Ri: test tSe le popolazioni non sono normalmente distribuite, il presupposto che il campione significhi potrebbe non essere violato se la dimensione del campione è abbastanza grande. Il Teorema del limite centrale afferma che la somma di N variabili casuali è normalmente distribuita per N di grandi dimensioni. La dimensione N dipende dall'asimmetria della popolazione.
In che modo e in che misura le popolazioni non sono normali?
Ri: test tGrazie,
"In che modo e in che misura le popolazioni non sono normali?"
Per distribuzione della trama e test di Shapiro-Wilk W (alfa = 0,05). Nella figura allegata c'è un esempio della trama e del test per una popolazione.
Ri: test tSenza una definizione operativa di "buone prestazioni" è impossibile rispondere alla tua domanda. Se tutto il resto fallisce, suggerisco uno qualsiasi dei test non parametrici per verificare l'ipotesi per due mezzi della popolazione. In questo modo non è necessario elaborare una definizione di "buona prestazione" e non si è necessariamente legati a ipotesi distributive.
Ri: test tLa curvatura nel normale diagramma quantile suggerisce che c'è un po 'di inclinazione nella popolazione, uno dei motivi per cui la bontà del test di adattamento rifiuta il normale modello di distribuzione. L'inclinazione non è poi così forte, quindi i mezzi di campionamento sono distribuiti approssimativamente normalmente dopo tutto e il test t dovrebbe essere valido.
Ecco un riferimento per stimare la dimensione minima del campione necessaria per assicurare che la somma delle variabili casuali sia normalmente distribuita:
Sugden, RA, et al. (2002) "La regola di Cochran per il campionamento casuale semplice,
J della Royal Statistical Society, Serie B, Metodologia statistica. 62 (4): 787-793.
Ri: test tPuoi anche eseguire il test t con la piattaforma Oneway (adatta Y per X) e quindi avviare la differenza con JMP Pro.
Ri: test tGrazie signor Markbailey per l'attenzione!
Ri: test t, grazie per aver fornito questo interessante riferimento. In base alla tua comprensione di questo articolo, G1 e gamma1 sono la stessa cosa (uguale alla misura di Skewness di Fisher)? Puoi confermare che questa è la stessa statistica calcolata da JMP in "Statistiche riassuntive" (ad esempio in Analizza> Distribuzione)?
Ri: test tNon conosco la risposta, quindi ho cercato. Sto usando le definizioni che ho trovato in a Riferimento di Wikipedia .
Guida di JMP per le statistiche riassuntive fornite dalla piattaforma di distribuzione:
Aiuto SAS / STAT per PROC CALIS:
Fonte di Wikipedia su G1:
Ri: test tgrazie Marco!t-testCiao,
Posso ottenere buone prestazioni nel test t per confronti medi, anche se l'assunzione della normalità è violata? (Questo nel caso del confronto di due popolazioni che hanno un numero simile di osservazioni per ciascuna (n = 41 e n = 42). Ho bisogno di alcuni riferimenti per supportare questo.
Grazie
Adias
