আপনি বৈকল্পিক পরীক্ষার বিশ্লেষণে একটি লেজযুক্ত পরীক্ষা ব্যবহারের কারণ দিতে পারেন?
আনোভাতে আমরা কেন একটি লেজ পরীক্ষা - এফ-পরীক্ষা ব্যবহার করব?
আপনি বৈকল্পিক পরীক্ষার বিশ্লেষণে একটি লেজযুক্ত পরীক্ষা ব্যবহারের কারণ দিতে পারেন?
আনোভাতে আমরা কেন একটি লেজ পরীক্ষা - এফ-পরীক্ষা ব্যবহার করব?
উত্তর:
এফ পরীক্ষাগুলি সাধারণত দুটি উদ্দেশ্যে ব্যবহৃত হয়:
আনোভাতে, মাধ্যমের সমতা পরীক্ষা করার জন্য (এবং বিভিন্ন অনুরূপ বিশ্লেষণ); এবং
বৈকল্পিক সমতা পরীক্ষায়
আসুন প্রতিটি পরিবর্তে বিবেচনা করুন:
1) এএনওভাতে এফ পরীক্ষাগুলি (এবং একইভাবে, গণনা সম্পর্কিত ডেটার জন্য সাধারণ ধরণের চি-বর্গ পরীক্ষাগুলি) তৈরি করা হয় যাতে আরও বেশি বিকল্প বিকল্প অনুমানের সাথে সামঞ্জস্যপূর্ণ হয়, পরীক্ষার পরিসংখ্যান তত বেশি থাকে, যখন নমুনার ব্যবস্থা থাকে শূন্যের সাথে সবচেয়ে সামঞ্জস্যপূর্ণ দেখায় এমন ডেটা পরীক্ষার পরিসংখ্যানের ক্ষুদ্রতম মানগুলির সাথে মিলে যায়।
তিনটি নমুনা বিবেচনা করুন (আকারের 10, সমান নমুনার বৈচিত্র সহ) এবং তাদের সমান নমুনা উপকরণের ব্যবস্থা করুন এবং তারপরে বিভিন্ন পদ্ধতিতে তাদের উপায়গুলি সরান। নমুনার পরিবর্তনের অর্থ শূন্য থেকে বৃদ্ধি পাওয়ার সাথে সাথে এফ পরিসংখ্যান আরও বড় হয়:
কালো রেখাগুলি ( ) ডেটা মান। ভারী লাল রেখাগুলি ( ) গ্রুপ মানে।|
যদি নাল অনুমান (জনসংখ্যার সমতার অর্থ) সত্য হয় তবে আপনি নমুনা অর্থের কিছুটা ভিন্নতা আশা করতে পারেন এবং সাধারণত প্রায় 1 এর কাছাকাছি এফ অনুপাতটি দেখতে আশা করতেন 1 আশা করুন ... সুতরাং আপনি জনসংখ্যার পার্থক্য শেষ করতে যাবেন না।
এটি হ'ল আনোভা-র জন্য, যখন আপনি অস্বাভাবিকভাবে বড় এফ-মানগুলি পাবেন তখন আপনি অর্থের সমতার কল্পনাটিকে প্রত্যাখ্যান করবেন এবং যখন আপনি অস্বাভাবিকভাবে ছোট মান পাবেন তখন আপনি এই সমতার কল্পনাটিকে অস্বীকার করবেন না (এটি কিছু নির্দেশ করতে পারে তবে তা নয়) যে জনসংখ্যা মানে পৃথক)।
এখানে একটি চিত্র রয়েছে যা আপনাকে দেখতে সাহায্য করতে পারে যে F কেবল তার উপরের লেজের মধ্যে থাকলে আমরা কেবল তা প্রত্যাখ্যান করতে চাই:
