N이 큰 단순 t-검정나는 이것이 명백해야 한다는 것을 압니다....저는 쌓인 테이블을 가지고 있습니다. Fit y by x는 카테고리 A의 평균이 카테고리 B보다 높다는 것을 보여주는 아름다운 플롯을 제공합니다(미묘하지만 거기에 있습니다). 그리고 p-값이 이를 뒷받침하지만 N이 수천 단위이기 때문에 당연히 그럴 것입니다. ANOM은 또한 두 평균이 전체 평균과 다르다는 것을 보여주지만 여기서도 같은 문제가 있을 것이라고 생각합니다. 분산은 다른 정규 분포입니다. 여기서 가장 좋은 방법은 무엇입니까? 0.05를 N으로 나누고 그 값을 사용하여 유의성을 결정하시겠습니까? 유의성을 전혀 사용하지 않고 신뢰 구간을 살펴보시겠습니까? 모든 제안에 감사드립니다!
Re: N이 큰 단순 t-검정귀하의 상황을 올바르게 이해하면 "통계적" 차이가 있지만 "실제적" 차이가 있는지 확신할 수 없습니다.그 맞습니까?
가설 검정을 사용하여 차이를 감지했다고 해서 그 차이가 실질적으로 유의하다는 의미는 아닙니다.
관찰된 차이는 일반 공정 변동, 실제 요구 사항 및 샘플 크기에 대해 가중되어야 합니다.
때로는 표본 크기가 너무 커서(사용 가능한 데이터의 편의상) 아주 작은 차이가
통계적으로 유의미한 차이가 항상 실질적인 차이는 아닙니다."실용적인" 차이라고 생각하는 것을 설정하는 것이 좋습니다.
JMP의 "동등성 테스트"를 사용했습니다.
JMP 도움말 => https://www.jmp.com/support/help/en/15.0/#page/jmp/test-equivalence.shtml?os=win&source=application#ww1301938
동등성 검정은 모집단 평균이 가설 값과 같은지 여부를 평가합니다. 차이가 없는 것으로 간주되는 임계값 차이를 정의해야 합니다. 테스트 동등성 옵션은 TOST(Two One-Sided Test) 접근 방식을 사용합니다. 실제 평균과 가정된 값의 차이가 임계값을 초과한다는 귀무 가설에 대해 두 개의 단측 t 검정이 구성됩니다. 두 귀무 가설이 모두 기각되면 실제 차이가 임계값을 초과하지 않음을 의미합니다. 평균이 가정된 값과 실질적으로 동일한 것으로 간주될 수 있다는 결론을 내립니다.
동등성 검정 옵션을 선택할 때 가설 평균, 임계값 차이(차이가 거의 0으로 간주됨) 및 신뢰 수준을 지정합니다. 신뢰 수준은 1 - 알파이며, 여기서 알파는 각 단측 검정에 대한 유의 수준입니다.
Re: N이 큰 단순 t-검정감사합니다. 이미지 데이터입니다. 모든 픽셀은 독립적인 측정으로 생각할 수 있고 카운트를 감지하고 각 픽셀에서 Poisson 카운팅 통계를 기반으로 좋은 정밀도를 가지고 있는지 확인하기 위해 이미징 실험을 실행합니다(걱정할 필요가 있는 배경이 없음). 픽셀 그룹은 다른 상관 이미지 데이터를 기반으로 하는 "특징"을 나타내기 위해 클러스터링될 수 있습니다. 나는 eg의 평균을 보여주는 가장 좋은 방법을 찾으려고 노력하고 있습니다. 특징 A를 구성하는 10,000픽셀은 특징 B를 구성하는 15,000픽셀의 평균과 다릅니다. 내가 이것을 과도하게 생각한다고 생각할 때가 있고 그것이 그렇게 간단하지 않다고 생각할 때가 있습니다.
Re: N이 큰 단순 t-검정질문 앞에 메소드를 두지 마십시오.... 데이터로 답을 얻으려는 질문은 무엇입니까? 귀하의 데이터는 무엇을 나타냅니까? 그것은 어디에서 왔습니까(왜 그렇게 많은 관찰을 하는 것이 운이 좋습니까? 이 데이터를 기반으로 어떤 결정을 내려야 할까요? ($5 결정은 $5M 결정보다 "중요성"과 관련하여 더 적은 영향을 미칩니다.) 고려해야 할 다른 변수는 무엇입니까? 데이터에 시간 요소가 있습니까? 그리고 계속해서.... 나는 신뢰 구간, 부트스트래핑 및 샘플링 아이디어를 좋아하지만 데이터 이면의 질문에 답하는 방법으로 의미가 있는 경우에만 가능합니다.Re: N이 큰 단순 t-검정당신은 훨씬 더 철저 할 수 있습니다. 당신은 사용할 수 있습니다 부트스트랩 JMP Pro가 있는 경우 기능. 수천 개의 샘플을 기반으로 통계의 경험적 샘플링 분포(예: 평균의 차이)를 생성하고 분포 플랫폼에서 분석할 결과가 포함된 데이터 테이블을 생성합니다.
Re: N이 큰 단순 t-검정그런 다음 테스트 수를 조정하는 것에 대해 생각하기 시작해야 합니다.
Re: N이 큰 단순 t-검정Jim님, 감사합니다.
항상 좋은 아이디어와 단순함. 좀 더 철저하게 하고 싶다면 이 과정을 10-15번 반복하고 p-값의 분포를 볼 수 있다고 생각합니다.
최고,
그렉
Re: N이 큰 단순 t-검정이를 처리하는 한 가지 간단한 방법은 각 그룹에 30개의 관측치가 있는 데이터의 계층화된 무작위 하위 집합을 만든 다음 t-검정을 실행하는 것입니다.
