ভেরিয়েন্সের একজাতীয়তার অনুমানটি যখন পূরণ করা হয় তখন মনে হয় যে ওয়েলচ অ্যাডজাস্টেড টি-টেস্ট এবং স্ট্যান্ডার্ড টি-টেস্টের ফলাফলগুলি প্রায় একই রকম। কেন সবসময় ওয়েলচ অ্যাডজাস্টেড টি ব্যবহার করবেন না?
ভেরিয়েন্সের একজাতীয়তার অনুমানটি যখন পূরণ করা হয় তখন মনে হয় যে ওয়েলচ অ্যাডজাস্টেড টি-টেস্ট এবং স্ট্যান্ডার্ড টি-টেস্টের ফলাফলগুলি প্রায় একই রকম। কেন সবসময় ওয়েলচ অ্যাডজাস্টেড টি ব্যবহার করবেন না?
উত্তর:
আমি কুবিঞ্জার, রাশ এবং মোডার (২০০৯) এর একটি গবেষণাপত্রের ভিত্তিতে (জার্মান ভাষায়) অন্য দুটি উত্তরের বিরোধিতা করতে চাই ।
তারা বিতর্ক থেকে "বিস্তৃত" সিমুলেশনগুলির ভিত্তিতে টি-টেস্ট দ্বারা আরোপিত অনুমানগুলি পূরণ বা না পূরণের উপর ভিত্তি করে বিতর্ক করেন (বৈচিত্র্যের স্বাভাবিকতা এবং একজাততা) যে ওয়েলচ-টেস্টগুলি সমানভাবে সম্পাদন করে যখন অনুমানগুলি পূরণ হয় (যেমন, মূলত একই আলফা এবং বিটা ত্রুটিগুলি সম্পাদনের সম্ভাবনা) তবে অনুমানগুলি পূরণ না হলে টি-টেস্টকে কার্যকর করে তোলে, বিশেষত ক্ষমতার দিক থেকে। সুতরাং, নমুনার আকার 30 এর বেশি হলে তারা সর্বদা ওয়েলচ-পরীক্ষা ব্যবহার করার পরামর্শ দেয়।
একটি মেটা-মন্তব্য হিসাবে: পরিসংখ্যানগুলিতে আগ্রহী ব্যক্তিদের জন্য (আমার মতো এবং সম্ভবত এখানে অন্যান্য বেশিরভাগ) ডেটার উপর ভিত্তি করে একটি যুক্তি (আমার হিসাবে) অন্তত সম্পূর্ণ তাত্ত্বিক কারণগুলির ভিত্তিতে (এখানে অন্যদের মতো) যুক্তি হিসাবে সমান গণনা করা উচিত।
আপডেট:
এই বিষয়টি নিয়ে আবার চিন্তা করার পরে, আমি আরও দুটি সুপারিশ পেয়েছি যার মধ্যে নতুনটি আমার বক্তব্যকে সহায়তা করে। এই সুপারিশগুলির দিকে পরিচালিত যুক্তিগুলির জন্য মূল কাগজপত্রগুলি (যা উভয়ই কমপক্ষে আমার পক্ষে নিখরচায় পাওয়া যায়) দেখুন।
প্রথম সুপারিশটি ২০০ 2006 সালে গ্রিম ডি রেক্সটনের কাছ থেকে আসে: " আপনি যদি সম্পর্কহীন তথ্যের নমুনার উপর ভিত্তি করে 2 জনসংখ্যার কেন্দ্রীয় প্রবণতা তুলনা করতে চান তবে সর্বদা অসম বৈকল্পিক টি-পরীক্ষাকে শিক্ষার্থীর টি-পরীক্ষার অগ্রাধিকার হিসাবে ব্যবহার করা উচিত বা মান – হুইটনি ইউ পরীক্ষা
In " ইন:
রেক্সটন, জিডি, 2006. অসম বৈকল্পিক টি-পরীক্ষা হ'ল শিক্ষার্থীদের টি-টেস্ট এবং মান – হুইটনি ইউ পরীক্ষার একটি অন্তর্নিহিত বিকল্প ।
Behav। Ecol । 17, 688–690।
