คำถามติดแท็ก equivalence

การทดสอบทางสถิติแบบดั้งเดิมเช่นการทดสอบตัวอย่างสองตัวอย่างให้ความสำคัญกับการพยายามกำจัดสมมติฐานที่ไม่มีความแตกต่างระหว่างฟังก์ชั่นของสองตัวอย่างอิสระ จากนั้นเราเลือกระดับความเชื่อมั่นและบอกว่าหากความแตกต่างของค่าเฉลี่ยอยู่เกินระดับ 95% เราสามารถปฏิเสธสมมติฐานว่างได้ ถ้าไม่ใช่เรา "ไม่สามารถปฏิเสธสมมติฐานว่างได้" นี่ดูเหมือนจะบอกเป็นนัยว่าเราไม่สามารถยอมรับได้เช่นกัน หมายความว่าเราไม่แน่ใจว่าสมมุติฐานว่างเป็นจริงหรือไม่? ตอนนี้ฉันต้องการออกแบบการทดสอบโดยที่สมมติฐานของฉันคือหน้าที่ของสองตัวอย่างนั้นเหมือนกัน (ซึ่งตรงกันข้ามกับการทดสอบสถิติแบบดั้งเดิมโดยที่สมมติฐานนั้นคือทั้งสองตัวอย่างนั้นแตกต่างกัน) สมมุติฐานว่างของฉันกลายเป็นว่าทั้งสองตัวอย่างต่างกัน ฉันจะออกแบบการทดสอบได้อย่างไร? มันจะง่ายเหมือนการบอกว่าถ้า p-value น้อยกว่า 5% เราสามารถยอมรับสมมติฐานที่ว่าไม่มีความแตกต่างอย่างมีนัยสำคัญ?

44 hypothesis-testing  statistical-significance  confidence-interval  equivalence  tost 

ลองนึกภาพคุณมีการศึกษาที่มีสองกลุ่ม (เช่นชายและหญิง) ดูตัวแปรตามตัวเลข (เช่นคะแนนการทดสอบสติปัญญา) และคุณมีสมมติฐานว่าไม่มีความแตกต่างของกลุ่ม คำถาม: วิธีที่ดีในการทดสอบว่าไม่มีความแตกต่างของกลุ่มคืออะไร คุณจะกำหนดขนาดตัวอย่างที่จำเป็นในการทดสอบอย่างเพียงพอโดยไม่มีความแตกต่างของกลุ่มอย่างไร ความคิดเริ่มต้น: มันจะไม่เพียงพอที่จะทำแบบทดสอบ t-test เพราะความล้มเหลวในการปฏิเสธสมมติฐานว่างไม่ได้หมายความว่าพารามิเตอร์ของดอกเบี้ยมีค่าเท่ากับหรือใกล้เคียงกับศูนย์ โดยเฉพาะอย่างยิ่งกรณีที่มีตัวอย่างขนาดเล็ก ฉันสามารถดูช่วงความมั่นใจ 95% และตรวจสอบว่าค่าทั้งหมดอยู่ในช่วงที่มีขนาดเล็กพอสมควร อาจบวกหรือลบ 0.3 ส่วนเบี่ยงเบนมาตรฐาน

39 hypothesis-testing  t-test  equivalence  tost 

คำถามดังกล่าวเป็นไปได้หรือไม่ที่จะพิสูจน์สมมติฐานว่าง? จากความเข้าใจของฉันเกี่ยวกับสมมติฐานที่ จำกัด คำตอบคือไม่ แต่ฉันไม่สามารถอธิบายได้อย่างแม่นยำ คำถามมีคำตอบที่ชัดเจนหรือไม่?

