zχ2
z টেষ্ট:
টেস্ট ব্যবহারের যথাযথতা সম্পর্কে দুটি উদ্বেগ রয়েছে , অনুমিত নমুনা বিতরণটি সঠিক কিনা তা উভয়ই। প্রথমত, টেষ্টটি ডিস্ট্রিবিউশনের পরিবর্তে সাধারণ বিতরণ ব্যবহার করে , মানক বিচ্যুতিগুলি বোঝায় যে নমুনা ত্রুটি ছাড়াই পরিচিত। দ্বিতীয়ত, নমুনা বিতরণ অবিচ্ছিন্ন, তবে ডেটা পৃথক; যেহেতু কেবলমাত্র ডেটাগুলির নির্দিষ্ট সংমিশ্রণগুলিই সম্ভব, কেবলমাত্র নির্দিষ্ট ফলাফলের দ্বারা উপলব্ধ পরীক্ষার পরিসংখ্যানের মানগুলি সম্ভব, যা তাত্ত্বিক নমুনা বিতরণের সাথে মেলে না। (আমি এখানে অন্যান্য পরীক্ষার প্রসঙ্গে এই সমস্যাটি নিয়ে আলোচনা করেছি: তুলনা এবং বৈসাদৃশ্য, পি-মান, তাত্পর্য স্তর এবং আমি ত্রুটিটি টাইপ করি )) z টিzzt
আসুন প্রথম উদ্বেগকে ভিন্ন প্রসঙ্গে বিবেচনা করি। আপনার যদি সাধারণত বিতরণ করা ডেটা সহ দুটি গ্রুপ থাকে এবং আপনি যদি উপায়গুলি সমান হয় তা দেখতে চান, আপনাকে উপায় এবং মানক বিচ্যুতি উভয়ই গণনা করতে হবে। এখন আমরা জানি যে উপায়গুলি স্যাম্পলিংয়ের ত্রুটির সাপেক্ষে, সে কারণেই এই দুটি নমুনা অর্থটি অভিন্ন নয় বলে কেবল আমাদের পরীক্ষা করা দরকার। যাইহোক, আমাদের স্ট্যান্ডার্ড বিচ্যুতির প্রাক্কলনগুলিও নমুনা ত্রুটির সাপেক্ষে থাকতে হবে এবং আমাদের সেই বাস্তবতাকে কোনওভাবে বিবেচনা করতে হবে। যখন আমরা এটি করি, তখন দেখা যাচ্ছে যে পরীক্ষার পরিসংখ্যান (এক ধরণের আকারের গড় পার্থক্য) হিসাবে বিতরণ করা হয়েছে । আমরা যদি এর পরিবর্তে সাধারণ বিতরণ ব্যবহার করি (যেমন,z ztzসর্বশেষে) এর অর্থ হ'ল আমরা ধরে নিচ্ছি যে মানক বিচ্যুতির বিষয়ে আমাদের অনুমানগুলি ত্রুটিবিহীন - নিখুঁত। তাহলে টেষ্টটি আপনার ক্ষেত্রে কেন ব্যবহার করা যেতে পারে? কারণটি হ'ল আপনার ডেটা দ্বিমুখী (যেমন, পরিচিতের 'পরীক্ষাগুলির মধ্যে' সাফল্যের সংখ্যা ') সাধারণের পরিবর্তে। ইন দ্বিপদ বিন্যাস , স্ট্যানডার্ড ডেভিয়েশন গড় একটি ফাংশন, তাই একবার আপনি অনুমান আছে মানে সম্পর্কে চিন্তা করতে হবে কোন অতিরিক্ত অনিশ্চয়তা নেই। সুতরাং, সাধারণ বিতরণ পরীক্ষার পরিসংখ্যানগুলির নমুনা বিতরণের মডেল হিসাবে ব্যবহার করা যেতে পারে। z
