টি-টেস্ট ব্যবহার করে বিশ্লেষণ করেছি এমন একটি পরীক্ষা থেকে আমার কাছে ডেটা রয়েছে। নির্ভরশীল ভেরিয়েবলটি অন্তরকৃত আকারযুক্ত এবং ডেটা হয় অবিযুক্ত (অর্থাত্, 2 গোষ্ঠী) বা জোড়যুক্ত (অর্থাত্-বিষয়গুলির মধ্যে)। যেমন (বিষয়গুলির মধ্যে):
x1 <- c(99, 99.5, 65, 100, 99, 99.5, 99, 99.5, 99.5, 57, 100, 99.5,
99.5, 99, 99, 99.5, 89.5, 99.5, 100, 99.5)
y1 <- c(99, 99.5, 99.5, 0, 50, 100, 99.5, 99.5, 0, 99.5, 99.5, 90,
80, 0, 99, 0, 74.5, 0, 100, 49.5)
তবে ডেটা স্বাভাবিক নয় তাই একজন পর্যালোচক আমাদের টি-টেস্ট বাদে অন্য কিছু ব্যবহার করতে বলেছিলেন। তবে, যেহেতু সহজেই দেখা যায়, ডেটা কেবলমাত্র সাধারণত বিতরণ করা হয় না, তবে বিতরণগুলি শর্তগুলির মধ্যে সমান নয়:
সুতরাং, সাধারণ ননপ্যারামেট্রিক টেস্টগুলি, মান-হুইটনি-ইউ-টেস্ট (অবিবাহিত) এবং উইলকক্সন টেস্ট (জোড়যুক্ত) ব্যবহার করা যাবে না কারণ তাদের অবস্থার মধ্যে সমান বিতরণ প্রয়োজন। অতএব, আমি সিদ্ধান্ত নিয়েছি যে কিছু পুনর্নির্মাণ বা ক্রমশক্তি পরীক্ষা সেরা হবে।
এখন, আমি টি-টেস্টের পারমুটেশন-ভিত্তিক সমতুল্য, বা ডেটা দিয়ে কী করবেন সে সম্পর্কিত কোনও পরামর্শের জন্য আর বাস্তবায়ন খুঁজছি।
আমি জানি যে কিছু আর-প্যাকেজ রয়েছে যা আমার জন্য এটি করতে পারে (যেমন, মুদ্রা, পেরম, হুবহু র্যাঙ্কটেষ্ট, ইত্যাদি), তবে কোনটি বেছে নেবে তা আমি জানি না। সুতরাং, যদি এই পরীক্ষাগুলি ব্যবহারের সাথে কারও কারও অভিজ্ঞতা আমাকে কিক-স্টার্ট দিতে পারে তবে তা হবে উবারকুল।
আপডেট: আপনি যদি এই পরীক্ষা থেকে ফলাফলগুলি কীভাবে রিপোর্ট করবেন তার একটি উদাহরণ প্রদান করতে পারলে এটি আদর্শ হবে।