37 hypothesis-testing  proof  equivalence 

ในเอกสารจำนวนมากที่พิจารณาถึงการรักษาและผลลัพธ์ฉันเห็นตาราง (โดยปกติคือ "ตารางที่ 1") ของสิ่งที่อาจเรียกว่าตัวแปรที่สร้างความรำคาญ (มักเป็นประชากร, เงื่อนไขทางการแพทย์บางครั้ง) พร้อมการทดสอบความสำคัญและข้อความเช่น "กลุ่มต่างๆ ไม่มีความแตกต่างอย่างมีนัยสำคัญใน XXXXX ดูที่ตาราง " ดังนั้นเป้าหมายที่ชัดเจนคือการแสดงให้เห็นว่ากลุ่มที่ได้รับมอบหมายให้รักษาที่แตกต่างกันมีความคล้ายคลึงกัน อย่างไรก็ตามนี่ดูเหมือนว่าฉันจะชอบ "ยอมรับโมฆะ" และสิ่งที่เราควรจะทำ (หรือเรียกร้องให้ทำ) คือการทดสอบความเท่าเทียมกัน สิ่งนี้สามารถนำไปใช้กับการทดลองแบบสุ่มหรือการศึกษาเชิงสังเกตการณ์ ฉันทำอะไรบางอย่างหายไปหรือเปล่า

13 equivalence  controlling-for-a-variable 

มีการทดสอบด้านเดียวสองด้านสำหรับความเท่าเทียมกัน (TOST) สำหรับการทดสอบ Kolmogorov – Smirnov เพื่อทดสอบสมมุติฐานเชิงลบว่าการแจกแจงสองครั้งนั้นแตกต่างกันอย่างน้อยระดับการระบุที่นักวิจัยกำหนดหรือไม่? ถ้าไม่ใช่ TOST แล้วรูปแบบอื่น ๆ ของการทดสอบความเท่ากัน? Nick Stauner ชี้ให้เห็นอย่างชาญฉลาดว่า (ฉันควรรู้แล้ว;) ว่ามีการทดสอบความเท่าเทียม TOST แบบ nonparametric อื่น ๆ สำหรับสมมติฐานว่างสำหรับการสุ่มเชิงเปรียบเทียบและมีข้อ จำกัด ที่เข้มงวดมากขึ้น

13 kolmogorov-smirnov  equivalence  tost 

การทดสอบ Sharipo-Wilk อ้างอิงจากวิกิพีเดียทดสอบสมมติฐานว่าง ( ) "ประชากรจะกระจายตามปกติ"H0H0H_0 ฉันกำลังมองหาการทดสอบคล้ายกันกับ "ประชากรไม่ได้กระจายตามปกติ"H0H0H_0 หลังจากมีการทดสอบฉันต้องการคำนวณเพื่อปฏิเสธที่ระดับนัยสำคัญ iff ; พิสูจน์ให้เห็นว่าประชากรของฉันกระจายตามปกติH 0 α p &lt; αpppH0H0H_0αα\alphap&lt;αp&lt;αp < \alpha โปรดทราบว่าการใช้การทดสอบ Sharipo-Wilk และการยอมรับ iffเป็นวิธีที่ไม่ถูกต้องเนื่องจากมันหมายถึง "เรามีหลักฐานไม่เพียงพอที่จะพิสูจน์ว่า H0 ไม่ได้ถือ" p &gt; αH0H0H_0p&gt;αp&gt;αp > \alpha หัวข้อที่เกี่ยวข้อง - ความหมายของ -valueppp , เป็นปกติทดสอบไร้ประโยชน์? แต่ฉันไม่เห็นวิธีแก้ไขปัญหาของฉัน คำถาม:ฉันควรใช้แบบทดสอบใด? มันนำมาใช้ใน R หรือไม่?

