Statistical testsFor more complex s

Statistical tests

For more complex statistical analysis there are a range of statistical tests that can be applied to your data. To select the right test, you need to ask yourself two questions:
1. What kind of data have you collected?
2. What variables are you looking to establish a relationship between?
Choosing the right test to compare measurements can be a tricky one, as you must choose between two families of tests: parametric and non parametric:

• Parametric tests – include Mean, Standard Deviation, t test,analysis of variance (ANOVA), Pearson correlation, regression (linear and non linear);

• Non-parametric tests – include Median, interquartile range, Spear-man correlation, Wilcox on test, Mann-Whitney test, Kruskal-Wallis test, Friedman test. Choosing the right test Choosing between these two families of tests can be difficult. The following section outlines some of the basic rules for deciding which family of tests suits your data.

• You should choose a parametric test if your data is sampled from a population that follows a normal distribution (or Gaussian distribution). The normal distribution is a pattern for the distrbution of a set of data, which follows a bell shaped curve. This means that the data has less of a tendency to produce unusually extreme values, compared to some other distributions.

• You should choose a non-parametric test if the population clearly does not follow a normal distribution. Where values may be “off the scale,” that is, too high or too low to measure, a non-parametric test can assign values too low or too high to measure.


What do these tests tell you?

Parametric tests
Mean - The mean is more commonly called the average, however this is incorrect if “mean” is taken in the specific sense of “arithmetic mean” as there are different types of averages: the mean, median, and mode. Standard Deviation - The standard deviation measures the spread of the data about the mean value. It is useful in comparing sets of data, which may have the same mean but a different range.
t test - The t-test assesses whether the means of two groups are statistically different from each other. This analysis is appropriate whenever you want to compare the means of two groups.

ผลลัพธ์ (ไทย) 1:

ทดสอบทางสถิติสำหรับการวิเคราะห์ทางสถิติที่ซับซ้อน มีช่วงของการทดสอบทางสถิติที่สามารถใช้กับข้อมูลของคุณ การเลือกการทดสอบ คุณต้องถามตัวเองคำถามที่สอง: 1. ชนิดของข้อมูลที่คุณได้เก็บ 2 คุณต้องการสร้างความสัมพันธ์ระหว่างตัวแปร เลือกการทดสอบเพื่อเปรียบเทียบการประเมินสามารถเป็นหนึ่งหากิน คุณต้องเลือกระหว่างครอบครัวที่สองของการทดสอบ: พาราเมตริก และไม่ใช่พาราเมตริก:•พาราเมตริกทดสอบ – รวมค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน t ทดสอบ ผลต่างของการวิเคราะห์ (วิเคราะห์ความแปรปรวน), สหสัมพันธ์เพียร์สัน ถด ถอย (เชิงเส้น และไม่เชิงเส้น);•ไม่ใช่พาราเมตริกทดสอบ – รวมค่ามัธยฐาน interquartile ช่วง หอกมนุษย์ สัมพันธ์ วิลค็อกซ์ในทดสอบ ทดสอบวิทนีย์มานน์ ทดสอบ Kruskal วาลลิ ทดสอบฟรีดแมน เลือกขวาทดสอบ Choosing ระหว่างเหล่านี้สองครอบครัวของทดสอบได้ยาก ส่วนต่อไปนี้จัดเค้าร่างของกฎพื้นฐานสำหรับการตัดสินใจที่ครอบครัวของทดสอบเหมาะสมกับข้อมูลของคุณ•คุณควรเลือกการทดสอบพาราเมตริกถ้าข้อมูลของคุณเป็นตัวอย่างจากประชากรที่แจกแจงปกติ (หรือการกระจาย Gaussian) การแจกแจงปกติเป็นรูปแบบสำหรับ distrbution ของชุดของข้อมูล ซึ่งตามเส้นโค้งรูประฆัง ซึ่งหมายความ ว่า ข้อมูลมีแนวโน้มที่จะผลิตค่ามากผิดปกติ การเปรียบเทียบกับการกระจายอื่น ๆ น้อยลง•คุณควรเลือกการทดสอบที่ไม่ใช่พาราเมตริกถ้าประชากรอย่างชัดเจนตามการกระจายปกติ ค่าอาจจะ "ปิดเครื่องชั่ง นั่นคือ สูงเกินไป หรือต่ำเกินไปวัด ทดสอบพาราเมตริกไม่สามารถกำหนดค่าต่ำเกินไป หรือสูงเกินไปในการวัด ทำการทดสอบเหล่านี้บอกอะไรคุณบ้างทดสอบพาราเมตริก หมายถึง - ค่าเฉลี่ยมากกว่าปกติคือค่าเฉลี่ย แต่นี้ไม่ถูกต้องถ้า "หมายความว่า" จะมาในความรู้สึกเฉพาะของ "คณิต" มีแตกต่างกันของค่าเฉลี่ย: ค่าเฉลี่ย มัธยฐาน และโหมด ส่วนเบี่ยงเบนมาตรฐาน - ส่วนเบี่ยงเบนมาตรฐานประเมินการแพร่กระจายของข้อมูลเกี่ยวกับค่าเฉลี่ย ใช้ในการเปรียบเทียบชุดข้อมูล ซึ่งอาจหมายความว่าเหมือนกันแต่ช่วงแตกต่างกันการทดสอบ t - t-ทดสอบประเมินว่าหมายถึงกลุ่มที่สองเป็นทางสถิติแตกต่างกัน วิเคราะห์นี้เหมาะสมเมื่อใดก็ ตามที่คุณต้องการเปรียบเทียบวิธีการ 2 กลุ่ม

