জোড়ের মতো টি-টেস্টের কোনওটিই যখন না হয় তখন কি আনোভা তাৎপর্যপূর্ণ হতে পারে?

Question

জোড়াওয়ালা টি-টেস্টের কেউই যখন করেন না তখন কী ওয়ান-ওয়ে ( গ্রুপ বা "স্তরগুলি সহ) এনোভা একটি গুরুত্বপূর্ণ পার্থক্যের প্রতিবেদন করা সম্ভব?এন ( এন - 1 ) /$N>2$$N(N-1)/2$

ইন এই উত্তর @whuber লিখেছিলেন:

এটি সর্বজনবিদিত যে একটি বিশ্বব্যাপী আনোভা এফ পরীক্ষার মাধ্যমে এমনকি কোনও স্বতন্ত্র [অযৌক্তিক জোড়ায়] টি-টেস্টের কোনও জোড়ের টি-টেস্টের একটি উল্লেখযোগ্য ফলাফল পাওয়া যায় না এমন পরিস্থিতিতে এমনকি তার পার্থক্য সনাক্ত করতে পারে।

সুতরাং সম্ভবত এটা সম্ভব, কিন্তু আমি বুঝতে পারি না কিভাবে। কখন এটি ঘটে এবং এরকম একটি মামলার পিছনে অন্তর্দৃষ্টি কী হবে? হতে পারে যে কেউ এ জাতীয় পরিস্থিতির একটি সহজ খেলনা উদাহরণ সরবরাহ করতে পারেন?

আরও কিছু মন্তব্য:

1. বিপরীতটি স্পষ্টভাবে সম্ভব: সামগ্রিক আনোভা অ-তাৎপর্যপূর্ণ হতে পারে তবে কিছু জোড় টি-টেস্ট ভুলভাবে উল্লেখযোগ্য পার্থক্যের প্রতিবেদন করে (যেমন সেগুলি মিথ্যা ধনাত্মক হবে)।

2. আমার প্রশ্নটি একাধিক তুলনা টি-পরীক্ষার জন্য মানক, অ-সামঞ্জস্যপূর্ণ about যদি সমন্বিত পরীক্ষাগুলি ব্যবহার করা হয় (যেমন টুকির এইচএসডি পদ্ধতি), তবে এটি সম্ভব যে সামগ্রিক আনোভা হওয়া সত্ত্বেও এগুলির কোনওটিই উল্লেখযোগ্য হতে পারে না। এটি বেশ কয়েকটি প্রশ্নের মধ্যে এখানে আচ্ছাদিত রয়েছে, উদাহরণস্বরূপ, আমি কীভাবে একটি তাত্পর্যপূর্ণ সামগ্রিক আনোভা পেতে পারি তবে টুকির পদ্ধতির সাথে কোনও গুরুত্বপূর্ণ যুগল পার্থক্য নেই? এবং উল্লেখযোগ্য আনোভা ইন্টারঅ্যাকশন তবে অ-তাৎপর্যপূর্ণ যুগের তুলনা ।

3. হালনাগাদ. আমার প্রশ্নটি মূলত দুটি দ্বি-নমুনা জোড়াওয়ালা টি-টেস্টগুলিকে উল্লেখ করে। তবে @ শুভর মন্তব্যগুলিতে যেমন উল্লেখ করেছেন, আনোভা প্রসঙ্গে, টি-টেস্টগুলি সাধারণত পোস্টের অন্তর্ভুক্ত হয় গ্রুপের বিভিন্নতার আনোভা অনুমানের ব্যবহারের বিপরীতে, সমস্ত গ্রুপ জুড়ে পুল করা হয় (যা দুটি ক্ষেত্রে ঘটে না তাই হয়) -সম্পূর্ণ টি-পরীক্ষা)। সুতরাং আমার প্রশ্নের দুটি ভিন্ন সংস্করণ আসলে আছে এবং তাদের উভয়ের উত্তর ইতিবাচক হতে পারে। নিচে দেখ.

