สถิติ t-สมเหตุสมผลมากในฐานะสถิติทดสอบ หลายคนพบว่าใช้งานง่าย ถ้าฉันอ้างอิงค่าสถิติของ 0.5 หรือ 5.5 มันจะบอกคุณบางอย่างว่ามีข้อผิดพลาดมาตรฐานแตกต่างจากค่าเฉลี่ยอย่างไร
ความยากลำบาก - อย่างน้อยกับการไม่เป็นมาตรฐานปานกลาง - ไม่มากนักเมื่อใช้สถิติเหมือนกับการใช้การแจกแจงแบบ tสำหรับการแจกแจงภายใต้ค่า null สถิติค่อนข้างสมเหตุสมผล
แน่นอนถ้าคุณคาดหวังว่าหางที่หนักกว่าปกติอย่างมากสถิติที่แข็งแกร่งจะทำได้ดีกว่า แต่สถิติของ t- ไม่ไวสูงมากต่อการเบี่ยงเบนเล็กน้อยจากภาวะปกติ (ตัวอย่างเช่นมันจะน้อยกว่าค่าสถิติแปรปรวนอัตราส่วน)
ถ้าคุณต้องการใช้แค่ตัวเศษของสถิติมันยอดเยี่ยมมากมันทำให้รู้สึกว่าเป็นสถิติที่เปลี่ยนแปลงได้อย่างสมบูรณ์แบบหากคุณสนใจวิธีที่ต่างกัน หากคุณสนใจที่จะทราบถึงการเปลี่ยนแปลงสถานที่โดยทั่วไปมันจะเปิดโอกาสให้คุณได้มากมาย
คุณถูกต้องที่จะคิดว่ามีอิสระมากมายในการเลือกสถิติและปรับให้เข้ากับสถานการณ์เฉพาะ - ทางเลือกใดที่คุณต้องการให้มีอำนาจหรือปัญหาที่เป็นไปได้ที่คุณต้องการให้มีประสิทธิภาพ (การปนเปื้อนเช่นสามารถ พลังงานกระแทก)
แทบไม่มีข้อ จำกัด คุณสามารถเลือกเกือบทุกอย่างรวมถึงสถิติการทดสอบที่ไร้ประโยชน์ มีข้อควรพิจารณาบางประการที่คุณควรคำนึงถึงเมื่อเลือกการทดสอบแน่นอน แต่คุณไม่ต้องสนใจ
-
ที่กล่าวว่ามีเกณฑ์บางอย่างที่สามารถนำไปใช้ในสถานการณ์ต่าง ๆ
ตัวอย่างเช่นหากคุณสนใจสมมติฐานชนิดใดประเภทหนึ่งเป็นพิเศษคุณสามารถใช้สถิติที่สะท้อนถึงตัวอย่างเช่นหากคุณต้องการทดสอบความแตกต่างของค่าเฉลี่ยของประชากรมันมักจะทำให้รู้สึกถึงสถิติการทดสอบของคุณ เกี่ยวข้องกับความแตกต่างในค่าเฉลี่ยตัวอย่าง
หากคุณรู้บางอย่างเกี่ยวกับการกระจายชนิดที่คุณอาจมี - หางหนาหรือเอียงหรือมีน้ำหนักเบา แต่มีการปนเปื้อนหรือ bimodal ในระดับหนึ่ง ... คุณสามารถกำหนดสถิติการทดสอบที่ทำได้ดีในสถานการณ์เช่นนี้ ตัวอย่างเช่นการเลือกสถิติที่ควรทำงานได้ดีในสถานการณ์ที่คาดการณ์ไว้ แต่มีความทนทานต่อการปนเปื้อน
-
การจำลองเป็นวิธีหนึ่งในการตรวจสอบอำนาจภายใต้สถานการณ์ต่าง ๆ