Ich möchte den Kartoffelertrag zwischen zwei Sorten vergleichen. Diese Sorten werden auf dem Feld nebeneinander gepflanzt. Von jeder Sorte wurden 12 Ertragsproben geerntet.
Ich frage mich, ob ich für die Datenanalyse einen gepaarten t-Test oder einen t-Test mit zwei Stichproben verwenden sollte.
Gepaarter t-Test: Der Freiheitsgrad (df) wäre n-1 (12-1).
T-Test mit zwei Stichproben: Der Freiheitsgrad (df) wäre 2n-2 (24-2).
Ich habe die Daten mit beiden Tests analysiert:
Der gepaarte t-Test zeigte, dass die beiden Sorten statistisch nicht verschieden waren; Wahrscheinlichkeit> ItI 0,1208
T-Test mit zwei Stichproben: zeigte, dass die Sorten statistisch signifikant waren; Wahrscheinlichkeit> ItI 0,0265
Dies zeigt, dass der 2-Stichproben-T-Test statistisch leistungsfähiger ist.
Ich verstehe, dass der t-Test bei zwei Stichproben einen höheren Freiheitsgrad hat, und der entsprechende p-Wert wäre kleiner.
Kann jemand einen detaillierten Einblick in diese beiden Tests geben und welchen sollte ich anstreben?
Die Wahl des Tests hat nichts mit den Freiheitsgraden oder der Entscheidung aus der Analyse zu tun. Es hängt nur davon ab, wie das Experiment durchgeführt wurde. Wie wurden die 12 Proben von jeder Sorte gesammelt? Wie könnten Sie es begründen, eine Probe Variety = A mit einer Variety Probe = B zu kombinieren? Das Probenpaar müsste in der gleichen Blockierungsstruktur existieren. Jedes Paar muss in einer anderen Blockierungsstruktur existieren als alle anderen Paare.
Zum Beispiel möchte ich eine neue Sohle für Schuhe testen. Ich gebe 50 Leuten ein Paar Schuhe. Jede Person bekommt einen Schuh mit der alten Sohle und einen mit einer neuen Sohle. Die Paarung erfolgt nach Personen, da jedes Subjekt eine blockierende Struktur darstellt. Wenn ich dagegen 25 Personen ein Paar Schuhe mit neuen Sohlen und weitere 25 Personen ein Paar Schuhe mit der alten Sohle schenkte, gibt es keine inhärente oder vertretbare Paarung.
Der Versuchsplan bestimmt den geeigneten Test.