Comments

আপনার প্রশ্নটি অনেক থ্রেডে আচ্ছাদিত: উল্লেখযোগ্য পরিমাণে রিগ্রেশন নিয়ে আমাদের সাইটটি অনুসন্ধান করার চেষ্টা করুন । (আনোভা হ'ল সর্বনিম্ন স্কোয়ার রিগ্রেশনের একটি অ্যাপ্লিকেশন)) উদাহরণস্বরূপ, stats.stackexchange.com/questions/14500/… একটি স্পষ্ট উদাহরণ এবং কিছু স্বজ্ঞাততা সরবরাহ করে। পূর্ববর্তী থ্রেড থেকে পৃথক করতে দয়া করে এগুলি অনুসন্ধান করুন এবং আপনার প্রশ্নটি সম্পাদনা করুন possible

— whuber

ধন্যবাদ, আমি এর আগে দেখিনি। তবে, একাধিক প্রতিরোধ সম্পর্কে এই ব্যাখ্যাগুলি আনোভা তুলনার ভাষায় অনুবাদ করার জন্য আমার খুব কষ্ট হয়েছে। এটি অবশ্যই আমার নিজের সমস্যা, তবে আমি অনুমান করব যে আমি একা নই, সুতরাং আমার প্রশ্নের উত্তর এখনও সম্প্রদায়ের জন্য কার্যকর হতে পারে। এখানে আমার বিভ্রান্তি রয়েছে: কেউ বাম / ডান জুতোর মাপের ওজনকে পুনরায় চাপানোর উদাহরণ দিয়েছেন (দুটি দৃ F়ভাবে সম্পর্কযুক্ত আইভি) => এফ সিগনিফ, টি না। খুব ভাল. 3 টি গ্রুপের সাথে আনোভা রিগ্রেশনগুলিতে 2 টি ডামি আইভি রয়েছে; তারা ডামি => সর্বদা নিখুঁত বিরোধী ... এবং তাই কি?

— অ্যামিবা

আমি ভীত যে আমি এই শেষ মন্তব্যটি অনুসরণ করি না। প্রথমত, বিষয়টি অগত্যা ডিজাইনের ম্যাট্রিক্সের দৃ strong় সম্পর্কের সাথে সম্পর্কিত নয়। দ্বিতীয়ত, নকলগুলির হয় না "পুরোপুরি anticorrelated": যদি তারা ছিল, সফ্টওয়্যার যাহাই হউক না কেন তাদের মধ্যে একজন ড্রপ করতে হবে। আপনি সম্ভবত আরও জটিল আনোভা মডেলগুলিতে সূক্ষ্ম বিষয়গুলির উল্লেখ করছেন ।

— whuber

@ অ্যামিবা: আপনার ডামি ভেরিয়েবলগুলি নেতিবাচকভাবে সম্পর্কিত হয়েছে।

— মাইকেল এম

আমি আপনার "আরও মন্তব্য" নং ব্যতিক্রম গ্রহণ করি। 1. কেবলমাত্র আপনার কাছে অত্যন্ত গুরুত্বপূর্ণ জুটিযুক্ত তুলনা রয়েছে এবং একটি উল্লেখযোগ্য এফ এর দ্বারা বোঝা যাচ্ছে না যে সেই উল্লেখযোগ্য ফলাফলগুলি মিথ্যা ধনাত্মক। কোনও কিছু মিথ্যা ধনাত্মক কিনা তা নিশ্চিত করে জানতে, আপনাকে জানতে হবে যে আসল উপায়গুলির মধ্যে কোনও পার্থক্য নেই, মিউ। এফ পরিসংখ্যান পবিত্র নয়। আসলে এটি বাধ্যতামূলকও নয়। এটি মডেল নির্বাচনের জন্য সবচেয়ে দরকারী, তবে এর বাইরে এটি আপনার ডেটাতে সুনির্দিষ্টভাবে কী চলছে তা খুব কমই তথ্যপূর্ণ।

— rvl

Answer 1

দ্রষ্টব্য: আমার মূল উদাহরণটিতে কিছু ভুল ছিল। আমি নির্বুদ্ধিতা আর এর নীরব যুক্তি পুনর্ব্যবহার দ্বারা ধরা পড়ে। আমার নতুন উদাহরণটি আমার পুরনোটির সাথে বেশ মিল। আশা করি সবকিছু এখনই ঠিক আছে।

