এ / বি পরীক্ষা: জেড-পরীক্ষা বনাম টি-পরীক্ষা বনাম চি স্কোয়ার বনাম ফিশারের সঠিক পরীক্ষা

Question

আমি যখন সাধারণ এ / বি পরীক্ষার সাথে কথা বলি তখন একটি নির্দিষ্ট পরীক্ষার পদ্ধতির চয়ন করে যুক্তিটি বোঝার চেষ্টা করছি - (যেমন বাইনারি রেসোন (দুটি রূপান্তর বা গ্রুপ) দুটি উদাহরণ হিসাবে আমি নীচের ডেটা ব্যবহার করব

Version  Visits  Conversions
A        2069     188
B        1826     220

শীর্ষ উত্তর এখানে মহান ও z, টি এবং চি বর্গ পরীক্ষার জন্য অন্তর্নিহীত ধারনাগুলো কয়েকটির বিষয়ে আলোচনা। তবে আমি যেটি বিভ্রান্তিকর মনে করি তা হ'ল বিভিন্ন অনলাইন সংস্থানগুলি বিভিন্ন পদ্ধতির উদ্ধৃতি দেবে, এবং আপনি কী ভাবেন যে একটি মৌলিক এ / বি পরীক্ষার অনুমানগুলি একই রকম হওয়া উচিত?

1. উদাহরণস্বরূপ, এই নিবন্ধটি z- স্কোর ব্যবহার করে :
2. এই নিবন্ধটি নীচের সূত্রটি ব্যবহার করেছে (যা আমি নিশ্চিত না যে এটি zscore গণনা থেকে পৃথক কিনা?):

3. এই কাগজ টি পরীক্ষার রেফারেন্স (p 152):

সুতরাং এই বিভিন্ন পদ্ধতির পক্ষে কি যুক্তি দেওয়া যেতে পারে? কেন একটি পছন্দ হবে?

আরও একটি প্রার্থী নিক্ষেপ করতে, উপরের টেবিলটি 2x2 কন্টিনজেন্সি টেবিল হিসাবে আবারও লেখা যেতে পারে, যেখানে ফিশারের সঠিক পরীক্ষা (পি 5) ব্যবহার করা যেতে পারে

              Non converters  Converters  Row Total
Version A     1881            188         2069  
Versions B    1606            220         1826
Column Total  3487            408         3895

তবে এই থ্রেড অনুসারে ফিশারের সঠিক পরীক্ষাটি কেবলমাত্র ছোট ছোট নমুনা মাপের সাথে ব্যবহার করা উচিত (কী কাটা বন্ধ?)

এবং তারপরে জোড় টেড এবং জেড টেস্ট রয়েছে, চ টেস্ট (এবং লজিস্টিক রিগ্রেশন, তবে আমি এখনই তা ছেড়ে দিতে চাই) .... আমার মনে হচ্ছে আমি বিভিন্ন পরীক্ষার পদ্ধতির মধ্যে ডুবে যাচ্ছি, এবং আমি কেবল সক্ষম হতে চাই এই সাধারণ এ / বি পরীক্ষার ক্ষেত্রে বিভিন্ন পদ্ধতির জন্য একধরনের যুক্তি তৈরি করুন।

উদাহরণস্বরূপ ডেটা ব্যবহার করে আমি নীচের পি-মান পাচ্ছি

1. https://vwo.com/ab-split-test-significance-calculator/ একটি পি-মান দেয় 0.001 (জেড-স্কোর)

2. http://www.evanmiller.org/ab-testing/chi-squared.html (চি স্কোয়ার পরীক্ষা ব্যবহার করে) একটি পি-মান দেয় 0.00259

3. আর আর fisher.test(rbind(c(1881,188),c(1606,220)))$p.value-তে 0.002785305 এর একটি পি-মান দেয়

যা আমি অনুমান করি সবগুলি খুব কাছে ...