11 hypothesis-testing  goodness-of-fit  normality-assumption  equivalence 

สมมติว่าเป็นตัวอย่างสุ่มอย่างง่ายจากปกติ ( μ , σ 2 )การจัดจำหน่ายX1, X2,. . ., XnX1,X2,...,XnX_1, X_2, \, ... \, , X_n( μ , σ2)(μ,σ2)(\mu,\sigma^2) ฉันสนใจที่จะทำการทดสอบสมมติฐานต่อไปนี้: สำหรับให้คงค&gt; 0H0: | μ | ≤ cH1: | μ | &gt; ค,H0:|μ|≤cH1:|μ|&gt;c, H_0: | \mu| \le c \\ H_1: |\mu| > c, c&gt;0c&gt;0c > 0 ผมคิดว่าในการดำเนินการสองด้านหนึ่ง -tests (TOST) ในวิธีที่คล้ายคลึงกับสถานการณ์การทดสอบชีวสมมูลปกติที่เป็นโมฆะและ| …

11 hypothesis-testing  biostatistics  equivalence  tost 

ฉันได้เห็นการเป็นตัวแทนที่แตกต่างกันสองแบบของตัวประมาณการถดถอยแบบควอไทล์ซึ่ง ได้แก่ Q(βq)=∑i:yi≥x′iβnq∣yi−x′iβq∣+∑i:yi&lt;x′iβn(1−q)∣yi−x′iβq∣Q(βq)=∑i:yi≥xi′βnq∣yi−xi′βq∣+∑i:yi&lt;xi′βn(1−q)∣yi−xi′βq∣Q(\beta_{q}) = \sum^{n}_{i:y_{i}\geq x'_{i}\beta} q\mid y_i - x'_i \beta_q \mid + \sum^{n}_{i:y_{i}< x'_{i}\beta} (1-q)\mid y_i - x'_i \beta_q \mid และ Q(βq)=∑i=1nρq(yi−x′iβq),ρq(u)=ui(q−1(ui&lt;0))Q(βq)=∑i=1nρq(yi−xi′βq),ρq(u)=ui(q−1(ui&lt;0))Q(\beta_q) = \sum^{n}_{i=1} \rho_q (y_i - x'_i \beta_q), \hspace{1cm} \rho_q(u) = u_i(q - 1(u_i < 0 )) ที่\ ใครช่วยบอกวิธีการแสดงความเท่าเทียมกันของการแสดงออกทั้งสองนี้? นี่คือสิ่งที่ฉันพยายามจนถึงตอนนี้โดยเริ่มจากนิพจน์ที่สองui=yi−x′iβqui=yi−xi′βqu_i = y_i - x'_i \beta_q คำถาม( βQ)= ∑i …

11 proof  quantile-regression  equivalence 

ฉันมีชุดข้อมูลของข้อมูลลูกค้าโทรศัพท์มือถือพร้อมทวีต คอลัมน์แรกมีหมวดหมู่บางอย่างที่บัญชีอยู่ (ทั้ง A, B หรือ C) และคอลัมน์ที่สองมีค่าไบนารีว่าบัญชีนั้นได้ยกเลิกหรือไม่ เช่น A | cancelled C | active B | active A | cancelled สิ่งที่ฉันต้องการทำคือการทดสอบสมมติฐานบางอย่างเพื่อทดสอบว่าอัตราส่วนของบัญชีประเภท A, B และ C นั้นแตกต่างกันสำหรับบัญชีที่ใช้งานกับบัญชีที่ถูกยกเลิกหรือไม่ - สมมุติฐานว่าง ๆ นั้นเป็นสิ่งเดียวกัน มันเหมือนกับการทดสอบสมมุติฐานสำหรับสัดส่วนยกเว้นฉันไม่รู้ว่าจะทำอย่างไรกับ 3 ค่า

9 hypothesis-testing  equivalence 

ฉันมีข้อมูลบางอย่างที่ไม่สามารถสันนิษฐานได้ว่ามาจากการแจกแจงแบบปกติและฉันต้องการทำการทดสอบความเท่าเทียมกันระหว่างกลุ่ม สำหรับข้อมูลปกติมีเทคนิคเช่น TOST (การทดสอบสองด้านเดียว) TOST มีข้อมูลใดที่คล้ายคลึงกับข้อมูลปกติหรือไม่

9 hypothesis-testing  equivalence  tost