এখানে আমি এমন একটি উদাহরণ তৈরি করেছি যা আনোভা 5% স্তরে তাৎপর্যপূর্ণ রয়েছে তবে 6 টি জুটিযুক্ত তুলনার কোনওটিরও উল্লেখযোগ্য নয়, এমনকি 5% স্তরেও ।

তথ্য এখানে:

g1:  10.71871  10.42931   9.46897   9.87644
g2:  10.64672   9.71863  10.04724  10.32505  10.22259  10.18082  10.76919  10.65447 
g3:  10.90556  10.94722  10.78947  10.96914  10.37724  10.81035  10.79333   9.94447 
g4:  10.81105  10.58746  10.96241  10.59571

আনোভা এখানে:

             Df Sum Sq Mean Sq F value Pr(>F)  
as.factor(g)  3  1.341  0.4469   3.191 0.0458 *
Residuals    20  2.800  0.1400        

এখানে দুটি নমুনা টি-পরীক্ষা পি-মান (সমান ভেরিয়েন্স অনুমান):

        g2     g3     g4
 g1   0.4680 0.0543 0.0809 
 g2          0.0550 0.0543 
 g3                 0.8108

গোষ্ঠীর অর্থ বা স্বতন্ত্র পয়েন্টগুলির সাথে আরও কিছুটা ম্লান হওয়ার সাথে সাথে তাত্পর্যটিকে আরও আকর্ষণীয় করা যেতে পারে (এটিতে আমি টি-টেস্টের জন্য প্রথম পি-মানকে ছোট এবং ছ'টি পি-মানের সেটের সর্বনিম্ন সেট করতে পারি) )।

-

সম্পাদনা করুন: এখানে একটি অতিরিক্ত উদাহরণ যা মূলত একটি প্রবণতা সম্পর্কে শোরগোল দিয়ে উত্পন্ন হয়েছিল, যা দেখায় যে আপনি কিছুটা পয়েন্ট সরিয়ে ফেললে আপনি আরও কত ভাল করতে পারেন:

g1:  7.27374 10.31746 10.54047  9.76779
g2: 10.33672 11.33857 10.53057 11.13335 10.42108  9.97780 10.45676 10.16201
g3: 10.13160 10.79660  9.64026 10.74844 10.51241 11.08612 10.58339 10.86740
g4: 10.88055 13.47504 11.87896 10.11403

এফ এর 3% এর নীচে পি-মান থাকে এবং টি এর কোনওটিরই 8% এর নীচে পি-মান থাকে না। (3 টি গ্রুপ উদাহরণের জন্য - তবে এফ এর কিছুটা বড় পি-মান সহ - দ্বিতীয় গ্রুপটি বাদ দিন)

এবং এখানে একটি অতি সাধারণ, যদি আরও কৃত্রিম হয় তবে উদাহরণস্বরূপ 3 টি দল:

g1: 1.0  2.1
g2: 2.15 2.3 3.0 3.7 3.85
g3: 3.9  5.0

(এই ক্ষেত্রে, সবচেয়ে বড় বৈকল্পিকটি মধ্যবর্তী গোষ্ঠীর উপর - তবে সেখানে বৃহত্তর নমুনার আকারের কারণে, গ্রুপটির গড় ত্রুটি এখনও ছোট)

---

একাধিক তুলনা টি-পরীক্ষা

whuber প্রস্তাবিত আমি একাধিক তুলনা ক্ষেত্রে বিবেচনা। এটি বেশ আকর্ষণীয় বলে প্রমাণিত হয়েছে।

একাধিক তুলনা করার ক্ষেত্রে (সমস্ত মূল তাত্পর্য স্তরে পরিচালিত - যেমন একাধিক তুলনার জন্য আলফা সামঞ্জস্য না করা) অর্জন করা কিছুটা বেশি কঠিন, কারণ বিভিন্ন গ্রুপে আরও বড় এবং ছোট বৈকল্পের সাথে আরও বেশি বা কম ডিএফ খেলতে সহায়তা করে না সাধারণ দ্বি-নমুনা টি-পরীক্ষা দিয়ে তারা যেমন করে।