দ্বিতীয় (পুরানো) সুপারিশটি হলেন কোম্বস এট আল। (1996, পি। 148): " সংক্ষেপে, স্বতন্ত্র নমুনা টি পরীক্ষা সাধারণত টাইপ আই ত্রুটির হার নিয়ন্ত্রণের ক্ষেত্রে গ্রহণযোগ্য হয় তবে যথেষ্ট পরিমাণে সমান আকারের নমুনা পাওয়া যায়, এমনকি সমান জনসংখ্যার বৈকল্পিক অনুমান লঙ্ঘন করা হলেও অসমতার জন্য For আকারের নমুনাগুলি, তবে, এমন একটি বিকল্প যা সমান জনসংখ্যার বৈকল্পিকতাগুলি ধরে না রাখাই তাত্ত্বিক। বিতরণগুলি সংক্ষিপ্ত-লেজযুক্ত প্রতিসম বা সাধারণ হয় যখন জেমস দ্বিতীয়-আদেশ পরীক্ষা ব্যবহার করুন Use প্রতিশ্রুতিমূলক বিকল্পগুলির মধ্যে রয়েছে উইলকক্স এইচ এবং ইউয়েন ছাঁটাই মানে পরীক্ষা, যা সরবরাহ করে ওয়েলচ টেস্ট বা জেমস পরীক্ষার চেয়ে টাইপ আই ত্রুটির হারের বিস্তৃত নিয়ন্ত্রণ এবং ডেটা দীর্ঘ-লেজযুক্ত থাকাকালীন বৃহত্তর শক্তি থাকে have " (জোর দেওয়া)
এতে:
কোম্বস ডাব্লুটি, আলজিনা জে, অল্টম্যান ডি 1996: জনসংখ্যার বৈকল্পিকগুলি সমান হয় না তখন টাইপ আই ত্রুটির হার নিয়ন্ত্রণ করতে ইউনিভারিটি এবং মাল্টিভারিয়েট অলনিবস হাইপোথিসিস পরীক্ষাগুলি নির্বাচিত হয় । রেভ এডুকেশন রেস 66: 137–79।
অবশ্যই, কেউ উভয় পরীক্ষা খনন করতে পারে, এবং একটি বয়েসিয়ান টি-টেস্ট (সেভেজ-ডিকির অনুপাত পরীক্ষা) ব্যবহার করতে শুরু করতে পারে, যা অসম এবং অসম বৈকল্পিকের জন্য দায়ী হতে পারে এবং সর্বোপরি, এটি প্রমাণের পরিমাপের পক্ষে মঞ্জুরি দেয় নাল অনুমান (যার অর্থ, পুরানো "প্রত্যাখ্যান" ব্যর্থতার আর কোনও কথা নেই)
এই পরীক্ষাটি প্রয়োগ করা খুব সহজ (এবং দ্রুত), এবং একটি কাগজ রয়েছে যা বাইসিয়ান পরিসংখ্যানগুলির সাথে অপরিচিত পাঠকদের স্পষ্টভাবে ব্যাখ্যা করে যে কোনও আর স্ক্রিপ্ট সহ এটি কীভাবে ব্যবহার করা যায়। আপনি মূলত আপনার তথ্যটি সন্নিবেশ করতে পারবেন আর কনসোলে কমান্ডগুলি প্রেরণ করুন:
এই সমস্ত জন্য একটি টিউটোরিয়াল আছে উদাহরণস্বরূপ ডেটা সহ:
http://www.ruudwetzels.com/index.php?src=SDtest
আমি জানি এটি যা জিজ্ঞাসা করা হয়েছিল তার প্রত্যক্ষ প্রতিক্রিয়া নয়, তবে আমি ভেবেছিলাম পাঠকরা এই দুর্দান্ত বিকল্পটি উপভোগ করতে পারেন
চিয়ার্স
কারণ সঠিক ফলাফলগুলি প্রাক্কলনের চেয়ে পছন্দনীয় এবং বিজোড় প্রান্তের ঘটনাগুলি এড়ানো যায় যেখানে সান্নিধ্যটি সঠিক পদ্ধতির চেয়ে আলাদা ফলাফল হতে পারে।
