Uma pergunta comum ao comparar dois conjuntos de medidas é se deve usar um procedimento de teste paramétrico ou não paramétrico. Na maioria das vezes, vários testes paramétricos e não paramétricos são comparados usando simulação, como o teste t, teste normal (testes paramétricos), níveis de Wilcoxon, pontuações de van der Walden, etc. (não paramétricos).
Os testes paramétricos assumem distribuições estatísticas subjacentes nos dados. Portanto, várias condições da realidade devem ser satisfeitas para que seu resultado seja confiável. Testes não paramétricos não dependem de nenhuma distribuição. Assim, eles podem ser aplicados mesmo que as condições de realidade paramétrica não sejam atendidas. Neste artigo, consideraremos o método paramétrico, ou seja, o coeficiente de correlação de Student.
Comparação paramétrica de amostras (t-Student)
Os métodos são classificados com base no que sabemos sobre os assuntos que estamos analisando. A ideia básica é que existe um conjunto de parâmetros fixos que definem um modelo probabilístico. Todos os tipos de coeficiente de Student são métodos paramétricos.
Esses são muitas vezes esses métodos, quando analisados, vemos que o sujeito é aproximadamente normal, então antes de usar o critério, você deve verificar a normalidade. Ou seja, a colocação das características na tabela de distribuição de Student (em ambas as amostras) não deve diferir significativamente da normal e deve corresponder ou concordar aproximadamente com o parâmetro especificado. Para uma distribuição normal, existem duas medidas: a média e o desvio padrão.
Teste t de Student é aplicado ao testar hipóteses. Ele permite que você teste a suposição aplicável aos assuntos. O uso mais comum desse teste é testar se as médias de duas amostras são iguais, mas também pode ser aplicado a uma única amostra.
Acrescenta-se que a vantagem de usar um teste paramétrico em vez de um não paramétrico é que o primeiro terá mais poder estatístico do que o segundo. Em outras palavras, é mais provável que um teste paramétrico leve à rejeição da hipótese nula.
Testes t-Student de amostra única
Um quociente de Student de amostra única é um procedimento estatístico usado para determinar se uma amostra de observações pode ser gerada por um processo com uma média especial. Suponha que o valor médio do recurso considerado Mхé diferente de um certo valor conhecido de A. Isso significa que podemos hipotetizar H0 e H1. Com a ajuda da fórmula t-empírica para uma amostra, podemos verificar qual dessas hipóteses assumimos está correta.
A fórmula para o valor empírico do teste t de Student:
Testes t de estudantes para amostras independentes
O quociente de Student independente é o uso dele quando são obtidos dois conjuntos separados de amostras independentes e igualmente distribuídas, uma de cada uma das duas comparações que estão sendo comparadas. Com uma suposição independente, assume-se que os membros das duas amostras não formarão um par de valores de características correlacionados. Por exemplo, suponha que avaliamos o efeito de um tratamento médico e inscrevemos 100 pacientes em nosso estudo, depois atribuímos aleatoriamente 50 pacientes ao grupo de tratamento e 50 ao grupo de controle. Neste caso, temos duas amostras independentes, respectivamente, podemos formular as hipóteses estatísticas H0 e H1e testá-las usando as fórmulas dadas para nós.
Fórmulas para o valor empírico do teste t de Student:
A fórmula 1 pode ser usada para cálculos aproximados, para amostras próximas em número, e a fórmula 2 para cálculos precisos, quando as amostras diferem acentuadamente em número.
T-Student test para amostras dependentes
Testes t pareados geralmente consistem em pares correspondentes das mesmas unidades ouum grupo de unidades que foi duplamente testado (o teste t de "re-medição"). Quando temos amostras dependentes ou duas séries de dados correlacionadas positivamente entre si, podemos, respectivamente, formular as hipóteses estatísticas H0 e H1e verifique-os usando a fórmula que nos foi dada para o valor empírico do teste t de Student.
Por exemplo, os indivíduos são testados antes do tratamento para pressão alta e testados novamente após o tratamento com um medicamento para baixar a pressão arterial. Ao comparar as mesmas pontuações dos pacientes antes e depois do tratamento, usamos cada uma delas efetivamente como nosso próprio controle.
Assim, rejeitar corretamente a hipótese nula pode se tornar muito mais provável, com o poder estatístico aumentando simplesmente porque a variação aleatória entre os pacientes agora é eliminada. Observe, no entanto, que o aumento do poder estatístico vem pela avaliação: são necessários mais testes, cada sujeito deve ser verificado novamente.
Conclusão
Uma forma de teste de hipóteses, o quociente de Aluno é apenas uma das muitas opções utilizadas para este fim. Além disso, os estatísticos devem usar métodos diferentes do teste t para examinar mais variáveis com tamanhos de amostra maiores.