তবে, আমাদের কাছে এখনও গ্রুপ সংখ্যা এবং তাত্পর্য স্তর হেরফের করার সরঞ্জামগুলি রয়েছে; যদি আমরা আরও গোষ্ঠী এবং আরও ছোট তাত্পর্য স্তর চয়ন করি তবে কেসগুলি সনাক্ত করতে এটি আবার তুলনামূলকভাবে সহজ হয়ে যায়। এখানে একটি:

$n_i=2$$\alpha=0.0025$

> summary(aov(values~ind,gs2))
            Df Sum Sq Mean Sq F value  Pr(>F)   
ind          7      9   1.286   10.29 0.00191 
Residuals    8      1   0.125                   

তবুও জোড়ের তুলনায় ছোটতম পি-মানটি সেই স্তরের পক্ষে তাৎপর্যপূর্ণ নয়:

> with(gs2,pairwise.t.test(values,ind,p.adjust.method="none"))

        Pairwise comparisons using t tests with pooled SD 

data:  values and ind 

   g1     g2     g3     g4     g5     g6     g7    
g2 1.0000 -      -      -      -      -      -     
g3 1.0000 1.0000 -      -      -      -      -     
g4 1.0000 1.0000 1.0000 -      -      -      -     
g5 0.0028 0.0028 0.0028 0.0028 -      -      -     
g6 0.0028 0.0028 0.0028 0.0028 1.0000 -      -     
g7 0.0028 0.0028 0.0028 0.0028 1.0000 1.0000 -     
g8 0.0028 0.0028 0.0028 0.0028 1.0000 1.0000 1.0000

P value adjustment method: none 

Comments

দ্বি-নমুনা টি-টেস্টটি রিগ্রেশনে পেয়ারওয়াই টেস্টের মতো জিনিস নয়। পার্থক্যটি অবশিষ্টাংশের ভিন্নতার অনুমানের মধ্যে রয়েছে lies সুতরাং আপনার উদাহরণগুলি সত্যই শক্তিশালী প্যারাডক্সের উদাহরণ নয়, এটি হ'ল এক এবং একই প্রতিরোধ বিশ্লেষণের মধ্যে এফ-টেস্টটি উল্লেখযোগ্য হতে পারে তবে এর জোড়াযুক্ত তুলনাগুলির কোনওটিই তাৎপর্যপূর্ণ নয়। আমি বিশ্বাস করি যে এই প্যারাডক্সটি অগত্যা হেটেরোসেসটেস্টিটিভিটি থেকে উদ্ভূত হয় না: হয়: সমস্ত গোষ্ঠীর বৈকল্পিক সমান হলেও এটি উপস্থিত হতে পারে।

— হোবার

এফ-টেস্টের নালটিকে প্রত্যাখ্যান করা সম্ভব হওয়ার পরেও আরও আকর্ষণীয় বিষয়টি সম্বোধন করা যেতে পারে তবে জুটিযুক্ত টি-টেস্টগুলির মধ্যে কেউই এটি একই তাত্পর্য পর্যায়ে প্রত্যাখ্যান করতে পারে না (এফ-টেস্টের মতো একই ত্রুটির বৈকল্পিক অনুমান ব্যবহার করে)। উদাহরণস্বরূপ 3 টি গ্রুপের সমান নমুনাযুক্ত মাপের 5% প্রত্যাখার অঞ্চলের ইউনিয়নটি জোড়াযুক্ত টি-পরীক্ষার জন্য আনোভার এফ-পরীক্ষার জন্য 5% প্রত্যাখ্যান অঞ্চল রয়েছে এমনকি যখন নমুনার আকারটি খুব বড় হয়ে যায়।

— স্কর্চচি - মনিকা পুনরায় ইনস্টল করুন

$0.005$$F$

অ্যামিবা, এই বিভ্রান্তিটি উত্থাপিত হয়েছিল যে "জোড়াযুক্ত টি-টেস্ট" দুটি জিনিস বোঝাতে পারে। আনোভা প্রসঙ্গে, এটি সাধারণত আনোভা অনুমানগুলি ব্যবহার করে পোস্ট হকের বিপরীতে বোঝানো বোঝানো হত । অন্যরা যেমন উল্লেখ করেছে, এটি গ্রুপের জোড়া নিয়ে সাধারণ টি-টেস্ট পরিচালনা করার মতো নয়, কারণ আনোভা সংস্করণটি সমস্ত গোষ্ঠী থেকে প্রাপ্ত গ্রুপের মধ্যে ভিন্নতার অনুমানের ভিত্তিতে তৈরি ।