ওয়েলচ পদ্ধতিটি কোনও পুরানো টি-টেস্ট করার দ্রুততর উপায় নয়, এটি একটি অন্যথায় খুব কঠিন সমস্যার একটি ট্র্যাকটেবল অনুমান: সমতা-বৈকল্পিক কেসটি ভালভাবে বোঝা, সহজ এবং নির্ভুল, এবং তাই যখন সম্ভব হয় সর্বদা ব্যবহার করা উচিত।
দুটি কারণ যা আমি ভাবতে পারি:
নিয়মিত শিক্ষার্থীদের টি হিটারোসেসডাস্টিটি থেকে বেশ শক্তিশালী যদি নমুনার আকারগুলি সমান হয়।
আপনি যদি মনে করেন দৃঢ়ভাবে তাহলে অবরোহমার্গী যে ডেটা homoscedastic হয়, তাহলে আপনি কিছুই হারান এবং ওয়েলশ এর টি পরিবর্তে Studen'ts টি ব্যবহার করে ক্ষমতার একটি ছোট পরিমাণ লাভ করিতে পারি
একটি কারণ যা আমি দেব না তা হ'ল শিক্ষার্থীদের টি সঠিক এবং ওয়েলকের টি নেই। শিক্ষার্থীদের টি-এর যথার্থতা আইএমএইচএও একাডেমিক কারণ এটি সাধারণত বিতরণ করা ডেটার জন্য সঠিক এবং কোনও আসল তথ্য হুবহু সাধারণভাবে বিতরণ করা হয় না। আমি এমন একমাত্র পরিমাণের কথা ভাবতে পারি না যা লোকেরা পরিসংখ্যানগতভাবে পরিমাপ করে বিশ্লেষণ করে যেখানে বন্টনটি বোধহয় সমস্ত বাস্তব সংখ্যার সমর্থন পেতে পারে have উদাহরণস্বরূপ, মহাবিশ্বে কেবলমাত্র এতগুলি পরমাণু রয়েছে এবং কিছু পরিমাণ নেতিবাচক হতে পারে না। অতএব, আপনি যখন রিয়েল ডেটাতে যে কোনও ধরণের টি-টেস্ট ব্যবহার করেন, আপনি যে কোনও উপায়ে একটি আনুমানিক তৈরি করছেন।
কিছু অনুমান পরীক্ষা করা হয় যে আরও জটিল কিছু কম জটিল কিছু হ্রাস সত্য যে সরল পদ্ধতি দূরে নিক্ষেপ যথেষ্ট নয়।
আমি এখানে বিপরীত দৃষ্টিভঙ্গি নিতে হবে। স্ট্যান্ডার্ড আনপায়ার্ড স্টুডেন্ট টি টেস্ট আপনাকে প্রায় অভিন্ন ফলাফল দিলে কেন ওয়েলচ পরীক্ষায় বিরক্ত হবে। আমি এই সমস্যাটি কিছুক্ষণ আগে অধ্যয়ন করেছি এবং টি টেস্টটি ভেঙে ফেলতে এবং ওয়েলচ পরীক্ষার পক্ষে যাওয়ার প্রয়াসে আমি অনেকগুলি পরিস্থিতি অনুসন্ধান করেছি। এটি করার জন্য আমি একটি গ্রুপ বনাম অন্য দলের জন্য পাঁচগুণ বেশি নমুনা আকার ব্যবহার করেছি। এবং আমি এক গ্রুপের তুলনায় অন্য গোষ্ঠীর চেয়ে 25 গুণ বেশি রূপগুলি অন্বেষণ করেছি। এবং, এটি সত্যিই কোনও উপাদানগত পার্থক্য তৈরি করতে পারেনি। অপ্রাপ্ত টি টেস্টটি এখনও ওয়েলচ পরীক্ষার মতো প্রায় একই ধরণের পি মানগুলি তৈরি করেছিল।
আপনি আমার লিঙ্কটি নীচের লিঙ্কে দেখতে পারেন এবং বিশেষত 5 এবং 6 এর স্লাইডটিতে ফোকাস করতে পারেন।
