una colonna di frequenza.Ogni coppia è 1 punto dati in un t-test accoppiato.Un t-test accoppiato è matematicamente equivalente a un t-test a 1 campione sulle differenze accoppiate.