— whuber

আমি মনে করি আপনি একটি ভাল সংক্ষিপ্তসার তৈরি করেছেন। আমি এই প্যারাডক্সটিকে "শক্তিশালী" হিসাবে উল্লেখ করেছি যে যখন সমস্ত পরীক্ষাগুলি একক আনোভা বিশ্লেষণের কাঠামোর মধ্যে পরিচালিত হয়, তখন কেউ (নির্মোহভাবে) তাদের অভ্যন্তরীণভাবে সামঞ্জস্যপূর্ণ হওয়ার প্রত্যাশা করে। (আপনি যখন দুটি সেট পরীক্ষা পরিচালনা করেন যা অন্তর্নিহিতভাবে সম্পর্কিত নয়, তখন তারা বিবাদমান ফলাফল দেওয়ার সময় অবাক হওয়ার মতো কিছু হবে না: এটি প্রায়শই ঘটে থাকে)) আমাদের অবশ্যই মেনে নিতে হবে যে এই গোষ্ঠীর উপসংহারে এটি যৌক্তিকভাবে সুসংগত এবং পরিসংখ্যানগতভাবে বৈধ is কোনও নির্দিষ্ট গ্রুপের গ্রুপের মধ্যে পার্থক্য না পেয়ে অর্থ উল্লেখযোগ্যভাবে পরিবর্তিত হয়।

— শুক্র

Answer 2

সংক্ষিপ্তসার: আমি বিশ্বাস করি যে এটি সম্ভব, তবে খুব সম্ভবত খুব কমই। পার্থক্যটি ছোট হবে, এবং যদি এটি ঘটে থাকে তবে এটি অনুমিতি লঙ্ঘিত হয়েছে কারণ (যেমন সমকামীতার বৈকল্পিকতা)।

এখানে এমন কিছু কোড রয়েছে যা এই জাতীয় সম্ভাবনা খুঁজে বের করে। দ্রষ্টব্য যে এটি প্রতিবার চালানোর সময় বীজকে বাড়িয়ে দেয়, যাতে বীজ সংরক্ষণ করা হয় (এবং বীজের মাধ্যমে অনুসন্ধান ব্যবস্থাবদ্ধ হয়)।

stopNow <- FALSE
counter <- 0
while(stopNow == FALSE) {
  counter <- counter + 1
  print(counter)
  set.seed(counter)
  x <- rep(c(0:5), 100)
  y <- rnorm(600) + x * 0.01
  df  <-as.data.frame( cbind(x, y))
  df$x <- as.factor(df$x)
  fit <- (lm(y ~ x, data=df))
  anovaP <- anova(fit)$"Pr(>F)"[[1]]
       minTtestP <- 1
      for(loop1 in c(0:5)){
        for(loop2 in c(0:5)) {
          newTtestP <- t.test(df[x==loop1,]$y, df[x==loop2,]$y)$p.value
      minTtestP <- min(minTtestP, newTtestP )    
      }
   }

  if(minTtestP > 0.05 & anovaP < 0.05) stopNow <- TRUE 
  cat("\nminTtestP = ", minTtestP )
  cat("\nanovaP = ", anovaP )
  cat("\nCounter = ", counter, "\n\n" )
}

একটি উল্লেখযোগ্য আর 2 অনুসন্ধান করছে এবং অ-তাত্পর্যপূর্ণ টি-টেস্টের জন্য আমি 18,000 এর বীজ পর্যন্ত কিছুই পাইনি। টি-পরীক্ষাগুলির চেয়ে আর 2 থেকে কম পি-মান সন্ধান করছি, আমি বীজ = 323 এ ফলাফল পেয়েছি, তবে পার্থক্যটি খুব খুব সামান্য। এটি সম্ভব যে প্যারামিটারগুলি টুইট করা (গ্রুপগুলির সংখ্যা বাড়ানো?) সাহায্য করতে পারে। আর 2 পি-মানটি ছোট হওয়ার কারণটি হ'ল যখন রিগ্রেশনটিতে প্যারামিটারগুলির জন্য স্ট্যান্ডার্ড ত্রুটি গণনা করা হয়, সমস্ত গ্রুপকে একত্রিত করা হয়, তাই পার্থক্যের স্ট্যান্ডার্ড ত্রুটিটি টি-টেস্টের তুলনায় সম্ভাব্য ছোট smaller