ผลลัพธ์ (ไทย) 3:

แบบทดสอบทางสถิติเพื่อการวิเคราะห์ข้อมูลทางสถิติที่ซับซ้อนมากขึ้นมีช่วงของการทดสอบทางสถิติที่สามารถใช้กับข้อมูลของคุณ เพื่อเลือกการทดสอบที่เหมาะสมคุณต้องถามตัวเองสองคำถาม :
1 ชนิดของข้อมูลที่คุณรวบรวม ?
2 . อะไรคือคุณมองเพื่อสร้างความสัมพันธ์ระหว่าง ?
เลือกสิทธิการทดสอบเพื่อเปรียบเทียบการวัดสามารถที่ซับซ้อนมากขึ้นคุณต้องเลือกระหว่างสองครอบครัวของการทดสอบ : พารามิเตอร์และไม่ใช้พารามิเตอร์ :

แต่ละพารามิเตอร์การทดสอบ– ได้แก่ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน การทดสอบค่าที การวิเคราะห์ความแปรปรวน ( ANOVA ) , สัมประสิทธิ์สหสัมพันธ์ การถดถอย ( เชิงเส้นและไม่ใช่เชิงเส้น ) ;

- ไม่ใช้พารามิเตอร์ ( รวมถึงการทดสอบมัธยฐาน พิสัยระหว่างควอไทล์ หอกคนความสัมพันธ์ วิลคอกซ์ , แบบทดสอบ Mann Whitney Test , Kruskal Wallis test Friedman Testการเลือกขวาทดสอบการเลือกระหว่างสองครอบครัว ข้อสอบก็ยาก ส่วนต่อไปนี้แสดงบางส่วนของกฎพื้นฐานสำหรับการตัดสินใจ ซึ่งครอบครัวของการทดสอบชุดข้อมูล

- คุณควรเลือกพารามิเตอร์การทดสอบถ้าคุณเป็นข้อมูลตัวอย่างจากประชากรตามการแจกแจงแบบปกติ ( หรือการกระจาย Gaussian )การแจกแจงปรกติเป็นรูปแบบสำหรับ distrbution ของชุดข้อมูลซึ่งเป็นกระดิ่งรูปโค้ง ซึ่งหมายความว่าข้อมูลมีน้อยแนวโน้มที่จะผลิตคุณค่ามากผิดปกติ เมื่อเทียบกับการแจกแจงอื่น ๆ .

- คุณควรเลือกทดสอบที่ไม่ใช้พารามิเตอร์ ถ้าประชากรชัดเจนไม่เป็นไปตามปกติกระจาย ที่ค่าอาจจะ " ปิดขนาด " นั่นคือสูงเกินไปหรือต่ำเกินไปที่จะวัด ที่ไม่ใช้พารามิเตอร์การทดสอบสามารถกำหนดค่าต่ำเกินไปหรือสูงเกินไป เพื่อวัด


อะไรที่การทดสอบเหล่านี้บอกคุณ ?


หมายถึงการทดสอบพาราเมตริก - หมายถึงมากกว่าปรกติเรียกว่าเฉลี่ย แต่นี้ไม่ถูกต้องถ้า " หมายถึง " ถ่ายในความรู้สึกเฉพาะของ " ค่าเฉลี่ย " เนื่องจากมีชนิดที่แตกต่างของค่าเฉลี่ย : ค่าเฉลี่ย มัธยฐาน และฐานนิยมส่วนเบี่ยงเบนมาตรฐาน - ค่าส่วนเบี่ยงเบนมาตรฐาน มาตรการการกระจายของข้อมูลเกี่ยวกับมูลค่าหมายถึง มันเป็นประโยชน์ในการเปรียบเทียบชุดข้อมูล ซึ่งอาจจะหมายถึงช่วงเดียวกันแต่แตกต่างกัน .
t ทดสอบ - ทดสอบประเมินว่าค่าเฉลี่ยของ 2 กลุ่มแตกต่างกันจากแต่ละอื่น ๆ นี่เป็นการวิเคราะห์ที่เหมาะสมเมื่อใดก็ตามที่คุณต้องการเปรียบเทียบค่าเฉลี่ยสองกลุ่ม