Einfacher t-Test mit großem NIch weiß, das sollte offensichtlich sein ... Ich habe einen gestapelten Tisch. Fit y by x ergibt ein schönes Diagramm, das mir zeigt, dass der Mittelwert von Kategorie A höher ist als von Kategorie B (es ist ein bisschen subtil, aber es ist da). Und der p-Wert unterstützt es, aber natürlich wird es das, weil N in die Tausende geht. ANOM zeigt auch, dass sich beide Mittelwerte vom Gesamtmittelwert unterscheiden, aber ich denke, ich werde hier das gleiche Problem haben. Varianzen sind unterschiedliche Normalverteilungen. Was wäre hier die beste Vorgehensweise? Teilen Sie 0,05 durch N und verwenden Sie diesen Wert, um die Signifikanz zu bestimmen? Überhaupt keine Signifikanz verwenden und auf Konfidenzintervalle schauen? Alle Vorschläge dankbar geschätzt!
Betreff: Einfacher t-Test mit großem NWenn ich Ihre Situation richtig verstehe, haben Sie einen "statistischen" Unterschied, sind sich aber nicht sicher, ob Sie einen "praktischen" Unterschied haben.Ist das korrekt?
Nur weil mit einem Hypothesentest ein Unterschied festgestellt wird, bedeutet dies nicht, dass dieser Unterschied praktisch signifikant ist.
Der beobachtete Unterschied muss gegenüber normalen Prozessschwankungen, praktischen Anforderungen und der Größe der Stichprobe abgewogen werden.
Manchmal ist die Stichprobengröße so groß (aufgrund der verfügbaren Daten), dass sehr kleine Unterschiede als signifikant erscheinen
Ein statistisch signifikanter Unterschied ist nicht immer ein praktischer Unterschied.Es ist eine gute Praxis, festzustellen, was Ihrer Meinung nach ein "praktischer" Unterschied ist
Wir haben den "Äquivalenztest" von JMP verwendet
JMP-Hilfe => https://www.jmp.com/support/help/en/15.0/#page/jmp/test-equivalence.shtml?os=win&source=application#ww1301938
Der Äquivalenztest bewertet, ob ein Populationsmittelwert einem hypothetischen Wert entspricht. Sie müssen eine Schwellendifferenz definieren, die als äquivalent zu keiner Differenz betrachtet wird. Die Option Testäquivalenz verwendet den Ansatz der zwei einseitigen Tests (TOST). Für die Nullhypothesen, dass die Differenz zwischen dem wahren Mittelwert und dem hypothetischen Wert den Schwellenwert überschreitet, werden zwei einseitige t-Tests konstruiert. Wenn beide Nullhypothesen abgelehnt werden, bedeutet dies, dass die wahre Differenz den Schwellenwert nicht überschreitet. Sie kommen zu dem Schluss, dass der Mittelwert als praktisch gleichwertig mit dem hypothetischen Wert angesehen werden kann.
Wenn Sie die Option Testäquivalenz auswählen, geben Sie den hypothetischen Mittelwert, die Schwellendifferenz (Differenz als praktisch Null betrachtet) und das Konfidenzniveau an. Das Konfidenzniveau ist 1 - Alpha, wobei Alpha das Signifikanzniveau für jeden einseitigen Test ist
Betreff: Einfacher t-Test mit großem NDanke an alle. Es handelt sich um Bilddaten. Jedes Pixel kann als unabhängige Messung betrachtet werden, die Zählungen erkennt, und ich führe meine Bildgebungsexperimente durch, um sicherzustellen, dass ich bei jedem Pixel eine gute Präzision habe, basierend auf Poisson-Zählstatistiken (es gibt keinen Hintergrund, um den man sich Sorgen machen muss). Gruppen von Pixeln können gruppiert werden, um ein "Merkmal" basierend auf anderen korrelativen Bilddaten darzustellen. Ich versuche, den besten Weg zu finden, um zu zeigen, dass der Mittelwert des zB. 10.000 Pixel, aus denen Merkmal A besteht, unterscheiden sich von dem Mittelwert der 15.000 Pixel, aus denen Merkmal B besteht. Manchmal denke ich, dass ich zu viel darüber nachdenke, und manchmal denke ich, dass es nicht so einfach ist.
Betreff: Einfacher t-Test mit großem NStellen Sie keine Methoden vor die Frage .... was ist die Frage, die Sie mit Ihren Daten zu beantworten versuchen? Was stellen Ihre Daten dar? Woher kommt es (wieso sind Sie so glücklich, so viele Beobachtungen zu haben)? Welche Entscheidungen sind auf Basis dieser Daten zu treffen? (5-Dollar-Entscheidungen haben weniger Konsequenzen in Bezug auf die „Signifikanz“ als 5-Millionen-Dollar-Entscheidungen). Was sind andere Variablen, die Sie möglicherweise berücksichtigen müssen? Enthalten die Daten ein Zeitelement? Und weiter und weiter.... Ich mag die Konfidenzintervalle, Bootstrapping und Sampling-Ideen, aber nur, wenn sie sinnvoll sind, um die Frage hinter den Daten zu beantworten.Betreff: Einfacher t-Test mit großem NDu könntest viel gründlicher sein. Du kannst den ... benutzen Bootstrap Funktion, wenn Sie über JMP Pro verfügen. Es erstellt die empirische Stichprobenverteilung Ihrer Statistik (z. B. Differenz der Mittelwerte) basierend auf Tausenden von Stichproben und erstellt eine Datentabelle mit den Ergebnissen zur Analyse in der Verteilungsplattform.
Betreff: Einfacher t-Test mit großem NDann müssen Sie darüber nachdenken, die Anzahl der Tests anzupassen.
Betreff: Einfacher t-Test mit großem NDanke Jim,
Tolle Idee und einfach, was immer gut ist. Ich denke, wenn ich etwas gründlicher sein wollte, könnte ich den Vorgang 10-15 Mal wiederholen und mir die Verteilung der p-Werte ansehen.
Am besten,
Greg
Betreff: Einfacher t-Test mit großem NEine einfache Möglichkeit, dies zu handhaben, besteht darin, eine stratifizierte zufällige Teilmenge Ihrer Daten mit 30 Beobachtungen in jeder Gruppe zu erstellen und dann den t-Test auszuführen.