যাইহোক - কেবলমাত্র নমুনা আকারগুলি হাজারে যেখানে অনলাইন টেস্টিংয়ে কী ব্যবহার করা যায় সে সম্পর্কে কিছুটা স্বাস্থ্যকর আলোচনার আশা করছি এবং প্রতিক্রিয়া অনুপাত প্রায় 10% বা তারও কম হয়। আমার অন্ত্রে আমাকে চি-স্কোয়ার ব্যবহার করতে বলছে, তবে আমি কেন অন্যান্য উপায়ে এটি করার উপায় বেছে নিচ্ছি তা ঠিক উত্তর দিতে সক্ষম হতে চাই।

Comments

সম্পর্কে - এবং টি- টেস্টস হিসাবে আপনার প্রশ্নের উত্তর ইতিমধ্যে এখানে জবাব দেওয়া হয়েছে: stats.stackexchange.com/questions/85804/…$z$$t$

— টিম

আমি এই প্রদর্শনীটি বেশ সহায়ক বলে মনে করেছি। যা দেখায় যে অনুপাতের জন্য z পরীক্ষাটি মূলত 2x2 কন্টিনজেন্সি টেবিলের একজাতীয়তার চি-বর্গ পরীক্ষার সমতুল্য। rinterested.github.io/statistics/chi_square_same_as_z_test.html

— yueyanw

Answer 1

আমরা বিভিন্ন কারণে এবং বিভিন্ন পরিস্থিতিতে এই পরীক্ষাগুলি ব্যবহার করি।

1. টেষ্ট। একটি জেড- টেষ্ট মনে করে যে আমাদের পর্যবেক্ষণগুলি অজানা গড় এবংজ্ঞাত বৈকল্পিকতাসহ একটি সাধারণ বিতরণ থেকে স্বাধীনভাবে আঁকা। একটি জেড- টেষ্টটি প্রাথমিকভাবে ব্যবহৃত হয় যখন আমাদের পরিমাণগত ডেটা থাকে। (অর্থাত্ইঁদুরগুলিরওজন, ব্যক্তিদের বয়স, সিস্টোলিক রক্তচাপ ইত্যাদি)) তবে,অনুপাতের প্রতি আগ্রহী হলে জেড- স্টেটসও ব্যবহার করা যায়। (অর্থাত্ কমপক্ষে আট ঘন্টা ঘুম ইত্যাদি পাওয়া লোকের অনুপাত)$z$$z$$z$$z$

2. টেষ্ট। একটি টন -test ধরে নেয় যে আমাদের পর্যবেক্ষণের স্বাধীনভাবে অজানা গড় এবং সঙ্গে একটি স্বাভাবিক বন্টন থেকে টানা হয়অজানা ভ্যারিয়েন্স। মনে রাখবেন, যে সঙ্গে টি -test, আমরা জনসংখ্যা ভ্যারিয়েন্স জানি না। এই অনেক বেশী জনসংখ্যা ভ্যারিয়েন্স বুদ্ধিমান চেয়ে সাধারণ, তাই একটি টন -test সাধারণত একটি চেয়ে বেশি উপযুক্ত z- র -test কিন্তু কার্যত দুই মধ্যে সামান্য পার্থক্য হতে হবে যদি নমুনা মাপ বড়।$t$$t$$t$$t$$z$

$z$$t$

3. $z$$t$$z$

4. $p$$p$$p$

আমি নমুনা আকারগুলি নিয়ে আলোচনা চালিয়ে যাচ্ছি - বিভিন্ন রেফারেন্স আপনাকে আপনার নমুনাগুলি পর্যাপ্ত পরিমাণে বড় হওয়ার ক্ষেত্রে আলাদা মেট্রিক দেয়। আমি কেবল একটি নামী উত্স খুঁজে পাব, তাদের নিয়মটি দেখুন এবং আপনি যে পরীক্ষা চান তা আবিষ্কার করার জন্য তাদের নিয়মটি প্রয়োগ করব। আমি "আশেপাশে কেনাকাটা" করব না, তাই আপনি যতক্ষণ না আপনার পছন্দ মত কোনও নিয়ম না পাওয়া পর্যন্ত কথা বলবেন।

$z$$t$

এটা কোনো কিছু হলো? আশাকরি এটা সাহায্য করবে!