আমি বিস্মিত হয়েছি যে হিটারোসেসিস্টাস্টিটি লঙ্ঘন করা যদি (যেমন ছিল তেমন) সহায়তা করতে পারে। এটা করে. যদি আমি ব্যবহার করি

y <- (rnorm(600) + x * 0.01) * x * 5

Y উত্পন্ন করতে, তারপরে আমি বীজ = 1889 এ একটি উপযুক্ত ফলাফল পেয়েছি, যেখানে টি-পরীক্ষাগুলি থেকে ন্যূনতম পি-মান 0.061 এবং আর-স্কোয়ারের সাথে সম্পর্কিত পি-মান 0.046।

যদি আমি এক্স স্যাম্পলিংয়ের পরিবর্তে গ্রুপের আকারগুলিকে (যা হেটেরোসেসডাস্টিকটির লঙ্ঘনের প্রভাব বাড়ায়) পরিবর্তিত করে:

x <- sample(c(0:5), 100, replace=TRUE)

আমি বীজ = 531 এ একটি উল্লেখযোগ্য ফলাফল পেয়েছি, ন্যূনতম টি-টেস্টের পি-মান 0.063 এবং আর -2 এর পি-মান 0.046 এ।

যদি আমি টি-টেস্টে হেটেরোসেসটাস্টিটির জন্য সংশোধন বন্ধ করে দিই:

newTtestP <- t.test(df[x==loop1,]$y, df[x==loop2,]$y, var.equal = TRUE)$p.value

আমার উপসংহারটি হ'ল এটি হওয়ার খুব সম্ভবত সম্ভাবনা নেই এবং পার্থক্যটি খুব সামান্যই হওয়ার সম্ভাবনা রয়েছে, যদি না আপনি রিগ্রেশনে সমকামী অনুমানকে লঙ্ঘন না করেন। আপনার বিশ্লেষণকে শক্তিশালী / স্যান্ডউইচ / যা কিছু আপনি এটি সংশোধন করতে চান তা দিয়ে চালানোর চেষ্টা করুন।

Comments

আপনার মনে হচ্ছে "যদি আমি টি-টেস্টে হেটেরোসেসটাস্টিটির জন্য সংশোধন করা বন্ধ করি" দিয়ে শুরু করে একটি অসমাপ্ত বাক্য রয়েছে। তা ছাড়াও অনেক অনেক ধন্যবাদ! প্রশ্নে আমার আপডেট দেখুন। এখানে @ whuber এর প্রথম মন্তব্যটি নোট করুন; আমি যদি সঠিকভাবে বুঝতে পারি তবে তিনি জোর দিয়ে বলেন যে এই জাতীয় পরিস্থিতি সহজেই (?) ঘটতে পারে (এবং এটিকে "সুপরিচিত" বলে সম্বোধন করে)। এখানে কিছু ভুল বুঝাবুঝি হতে পারে তবে তা কী?

— অ্যামিবা

আমি মনে করি @ হুবার মডেলটিতে অ-উল্লেখযোগ্য পরামিতি সম্পর্কে কথা বলছেন, অ-তাৎপর্যপূর্ণ টি-টেস্ট নয়।

— জেরেমি মাইলস

না সে না. যদি এটি সুপরিচিত হয়, তবে আমি এটি জানি না এবং আমি একটি উদাহরণ আনার চেষ্টা করেছি, আর পারছি না।

