สมมติว่าการแจกแจง Laplace ทั้งสองมีความแปรปรวนเหมือนกัน
ก) การทดสอบอัตราส่วนความน่าจะเป็นจะเกี่ยวข้องกับสถิติการทดสอบเช่น:
L = ∏ni = 112 τ^ประสบการณ์( - | xผม- μ^|τ^)Πn1i = 112 τ^1ประสบการณ์( - | xผม- μ^1|τ^1) ⋅ ∏nฉัน= n1+ 112 τ^2ประสบการณ์( - | xผม- μ^2|τ^2)
การบันทึกยกเลิก / ลดความซับซ้อนและคูณด้วย 2- 2
- 2 l = 2 ( n บันทึก( τ^) - n1เข้าสู่ระบบ( τ^1) - n2เข้าสู่ระบบ( τ^2) )(โดยที่ )l =บันทึก( L )
ที่τ = เมตรส่วนเบี่ยงเบนสัมบูรณ์เฉลี่ยจากเฉลี่ยในกลุ่มตัวอย่างรวมและτฉัน = เมตรผมส่วนเบี่ยงเบนสัมบูรณ์เฉลี่ยจากค่าเฉลี่ยในกลุ่มตัวอย่างฉันτ^= mτ^ผม= mผมผม
ตามทฤษฎีบทของวิลก์สเรื่องนี้มีการแจกแจงแบบ asymptotically เป็นภายใต้ค่า Null ดังนั้นสำหรับการทดสอบ 5% ที่คุณปฏิเสธถ้าเกิน3.84χ213.84.
n1, n2> 300
μ~1- μ~2โวลต์√μ~v = 2 τ^2( 1)n1+ 1n2)τ^2ม.2ม.2ผม†
†
c) อีกทางเลือกหนึ่งคือทำการทดสอบการเรียงสับเปลี่ยนตามสถิติข้างต้น (หนึ่งในคำตอบที่นี่ให้เค้าร่างของวิธีการใช้การทดสอบการเปลี่ยนแปลงเพื่อความแตกต่างในค่ามัธยฐาน.)
d) คุณสามารถทำการทดสอบ Wilcoxon / Mann-Whitney ได้เสมอ มันจะมีประสิทธิภาพมากกว่าการใช้ t-test ที่ Laplace
e) ดีกว่า (d) สำหรับข้อมูล Laplace คือการทดสอบค่ามัธยฐานของ Mood ในขณะที่มักจะแนะนำในหนังสือเมื่อจัดการกับข้อมูล Laplace มันจะแสดงพลังที่ดี ฉันคาดหวังว่ามันจะมีพลังคล้ายกับเวอร์ชั่นเปลี่ยนแปลงของการทดสอบซีมโทติคของความแตกต่างในค่ามัธยฐาน (หนึ่งในการทดสอบที่กล่าวถึงใน (c))
คำถามที่นี่ให้การใช้งาน R ที่ใช้การทดสอบฟิชเชอร์ แต่รหัสนั้นสามารถปรับให้ใช้การทดสอบไคสแควร์แทน (ซึ่งฉันขอแนะนำในตัวอย่างระดับปานกลาง); อีกทางเลือกหนึ่งที่มีโค้ดตัวอย่างสำหรับมัน (ไม่เป็นฟังก์ชั่น) ที่นี่
การทดสอบค่ามัธยฐานจะกล่าวถึงในวิกิพีเดียที่นี่แต่ไม่ลึกมากนัก (การแปลภาษาเยอรมันที่เชื่อมโยงมีข้อมูลเพิ่มเติมเล็กน้อย) หนังสือบางเล่มเกี่ยวกับ nonparametrics พูดถึงมัน