Degrés de liberté sans fondementJe fais un test t pour échantillon indépendant et j'ai rencontré un problème avec les degrés de liberté. Ce que j'aimerais faire, c'est utiliser le sol (13 dans l'analyse ci-jointe), et non les non arrondis (13.65148), df , pour calculer l'intervalle de confiance et p valeur. Y at-il un paramètre que je peux changer dans JMP afin qu’il utilise le sol de la df ? Je vous remercie.
Re: Degrés de liberté non arrondisJe vous remercie. J'ai fait une table qui donne la p et intervalle de confiance à partir des valeurs données. Mon professeur pour cette classe préfère arrondir le df , comme il s’agit d’un cours d’introduction et que nous effectuons de nombreux calculs à la main, puis recherchons la valeur dans un tableau avec uniquement des entiers pour df .
Re: Degrés de liberté non arrondisVous avez deux choix. Tout d’abord, vous pouvez utiliser la fonction intégrée pour calculer votre test t. Utilisez le t quantile (p, df) fonctionner dans une formule de colonne ou dans un script. Tronquer le FD est plus conservateur, mais cela me semble arbitraire. Deuxièmement, vous pouvez simplement utiliser un alpha différent. Cliquez sur le triangle rouge en regard de Oneway et sélectionnez un nouveau niveau de signification pour calculer les intervalles de confiance. Bien entendu, vous pouvez appliquer une nouvelle valeur alpha à votre décision en fonction de la valeur p donnée sans modification. Cela me semble préférable, car vous savez à quel point le nouveau test t est conservateur.
Re: Degrés de liberté non arrondisMerci pour votre réponse. Je devrais cependant préciser que je suppose une variance inégale entre les deux populations, donc je ne pense pas que la variance regroupée soit correcte ici. Pour être plus conservateur, je voudrais que JMP utilise le plancher de la df dans les calculs pour un test t non groupé. Est-ce possible?
Re: Degrés de liberté non arrondisJe crois que les degrés de liberté fractionnaires de l’erreur se produisent lorsque vous utilisez la version sans pool du t tester. Ceci est correct pour ce cas. Le pool t test ne corrige pas le FD pour l'erreur et est correct si l'hypothèse de variance égale est valide.