2) বৈকল্পিকের সমতার জন্য এফ পরীক্ষাগুলি (ভেরিয়েন্স অনুপাতের ভিত্তিতে)। এখানে, দুটি নমুনা বৈকল্পিক অনুমানের অনুপাতটি বৃহত্তর হবে যদি সংখ্যার নমুনার বৈকল্পিক সংখ্যাটির পরিবর্তকের চেয়ে অনেক বেশি হয়, এবং অনুপাতটি সংখ্যায় পৃথক আকারের চেয়ে অনেক বেশি হলে অনুপাতটি ছোট হবে।
এটি হ'ল, জনসংখ্যার পরিবর্তনের অনুপাত 1 থেকে পৃথক কিনা তা পরীক্ষা করার জন্য, আপনি এফ এর বৃহত এবং ছোট উভয় মানের জন্য নালকে প্রত্যাখ্যান করতে চাইবেন want
* (এই পরীক্ষার বন্টনীয় অনুমানের উচ্চ সংবেদনশীলতার বিষয়টি বাদ দেওয়া (আরও ভাল বিকল্প রয়েছে) এবং এ বিষয়টিও যে আপনি যদি আনোভা সমান-বৈকল্পিক অনুমানের উপযুক্ততায় আগ্রহী হন তবে আপনার সেরা কৌশল সম্ভবত একটি নয় আনুষ্ঠানিক পরীক্ষা।)
এটি অবশ্যই বুঝতে হবে যে আনোভাটির উদ্দেশ্য হ'ল উপায়ের অসমতা আছে কিনা তা যাচাই করা ... যা বোঝায় যে আমরা নমুনাগুলির মধ্যে বিভিন্ন পরিবর্তনের সাথে তুলনামূলকভাবে নমুনাগুলির মধ্যে (এবং এর অর্থ পরিবর্তিতকরণগুলি মাধ্যম থেকে গণনা করা হয়) এর সাথে বড় পার্থক্যের সাথে উদ্বিগ্ন are (আবার স্বতন্ত্র নমুনা গড় থেকে গণনা)। যখন নমুনাগুলির মধ্যে পার্থক্যগুলি ছোট হয় (ফলস্বরূপ এফ মানটি বাম দিকে থাকে) তবে এই তাত্পর্যটি তুচ্ছ বলে কিছু যায় আসে না। নমুনাগুলির মধ্যে পার্থক্যগুলি যদি এটির তারতম্যের তুলনায় উল্লেখযোগ্যভাবে বেশি হয় এবং এই ক্ষেত্রে F এর মান 1 এর চেয়ে বেশি হয় এবং তাই ডান লেজের মধ্যে থাকে।
কেবলমাত্র প্রশ্নটিই রইল যে কেন পুরো তাত্পর্যকে ডান লেজে রাখে এবং উত্তরটি আবার একই। এই প্রত্যাখাততা কেবল তখনই ঘটে যখন এফ অনুপাত ডানদিকে থাকে এবং যখন এফ অনুপাতটি বাম দিকে থাকে না। তাত্পর্যপূর্ণ সীমাবদ্ধতার কারণে ত্রুটির পরিমাপ হ'ল তাত্পর্যপূর্ণ স্তর। প্রত্যাখ্যানটি কেবল ডানদিকে ঘটে যাওয়ার কারণে তাত্পর্যপূর্ণ মাত্রার পুরো স্তরটি (ভুল ধারণার ত্রুটির ঝুঁকি) ডানদিকে রাখা হয়। `
চিকিত্সার মধ্যে মিউন স্কয়ারের (এমএস) জন্য প্রত্যাশিত মান হ'ল জনসংখ্যার বৈকল্পিকতা, তবে চিকিত্সার মধ্যে এমএসের প্রত্যাশিত মান হ'ল জনসংখ্যার বৈকল্পিক PLUS চিকিত্সার বৈকল্পিক। সুতরাং, এফ = এমএসবিটউইন / এমএসউইথিনের অনুপাত সর্বদা 1 এর চেয়ে বেশি, এবং কখনও 1 এর চেয়ে কম নয়।
যেহেতু 1-লেজযুক্ত পরীক্ষার চেয়ে 1-লেজযুক্ত পরীক্ষার যথার্থতা আরও ভাল, আমরা 1-লেজযুক্ত পরীক্ষাটি ব্যবহার করতে পছন্দ করি।