-tests vs -tests?

12

Saya mencoba mencari tahu apa perbedaan antara uji- dan uji- .ztz

Sejauh yang saya tahu, untuk kedua kelas tes, seseorang menggunakan statistik tes yang sama, sesuatu dalam bentuk

b^Cse^(b^)

di mana adalah beberapa statistik sampel, adalah beberapa referensi (lokasi) konstan (yang tergantung pada rincian pengujian), dan adalah standar kesalahan . C ^ se ( b ) bb^Cse^(b^)b^

Satu-satunya perbedaan, kemudian, antara dua kelas tes adalah bahwa dalam kasus uji- , statistik uji di atas mengikuti distribusi- (untuk beberapa derajat kebebasan sampel yang ditentukan sampel ), sedangkan dalam kasus -uji, statistik uji yang sama mengikuti distribusi normal standar . (Ini pada gilirannya menunjukkan bahwa pilihan uji- atau uji- diatur oleh apakah sampel cukup besar atau tidak.)t d z N ( 0 , 1 ) z tttdzN(0,1)zt

Apakah ini benar?

kjo
sumber
3
Ada juga posting ini yang sangat mirip dengan pertanyaan Anda tetapi berkaitan dengan itu dalam kerangka regresi. Mungkin Anda akan menemukan beberapa informasi berguna di sana juga.
COOLSerdash

Jawaban:

20

Nama-nama " -test" dan " -test" biasanya digunakan untuk merujuk pada kasus khusus ketika normal , dan . Namun Anda tentu saja dapat membuat tes " tipe- " di pengaturan lain juga ( bootstrap datang ke pikiran), menggunakan jenis penalaran yang sama.z X N ( μ , σ 2 ) b = ˉ x C = μ 0 ttzXN(μ,σ2)b^=x¯C=μ0t

Apa pun itu, perbedaannya ada di bagian :s.e.(b^)

  • Dalam uji- , standar deviasi diasumsikan dikenal tanpa kesalahan . Dalam kasus khusus yang disebutkan di atas, ini berarti bahwa .b s.e. ( ˉ x ) = σ / zb^s.e.(x¯)=σ/n
  • Dalam uji- , diperkirakan menggunakan data . Dalam kasus khusus yang disebutkan di atas, ini berarti bahwa , di mana adalah estimator dari .s. ( ˉ x ) = σ / tσ =s.e.(x¯)=σ^/nσσ^=1n1i=1n(xix¯)2σ

Pilihan antara uji- dan uji- , oleh karena itu, tergantung pada apakah atau tidak diketahui sebelum mengumpulkan data .z σtzσ

Alasan bahwa distribusi kedua statistik berbeda adalah bahwa statistik- mengandung lebih banyak hal yang tidak diketahui. Hal ini menyebabkannya menjadi lebih bervariasi, sehingga distribusinya memiliki ekor yang lebih berat. Sebagai ukuran sampel tumbuh, estimator datang sangat dekat dengan benar , sehingga dasarnya dikenal. Jadi ketika ukuran sampel besar, kuantil dapat digunakan juga untuk uji- .n σ σ σ N ( 0 , 1 ) ttnσ^σσN(0,1)t

MånsT
sumber