ฉันต้องการคำแนะนำบางอย่างเกี่ยวกับระดับที่เหมาะสมของการรวมกำไรเพื่อใช้สำหรับความแตกต่างของวิธีการทดสอบกับข้อมูลอนุกรมเวลา ฉันเป็นห่วงเกี่ยวกับการจำลองแบบทางโลกและแบบบูชายัญซึ่งดูเหมือนจะตึงเครียดในแอปพลิเคชันนี้ นี่คือการอ้างอิงถึงการศึกษาเกี่ยวกับบุรุษมากกว่าการทดลองบิดเบือน
พิจารณาแบบฝึกหัดการติดตาม : ระบบเซ็นเซอร์ตรวจวัดปริมาณออกซิเจนละลาย (DO) ในหลาย ๆ สถานที่ทั่วทั้งความกว้างและความลึกของบ่อ การวัดสำหรับเซ็นเซอร์แต่ละตัวจะถูกบันทึกวันละสองครั้งเนื่องจาก DO รู้จักกันในแต่ละวัน ค่าสองค่าจะถูกเฉลี่ยเพื่อบันทึกค่ารายวัน สัปดาห์ละครั้งผลลัพธ์รายวันจะถูกรวมเข้าด้วยกันเพื่อมาถึงระดับความเข้มข้นของ DO ในแต่ละสัปดาห์สำหรับบ่อทั้งหมด
ผลลัพธ์รายสัปดาห์เหล่านั้นจะถูกรายงานเป็นระยะและรวมต่อไป - ผลลัพธ์รายสัปดาห์จะถูกเฉลี่ยเพื่อให้ความเข้มข้น DO รายเดือนสำหรับบ่อ ผลลัพธ์รายเดือนถูกเฉลี่ยเพื่อให้ค่ารายปี ค่าเฉลี่ยรายปีจะเฉลี่ยตัวเองเพื่อรายงานความเข้มข้น DO ที่ลดลงสำหรับบ่อ
เป้าหมายคือเพื่อตอบคำถามเช่น: ความเข้มข้นของ DO ในสระน้ำในปี X สูงกว่า, ต่ำกว่าหรือเท่ากับความเข้มข้นในปี Y หรือไม่ ความเข้มข้นของ DO เฉลี่ยในช่วงสิบปีที่ผ่านมานั้นแตกต่างจากทศวรรษที่ผ่านมาหรือไม่? ความเข้มข้นของ DO ในบ่อตอบสนองต่ออินพุตที่มีขนาดใหญ่จำนวนมากและแตกต่างกันมาก จำเป็นต้องมีการทดสอบที่สำคัญ วิธีการคือการใช้การเปรียบเทียบการทดสอบ T- วิธีการ ระบุว่าค่าของ decadal เป็นค่าเฉลี่ยของค่าประจำปีและค่ารายปีเป็นค่าเฉลี่ยของค่ารายเดือนสิ่งนี้ดูเหมือนจะเหมาะสม
นี่คือคำถาม - คุณสามารถคำนวณค่าเฉลี่ยของ decadal และค่า T ของค่าเหล่านั้นจากค่า DO รายเดือนหรือค่า DO รายปี ค่าเฉลี่ยไม่เปลี่ยนแปลงแน่นอน แต่ความกว้างของช่วงความมั่นใจและค่า T ทำ เนื่องจากลำดับความสำคัญสูงขึ้น N ที่ได้รับโดยใช้ค่ารายเดือน CI มักจะทำให้แน่นมากขึ้นถ้าคุณไปเส้นทางนั้น สิ่งนี้สามารถให้ข้อสรุปตรงข้ามกับการใช้ค่ารายปีเทียบกับความสำคัญทางสถิติของความแตกต่างที่สังเกตได้ในวิธีการใช้การทดสอบเดียวกันกับข้อมูลเดียวกัน การตีความที่เหมาะสมของความคลาดเคลื่อนนี้คืออะไร?
หากคุณใช้ผลลัพธ์รายเดือนเพื่อคำนวณสถิติการทดสอบเพื่อหาวิธีที่แตกต่างกันในการลดความแปรปรวนคุณกำลังใช้การปลอมแปลงชั่วคราวหรือไม่? หากคุณใช้ผลลัพธ์ประจำปีเพื่อคำนวณการทดสอบ decadal คุณกำลังเสียสละข้อมูลและทำให้เกิดการปลอมแปลง?