Comments

বিস্তারিত উত্তর দেওয়ার জন্য ধন্যবাদ! আমি এর সাথে বিস্তারিতভাবে যাচ্ছি - আমি নিশ্চিত আমার কয়েকটি প্রশ্ন থাকবে!

— এল Xandor

আপনি আরও ব্যাখ্যা করতে পারেন কীভাবে চি-স্কোয়ার্ড এবং ফিশার সঠিক পরীক্ষা কোনও প্রভাবের দিক নির্দেশ করে না? যদি সমস্ত অনুমানের পরিসংখ্যান পরীক্ষাগুলি দুটি জনসংখ্যা বা একই জনসংখ্যা থেকে দুটি নমুনা সেট আঁকা হয় কিনা তার আশেপাশের একটি আত্মবিশ্বাসের মাত্রা সরবরাহ করে, তবে এটি গাণিতিক তত্ত্ব সম্পর্কে কী যা আপনাকে বলবে না যে গড় মূল্যগুলির দিকনির্দেশক পার্থক্য ধরে রাখবে (বি গ্রুপ) উচ্চতর স্কোর আছে)?

— ক্রিস এফ

স্বচ্ছতার জন্য, চি-স্কোয়ার্ড পরীক্ষা এবং ফিশারের সঠিক পরীক্ষা একই জিনিস করছে তবে পি-মানটি কিছুটা আলাদাভাবে গণনা করা হয়। (এটি চি-স্কোয়ারের অধীনে একটি অনুমান এবং ফিশারের নির্ভুল হিসাবের অধীনে exact এখানে ইস্যুটির ভিত্তি রয়েছে। "যদি সমস্ত অনুমানের পরিসংখ্যান পরীক্ষাগুলি দুটি নমুনা আঁকা হয় কিনা তার চারপাশে একটি আত্মবিশ্বাসের স্তর সরবরাহ করে ..." - এটি চি-স্কোয়ার্ড পরীক্ষাটি করে না। চি-স্কোয়ার্ড টেস্টের নাল হাইপোথিসিসটি হ'ল কোনও সমিতি এবং বিকল্প অনুমান নেই ...

— ম্যাট ব্রেমস

... এটি হল দুটি শ্রেণীবদ্ধ ভেরিয়েবলের মধ্যে কিছু সংযোগ রয়েছে। আপনি কেবল কোনও সংস্থার অস্তিত্বের জন্য পরীক্ষা করছেন এবং নির্দিষ্ট দিকটি পূর্বনির্ধারিত করছেন না। (এখানে কিছু স্বল্প পরিসংখ্যান রয়েছে যা ডিও একটি নির্দিষ্ট সম্পর্ক নির্দিষ্ট করে, তাই এটি সম্ভব; তবে চি-স্কোয়ার্ড টেস্টটি এই নকশাকৃত নকশা নয়)) পরবর্তীকালে অনুমান করা যে সেখানে একটি নির্দিষ্ট দিকনির্দেশক সম্পর্ক রয়েছে একটি পি-মান যা একটি সমিতির অস্তিত্বের জন্য কেবল পরীক্ষা করার জন্য ডিজাইন করা হাইপোথিসের বিভিন্ন সেটের অধীনে গণনা করা হয়েছিল তা ভুল হবে।

— ম্যাট বর্মস

$H_0: \mu = 0$$H_A: \mu \neq 0$$t$$p$$\mu$$\mu$$H_0: \mu \leq 0$$H_A: \mu > 0$$p$$\alpha=0.05$$\mu$

Answer 2

একটি 3 উপায় পরীক্ষার জন্য আপনি সাধারণত 3 টি পৃথক পরীক্ষার পরিবর্তে একটি ANOVA ব্যবহার করেন। দয়া করে একাধিক পরীক্ষার আগে Bonferroni সংশোধন পরীক্ষা করে দেখুন। দয়া করে এই https://www.google.com/search?q=testing+m Multiple++ans&rlz=1C1CHBD_enIN817IN817&oq=testing+m Multiple+means+&aqs=chrome..69i57j69i60l3j69i61j0.3564j0j7&sourceud= chromeie- এ ব্যবহার করুন