Test t simple avec grand NJe sais que cela devrait être évident... J'ai une table empilée. Fit y by x donne un beau graphique me montrant que la moyenne de la catégorie A est supérieure à la catégorie B (c'est un peu subtil, mais c'est là). Et la valeur p le confirme, mais bien sûr, car N est dans les milliers. ANOM montre également que les deux moyennes sont différentes de la moyenne globale, mais je pense que j'aurai le même problème ici. Les variances sont différentes, des distributions normales. Quelle serait la meilleure approche ici? Diviser 0,05 par N et utiliser cette valeur pour déterminer la signification ? Ne pas utiliser du tout la signification et regarder les intervalles de confiance ? Toutes les suggestions sont appréciées avec gratitude !
Re : test t simple avec un grand NSi je comprends bien votre situation, vous avez une différence "statistique" mais vous n'êtes pas sûr d'avoir une différence "pratique".Est-ce exact?
Ce n'est pas parce qu'une différence est détectée à l'aide d'un test d'hypothèse que cette différence est pratiquement significative.
La différence observée doit être pondérée par rapport à la variation normale du processus, aux exigences pratiques et à la taille de l'échantillon.
Parfois, la taille de l'échantillon est si grande (par commodité des données disponibles), que de très petites différences apparaîtront comme significatives
Une différence statistiquement significative n'est pas toujours une différence pratique.C'est une bonne pratique d'établir ce que vous pensez être une différence "pratique"
Nous avons utilisé le "test d'équivalence" de JMP
Aide JMP => https://www.jmp.com/support/help/en/15.0/#page/jmp/test-equivalence.shtml?os=win&source=application#ww1301938
Le test d'équivalence évalue si une moyenne de population est équivalente à une valeur hypothétique. Vous devez définir une différence de seuil considérée comme équivalente à aucune différence. L'option Tester l'équivalence utilise l'approche TOST (Two One-Sided Tests). Deux tests t unilatéraux sont construits pour les hypothèses nulles selon lesquelles la différence entre la vraie moyenne et la valeur hypothétique dépasse le seuil. Si les deux hypothèses nulles sont rejetées, cela implique que la vraie différence ne dépasse pas le seuil. Vous concluez que la moyenne peut être considérée comme pratiquement équivalente à la valeur hypothétique.
Lorsque vous sélectionnez l'option Tester l'équivalence, vous spécifiez la moyenne hypothétique, la différence de seuil (différence considérée comme pratiquement nulle) et le niveau de confiance. Le niveau de confiance est 1 - alpha, où alpha est le niveau de signification pour chaque test unilatéral
Re : test t simple avec un grand NMerci tout le monde. Ce sont des données d'image. Chaque pixel peut être considéré comme une mesure indépendante, détectant des comptages et j'exécute mes expériences d'imagerie pour m'assurer qu'à chaque pixel j'ai une bonne précision basée sur les statistiques de comptage de Poisson (il n'y a pas de fond dont il faut s'inquiéter) . Des groupes de pixels peuvent être regroupés pour représenter une « caractéristique » basée sur d'autres données d'image corrélatives. J'essaie de trouver la meilleure façon de montrer que la moyenne de l'ex. 10 000 pixels qui composent l'élément A sont différents de la moyenne des 15 000 pixels qui composent l'élément B. Il y a des moments où je pense que je réfléchis trop à cela et d'autres fois, je ne pense pas que ce soit si simple.
Re : test t simple avec un grand NNe mettez pas les méthodes devant la question... quelle est la question à laquelle vous essayez de répondre avec vos données ? Que représentent vos données ? D'où vient-il (comme dans pourquoi êtes-vous si chanceux d'avoir autant d'observations) ? Quelles décisions doivent être prises sur la base de ces données ? (Les décisions de 5 millions de dollars ont moins de ramifications en termes d'« importance » que les décisions de 5 millions de dollars). Quelles sont les autres variables dont vous devrez peut-être tenir compte ? Y a-t-il un élément temporel dans les données ? Et ainsi de suite.... J'aime les intervalles de confiance, le bootstrap et les idées d'échantillonnage, mais seulement s'ils ont du sens comme moyen de répondre à la question derrière les données.Re : test t simple avec un grand NVous pourriez être beaucoup plus minutieux. Vous pouvez utiliser le amorcer fonctionnalité si vous disposez de JMP Pro. Il produira la distribution d'échantillonnage empirique de votre statistique (par exemple, la différence dans les moyennes) sur la base de milliers d'échantillons et produira un tableau de données avec les résultats pour analyse dans la plate-forme Distribution.
Re : test t simple avec un grand NEnsuite, vous devez commencer à penser à ajuster le nombre de tests.
Re : test t simple avec un grand NMerci Jim,
Une idée géniale et simple qui fait toujours du bien. Je pense que si je voulais être un peu plus approfondi, je pourrais répéter le processus 10 à 15 fois et regarder la distribution des valeurs p.
Meilleur,
Greg
Re : test t simple avec un grand NUn moyen simple de gérer cela consiste à créer un sous-ensemble aléatoire stratifié de vos données avec 30 observations dans chaque groupe, puis à exécuter le test t.