— জেরেমি মাইলস

আমি আনন্দিত, তবে, @ Glen_b একটি সাধারণ উদাহরণ তৈরি করেছে। স্বজ্ঞাততাটি হ'ল সামগ্রিক পরীক্ষাটি মূল্যায়ন করে যে দলটির প্রমাণ ছড়িয়েছে যে দলবদ্ধভাবে একাকী অবশিষ্টাংশ দ্বারা যুক্তিসঙ্গতভাবে ব্যাখ্যা করা যায় না তা প্রমাণ রয়েছে কিনা। একযোগে দুটি উপায় যুক্ত জড়িত পরীক্ষা, একই প্রমাণের মূল্যায়নে যথেষ্ট রক্ষণশীল হতে হবে। অতএব এমনকি দুটি চূড়ান্ত গোষ্ঠীর সাথে তুলনা করা যখন সমস্ত উপায়ে সামগ্রিক বিতরণ তাৎপর্যপূর্ণ হয় তবে তা একটি তাত্পর্যপূর্ণ উদ্ভাবন করতে ব্যর্থ হতে পারে । এটি কখনও কখনও অনুশীলনে দেখা যায়, বিশেষত বিপুল সংখ্যক গ্রুপের সাথে।

— হোয়বার

বিটিডাব্লু, এই "সুপরিচিত" বলার কারণ সিস্ট্যাট সফ্টওয়্যার ম্যানুয়ালটিতে আমার সম্পর্কে এটি সম্পর্কে সতর্ক হওয়ার কথা মনে পড়েছে। 1989. এটি একটি খুব শিক্ষামূলক ম্যানুয়াল ছিল (এর বেশিরভাগটি ব্যক্তিগতভাবে লেল্যান্ড উইলকিনসন , বিকাশকারী লিখেছিলেন ) এবং সম্ভবত এখনও রয়েছে। ম্যানুয়ালটি অনলাইনে রয়েছে, তবে এটি ডাউনলোড করতে সক্ষম হতে আপনাকে সিস্ট্যাট সাইটে নিবন্ধন করতে হবে।

— হোয়বার

Answer 3

এটি সম্পূর্ণ সম্ভব:

• এক বা একাধিক জুটিযুক্ত টি-টেস্ট সাইনফিফিক্যান্ট তবে সামগ্রিক এফ-টেস্টটি তা নয়
• সামগ্রিক এফ-টেস্টটি তাৎপর্যপূর্ণ তবে জোড়া লাগার টি-টেস্টের কোনওটিই নয়

সামগ্রিক এফ পরীক্ষাগুলি একই সাথে সমস্ত বিপরীতে পরীক্ষা করে । এই হিসাবে, এটি পৃথক বিপরীতে (যেমন: একটি জোড় পরীক্ষা) কম সংবেদনশীল (কম পরিসংখ্যানগত শক্তি) হওয়া উচিত। দুটি পরীক্ষা একে অপরের সাথে ঘনিষ্ঠভাবে জড়িত তবে তারা ঠিক একই জিনিস রিপোর্ট করছে না ।

আপনি দেখতে পাচ্ছেন, সামগ্রিক এফ-টেস্টটি উল্লেখযোগ্য না হলে পরিকল্পিত তুলনা না করার পাঠ্যপুস্তকের সুপারিশটি সর্বদা সঠিক হয় না। প্রকৃতপক্ষে, সুপারিশটি আমাদের উল্লেখযোগ্য পার্থক্যগুলি সন্ধান করতে বাধা দিতে পারে কারণ নির্দিষ্ট পার্থক্য পরীক্ষা করার জন্য সামগ্রিক এফ টেস্টে পরিকল্পিত তুলনার তুলনায় কম শক্তি রয়েছে।

Comments

আমি নিশ্চিত নই যে আমি আপনার উত্তরের যুক্তি অনুসরণ করেছি। আপনি কি বলছেন যে কোনও এফ-টেস্ট দ্বারা এইচ 0 এর প্রত্যাখ্যানটি বোঝায় যে কমপক্ষে একটি নন-শূন্য বিপরীতে রয়েছে তবে এই বৈসাদৃশ্যটি জুটিওয়ালা তুলনাগুলির সাথে কোনওটির সাথে মিলবে না? যদি তা হয়, তবে এর অর্থ কি যদি কোনও এফ-টেস্ট এইচ 0 প্রত্যাখ্যান করে, তবে সম্ভাব্য সমস্ত বৈসাদৃশ্যগুলি জুড়ে কমপক্ষে জোড়াযুক্ত পরীক্ষাগুলিও একটি প্রত্যাখ্যানের দিকে পরিচালিত করবে?

— অ্যামিবা বলছেন মনিকাকে

@ আমেবা আমি আমার উত্তর সম্পাদনা করেছি।

— স্মলচিস