En comparant les moyennes: comment les différences de situation de déterminer les méthodes d'essai

Vous pouvez vous demander pourquoi il ya tant de nombreux tests pour une telle tâche simple comparaison des moyennes. Eh bien, "moyennes comparant" ne se réfère pas à un seul task- il est un terme large qui peut appliquer à beaucoup de situations qui diffèrent les uns des autres sur la base de:

Sommaire

  • Que vous cherchiez à des changements au fil du temps au sein d'un groupe de sujets ou de différences entre les groupes de sujets (ou les deux)

  • Combien de points ou groupes de sujets que vous comparez temps

  • Si oui ou non la variable numérique vous comparez est presque normalement distribué

  • Si oui ou non les numéros ont la même propagation (écart type) dans tous les groupes que vous comparez

  • Que vous souhaitiez pour compenser les effets possibles de d'autres variables sur la variable vous comparez

Ces différentes conditions peuvent se produire dans toute et toutes les combinaisons, donc il ya beaucoup de situations possibles.

En comparant la moyenne d'un groupe de chiffres à une valeur hypothétique




Comparaison d'une moyenne observée à une valeur particulière se pose dans les études où, pour une raison quelconque, vous ne pouvez pas avoir un groupe de contrôle (comme un groupe prenant un placebo ou un groupe non traité), de sorte que vous devez comparer vos résultats à un contrôle historique, telles que des informations de la littérature.

Il est également livré lorsque vous traitez avec des données comme les résultats des tests qui ont été mis à l'échelle pour avoir une moyenne spécifique dans la population en général (par exemple 100 pour les scores de QI).

Ces données sont généralement analysées par le un groupe test t de Student. Pour les données non normales, la Wilcoxon-rangs (WSR) essai peut être utilisé à la place.

En comparant deux groupes de numéros

Peut-être la situation la plus courante est celle dans laquelle vous comparez deux groupes de chiffres. Vous voudrez peut-être comparer certains biomarqueurs proposé d'une condition médicale entre un groupe de sujets connus pour avoir cette condition et un groupe connu pour ne pas l'avoir.

Ou vous pouvez comparer une certaine mesure de l'efficacité des médicaments entre les sujets traités avec le médicament et les sujets traités avec un placebo.

Ou peut-être vous voulez comparer le niveau de certains enzyme entre un échantillon de sang mâles et les femelles.

Ces comparaisons sont généralement traitées par le célèbre non apparié ou "échantillon indépendant" Test t de Student (souvent appelé simplement le test t). Mais le test t repose sur deux hypothèses sur la distribution des données dans les deux groupes:

  • Les numéros sont normalement distribués (appelé le hypothèse de normalité). Pour les données non-normal, vous pouvez utiliser le non paramétrique Mann-Whitney (M-W) test, votre logiciel qui peut se référer à le Wilcoxon Sum-of-rangs (WSOR) test. Le WSOR a été développé, mais a été limité à taille égale groupes- le test MW généraliser le test de WSOR à travailler pour la taille des groupes égaux ou inégaux.

  • La déviation standard (SD) est la même pour les deux groupes (appelé le égale-variance hypothèse parce que la variance est simplement le carré de la SD- Ainsi, si les deux écarts sont les mêmes, les deux variances sera également le même).

    Si les deux groupes sont sensiblement différents écarts (si, par exemple, le SD d'un groupe est plus de 1,5 fois plus grand que le SD de l'autre), alors le test t peut pas donner des résultats fiables, en particulier en groupes de tailles inégales. Au lieu de cela, vous pouvez utiliser une modification particulière à la test t de Student, appelé le Test Welch (également appelé le Test t de Welch, ou la test t de variance inégale).

En comparant les trois ou plusieurs groupes de nombres

En comparant les trois ou plusieurs groupes de nombres est une extension évidente de la comparaison de deux groupes dans la section précédente. Par exemple, vous pouvez comparer certains critère d'efficacité, comme la réponse au traitement, parmi les trois groupes de traitement (par exemple, le médicament A, B drogue, et le groupe placebo). Ce type de comparaison est assurée par le analyse de la variance (ANOVA).

Quand il ya une variable de regroupement, comme le traitement, vous avez une une ANOVA à un facteur. Si la variable de regroupement comporte trois niveaux (comme médicament A, B médicament et le placebo dans l'exemple précédent), on appelle ça un à sens unique, à trois niveaux-ANOVA.

L'hypothèse nulle d'une ANOVA à un facteur est que tous les groupes ont la même signification l'hypothèse alternative est que au moins un groupe est différente de la au moins une autre groupe. L'analyse de la variance produit une valeur de p unique, et si ce p est inférieur à votre critère choisi (comme p lt; 0,05), vous pouvez conclure que quelque chose est différent quelque part.

Mais l'analyse de la variance ne vous dit pas quels groupes sont différents à partir de laquelle d'autres. Pour cela, vous devez suivre une analyse de variance significative avec un ou plusieurs soi-disant post-hoc tests, qui recherchent des différences entre chaque paire de groupes.

Vous pouvez également utiliser l'analyse de la variance de comparer seulement deux groupes- cette à sens unique, à deux niveaux ANOVA produit exactement la même valeur de p égale que la non apparié-variance test t de Student classique.


» » » » En comparant les moyennes: comment les différences de situation de déterminer les méthodes d'essai