পরীক্ষার পরিসংখ্যানগুলির দীর্ঘমেয়াদী আচরণটি বুঝতে সাধারণ বিতরণটি ব্যবহার করা প্রযুক্তিগতভাবে সঠিক হলেও, অন্য একটি সমস্যা উত্থাপিত হয়েছে। সমস্যাটি হ'ল স্বাভাবিক বিতরণ অবিচ্ছিন্ন, তবে আপনার ডেটা বিচ্ছিন্ন হওয়ার কারণে, তাত্ত্বিক বিতরণের সমস্ত মান সম্ভবত আপনার ডেটাসেটে পাওয়া যাবে না। (আবারও, আমি উপরের লিঙ্কিত উত্তরে এই বিষয়টিকে আরও বিস্তারিতভাবে আলোচনা করছি)) ভাগ্যক্রমে, আপনার ডেটার সম্ভাব্য ফলাফল এবং তাত্ত্বিক সাধারণ নমুনা বিতরণের মধ্যে ম্যাচটি আপনার বৃহত্তর হয় । আপনার ক্ষেত্রে, প্রকৃত অন্তর্নিহিত সম্ভাবনাগুলি যাই হোক না কেন, আপনার যতগুলি সাফল্য বা প্রতিটি গ্রুপে কেউই কম হতে পারে। তার মানে সম্ভাব্য সংমিশ্রনের সংখ্যা91 × 91 = 1 ,Nএন = 180 জেড91×91=1,729, যা অনেক সম্ভাবনা। একটি ছোট ডেটাসেটের সাহায্যে আপনি আমার লিঙ্কিত উত্তরে আমি যে ধরণের সমস্যা নিয়ে আলোচনা করেছি তা সত্যই ডেকে আনতে পারেন তবে দিয়ে আপনার খুব বেশি চিন্তা করার দরকার নেই। আমি বিশ্বাস করি যে টেষ্টটি গবেষকদের জন্য একটি বৈধ পছন্দ ছিল। N=180z
χ2 -প্রতিযোগী:
তবে টেষ্ট সম্পর্কে কী ? আমি মনে করি এটিও একটি বৈধ পছন্দ, তবে এটি আমার প্রথম পছন্দ হবে না। (এই বিষয়টিকে উত্তরণে আমার খেয়াল করা যাক যে দ্বিতীয় উদ্বেগটি উপরে আলোচনা করা হয়েছে - পৃথক তথ্য এবং একটি অবিচ্ছিন্ন রেফারেন্স বিতরণের মধ্যে অমিল) - টেষ্টের মতো as টেষ্টের ক্ষেত্রে ঠিক তেমন প্রযোজ্য , তাই রয়েছে এখানে কোনও সুবিধা নেই))χ 2 z χ 2 χ 2 z zχ2χ2zχ2সর্বাধিক এটি সারি মোটের তুলনায় কলামের योगের বিষয়ে বিশেষ কিছু আছে বলে ধরে নিচ্ছে না; উভয়ই এমন আচরণ করা হয় যেমন তারা অন্যান্য সম্ভাব্য মান হতে পারে। তবে এটি পরীক্ষামূলক সেটআপটিকে সঠিকভাবে প্রতিফলিত করে না। সেখানে 180 জন লোক ছিল এবং প্রতিটি গ্রুপে 90 জনকে নিয়োগ দেওয়া হয়েছিল। বারবার অভিন্ন অধ্যয়ন জুড়ে সত্যই পরিবর্তিত একমাত্র জিনিস হ'ল প্রতিটি গ্রুপে ঠান্ডা লাগা লোকের সংখ্যা। -test ভুল একইরূপে উভয় কাশি সংখ্যা এবং প্রতিটি দল হিসেবে যেন তারা পরিবর্তিত হতে পারে মানুষের সংখ্যা কিন্তু -test অধিকার ধৃষ্টতা করে তোলে। এ কারণেই এখানে টেষ্টের আরও ক্ষমতা রয়েছে। χ2zz
এটি মূল্যবান হিসাবে, @ জাবোম্যান দ্বারা প্রস্তাবিত পারমিটেশন পরীক্ষাটিও আপনার নকশার এই দিকটি সঠিকভাবে পেয়েছে এবং পৃথক-অবিচ্ছিন্ন অমিল ইস্যুতে ভুগছে না। সুতরাং, এটি সেরা বিকল্প। তবে আমি ভেবেছিলাম যে আপনার অবস্থার সাথে - এবং i স্টেটগুলি কীভাবে তুলনা করে সে সম্পর্কে আপনি আরও কিছুটা জানতে চাইবেন। χ 2zχ2