Comparaison de 5 moyennes d'un petit échantillonJ'ai échantillonné le comportement des animaux pendant environ 37 heures en 20 jours tout en les exposant à 5 « traitements » différents. Les traitements étaient de structures différentes et je voulais voir comment ils les utilisaient, en particulier à quelle fréquence ils les utilisaient. Je changerais de « traitement » tous les deux jours pour un total de deux essais par traitement. Il y avait un total de 10 sujets d'étude et ils n'ont pas été exposés au traitement pendant la même durée (simplement parce qu'ils n'étaient pas toujours disponibles) et je n'ai pas suivi les traitements pendant la même durée (c'est-à-dire en raison des conditions météorologiques). événements).
Je veux comparer le taux moyen d'événements (appelons-les événements de croisement) entre les traitements et voir s'il existe une différence statistiquement significative entre ceux-ci. J'ai calculé le taux d'événements étant donné que les traitements n'étaient pas échantillonnés pendant une durée égale et que les sujets de l'étude n'étaient pas non plus exposés aux traitements pendant la même durée.
Ho : Le taux de passage moyen est le même pour chaque traitement.
Ha : Le taux de passage moyen n’est pas le même pour chaque traitement.
J'ai organisé mes données de cette façon pour comparer les moyennes (ce n'est qu'un bref exemple, pas de données réelles) :
| Jour | Traitement | Événements | Temps d'échantillonnage (minutes) | Rythme des événements |
| 1 | A | 3 | 85 | 0,035 |
| 2 | A | 2 | 60 | 0,033 |
| 3 | B | 0 | 75 | 0,00 |
| 4 | B | 7 | 115 | 0,06 |
| 5 | C | 12 | 125 | 0,096 |
| 6 | C | 1 | 90 | 0,011 |
| 7 | A | 0 | 200 | 0,00 |
| 8 | A | 2 | 110 | 0,018 |
| 9 | D | 6 | 120 | 0,05 |
| dix | D | 5 | 105 | 0,047 |
Comme j'ai cinq moyennes à comparer, j'ai décidé de faire un test de Kruskal-Wallis (mes données ne sont pas normalement distribuées) et d'utiliser la correction de Bonferroni. Cependant, lorsque j'exécute ceci, il est indiqué "petites tailles d'échantillon. Reportez-vous aux tableaux statistiques pour les tests plutôt qu'à une approximation sur un grand échantillon". Dois-je organiser mes données différemment ? Par exemple par sujet d'étude au lieu de traversées de jour ? Cela me donnerait environ 50 lignes de données et inclurait cette variation individuelle au lieu de tout regrouper quotidiennement. Dois-je simplement me fier aux tableaux statistiques ? Je me demande quelle serait la meilleure approche pour cela.
Merci! Faites-moi part de vos questions.
Personnalisation de masseRe : Comparer 5 moyennes d'un échantillon de petite tailleDe même, un nuage de points de l'événement par temps par rapport au traitement ne montre pas un effet clair.
Re : Comparer 5 moyennes d'un échantillon de petite tailleCela semble être un cas classique pour une régression log-linéaire de Poisson. JMP le fournit via un modèle linéaire généralisé (GLM). Vous modélisez directement le nombre d'événements. J'ai copié vos données dans une table de données JMP.
Le temps d'observation variait pour chaque traitement. Cette variation est connue sous le nom d'« opportunité » et est modélisée avec un décalage. Le décalage est le journal (opportunité).
Sélectionnez ensuite Analyser > Ajuster le modèle et modifiez la boîte de dialogue de lancement pour qu'elle ressemble à celle-ci.
Voici les résultats de la régression.
L'effet des traitements n'est pas significatif à alpha = 0,05 (Whole Model Test et Effect Tests). La « surdispersion » est significative, ce qui signifie que la variance est plus grande que prévu pour une distribution de Poisson de la réponse. La déviance est également importante, ce qui indique un manque d'ajustement. Il pourrait y avoir des variables cachées qui changeaient avec les traitements.