এটি সত্য যে ওয়েলকের সংশোধন পরীক্ষার ঘনত্ববাদী বৈশিষ্ট্যগুলি কমপক্ষে ত্রুটির জন্য সাধারণ শিক্ষার্থীর টিয়ের চেয়ে ভাল। আমি একমত যে একা ওয়েলচ পরীক্ষার জন্য বেশ ভাল যুক্তি। তবে, আমি সাধারণত ওয়েলশ সংশোধন করার পরামর্শ দিতে নারাজ কারণ এটির ব্যবহারটি প্রায়শই প্রতারণামূলক। যা স্বীকৃত, নিজেই পরীক্ষার সমালোচনা নয়।
আমি ওয়েলচ সংশোধন করার সুপারিশ করার কারণটি হ'ল এটি কেবল স্বাধীনতার ডিগ্রি এবং পরবর্তী তাত্ত্বিক বিতরণটি পরিবর্তন করে না যা থেকে পি-মানটি আঁকছে। এটি পরীক্ষাটি নন-প্যারাম্যাট্রিক করে। ওয়েলক সংশোধিত টি-টেস্ট সঞ্চালনের জন্য এখনও পুলের ভিন্নতা যেমন সমান বৈচিত্র্য ধরে নেওয়া যায় তবে তারপরে চূড়ান্ত পরীক্ষার পদ্ধতিটি বোঝায় যে উভয়ই সমান বৈচিত্র্য অনুমান করা যায় না, বা আপনি কেবলমাত্র নমুনার বৈচিত্রগুলি সম্পর্কে যত্নশীল। এটি এটিকে একটি প্যারামিমেট্রিক পরীক্ষায় পরিণত করে কারণ পুলযুক্ত রূপটি জনসংখ্যার অ-প্রতিনিধি হিসাবে বিবেচিত হয় এবং আপনি স্বীকার করেছেন যে আপনি কেবল আপনার পর্যবেক্ষিত মানগুলি পরীক্ষা করছেন।
এবং নিজেই এর সাথে বিশেষত কোনও ভুল নেই। তবে, আমি এটিকে প্রতারণাপূর্ণ বলে মনে করি কারণ ক) সাধারণত এটি যথেষ্ট নির্দিষ্টতার সাথে রিপোর্ট করা হয় না; এবং খ) যে লোকেরা এটি ব্যবহার করে তারা একে টি-টেস্টের মাধ্যমে বিনিময়যোগ্যভাবে এটি নিয়ে ভাবতে থাকে। আমি কখনই জানতে পারি যে প্রকাশিত কাগজপত্রগুলিতে এটি করা হয়ে গেছে যখন আমি টি-বিতরণের জন্য কোনও বিজোড় ডিএফ দেখি see এটিই ছিল একমাত্র উপায় যা রেক্সটন (হেনরিক উত্তরে রেফারেন্স করা) পর্যালোচনাতে বলতে পেরেছিল। দুর্ভাগ্যক্রমে, ওয়েলকের সংশোধন পরীক্ষার নন-প্যারাম্যাট্রিক প্রকৃতি ঘটেছিল কিনা স্বাধীনতার ডিগ্রি পরিবর্তিত হয়েছে কিনা (যেমন নমুনার রূপগুলি সমান হলেও)। তবে এই প্রতিবেদনের বিষয়টি সত্যের লক্ষণীয় যে বেশিরভাগ লোকেরা যারা ওয়েলশ সংশোধন ব্যবহার করেন তারা পরীক্ষায় এই পরিবর্তনটি স্বীকার করেন না।
অতএব, আমি বিশ্বাস করি যে আপনি যদি কোনও প্যারামিমেট্রিক পরীক্ষার প্রস্তাব দিতে যাচ্ছেন তবে প্রায়শই প্যারাম্যাট্রিক প্রদর্শিত হয় এমন একটি ব্যবহার করবেন না বা আপনি কী করছেন সে সম্পর্কে কমপক্ষে খুব স্পষ্ট হবে। পরীক্ষার অফিশিয়াল নামটি নন-প্যারামেট্রিক ওয়েলচের সংশোধিত টি-পরীক্ষা হওয়া উচিত। লোকেরা যদি সেভাবে এটি জানায় আমি হেনরিকের প্রস্তাব নিয়ে অনেক বেশি খুশি হব।