T-test အတွက် အနည်းဆုံးနမူနာအရွယ်အစား- ရှင်းလင်းချက် & ဥပမာ

ကျောင်းသားတွေ မေးလေ့ရှိတဲ့ မေးခွန်းတစ်ခုကတော့

t-test ပြုလုပ်ရန် အနည်းဆုံးနမူနာအရွယ်အစား လိုအပ်ပါသလား။

အတိုကောက် အဖြေ-

နံပါတ်။ t-test ပြုလုပ်ရန် အနည်းဆုံးနမူနာအရွယ်အစား မလိုအပ်ပါ။

တကယ်တော့ ပထမအကြိမ် t-test ကို လူလေးယောက်သာ နမူနာ အသုံးပြုခဲ့ပါတယ်။

သို့သော် t-test ၏ ယူဆချက်များနှင့် မကိုက်ညီပါက ရလဒ်များသည် ယုံကြည်စိတ်ချရမည်မဟုတ်ပေ။

ထို့အပြင်၊ နမူနာအရွယ်အစားသည် အလွန်သေးငယ်ပါက၊ ဒေတာတွင် သိသာထင်ရှားသော ကွဲပြားမှုများကို သိရှိနိုင်စေရန် စမ်းသပ်မှု၏ ပါဝါသည် အလွန်နည်းပါးနေပေမည်။

ဒီဖြစ်နိုင်ချေရှိတဲ့ ပြဿနာတစ်ခုချင်းစီကို ပိုပြီးအသေးစိတ်ကြည့်ရအောင်။

t-test ယူဆချက်များကို နားလည်ခြင်း။

နမူနာတစ်ခု t-test ကို လူဦးရေ၏ပျမ်းမျှတန်ဖိုးသည် အချို့သောတန်ဖိုးနှင့် ညီမျှခြင်းရှိ၊မရှိ စမ်းသပ်ရန်အသုံးပြုသည်။

ဤစမ်းသပ်မှုသည် အောက်ပါ ယူဆချက်များကို ဖြစ်စေသည်-

• လွတ်လပ်မှု – နမူနာလေ့လာသုံးသပ်ချက်များသည် အမှီအခိုကင်းရမည်။
• ကျပန်းနမူနာ – နမူနာသည် စိတ်ဝင်စားသော လူဦးရေ၏ ကိုယ်စားပြု ဖြစ်နိုင်သည့် အခွင့်အလမ်းကို အများဆုံးရရှိစေရန် ကျပန်းနမူနာနည်းလမ်းကို အသုံးပြု၍ လေ့လာတွေ့ရှိချက်များကို စုဆောင်းသင့်သည်။
• Normality : လေ့လာတွေ့ရှိချက်များကို ခန့်မှန်းခြေအားဖြင့် ပုံမှန်ဖြန့်ဝေသင့်သည်။

လူနှစ်ဦး၏နည်းလမ်းများကြား သိသာထင်ရှားသော ခြားနားချက်ရှိမရှိ စစ်ဆေးရန်အတွက် နမူနာနှစ်ခု t-test ကို အသုံးပြုသည်။

ဤစမ်းသပ်မှုသည် အောက်ပါ ယူဆချက်များကို ဖြစ်စေသည်-

• လွတ်လပ်ရေး : နမူနာတစ်ခုစီ၏ လေ့လာတွေ့ရှိချက်များသည် သီးခြားလွတ်လပ်ရမည်။
• ကျပန်းနမူနာ – နမူနာတစ်ခုစီမှ လေ့လာတွေ့ရှိချက်များကို ကျပန်းနမူနာနည်းလမ်းဖြင့် စုဆောင်းသင့်သည်။
• Normality : နမူနာတစ်ခုစီကို အနီးစပ်ဆုံး ပုံမှန်ဖြန့်ဝေသင့်သည်။
• တူညီသောကွဲလွဲမှု – နမူနာတစ်ခုစီတွင် ခန့်မှန်းခြေအားဖြင့် တူညီသောကွဲလွဲမှု ရှိသင့်သည်။

t-test အမျိုးအစားတစ်ခုစီကို လုပ်ဆောင်သောအခါ၊ ဤယူဆချက်တစ်ခု သို့မဟုတ် တစ်ခုထက်ပို၍ မကိုက်ညီပါက၊ စမ်းသပ်မှုရလဒ်များသည် ယုံကြည်စိတ်ချရခြင်းမရှိပေ။

ဤကိစ္စတွင်၊ ဤယူဆချက်များကို မဖြစ်စေသော အခြား ပါရာမက်ထရစ်စစ်ဆေးမှုကို အသုံးပြုခြင်းသည် အကောင်းဆုံးဖြစ်သည်။

နမူနာ t-test တစ်ခုအတွက် nonparametric အခြားရွေးချယ်စရာမှာ Wilcoxon signed rank test ဖြစ်သည်။

နမူနာနှစ်ခု t-test အတွက် nonparametric အခြားရွေးချယ်စရာမှာ Mann-Whitney U စမ်းသပ်မှု ဖြစ်သည်။

t-tests ၏အစွမ်းကိုနားလည်ခြင်း။

Statistical power သည် စမ်းသပ်မှုတစ်ခုတွင် အမှန်တကယ်တည်ရှိသောအခါတွင် အကျိုးသက်ရောက်မှုကို သိရှိနိုင်သည်ဟူသော ဖြစ်နိုင်ခြေကို ရည်ညွှန်းသည်။

အသုံးပြုထားသော နမူနာအရွယ်အစား သေးငယ်လေ၊ ပေးထားသော စမ်းသပ်မှုတစ်ခု၏ ကိန်းဂဏန်းဆိုင်ရာ စွမ်းအား လျော့နည်းလေဖြစ်ကြောင်း ပြသနိုင်သည်။ ထို့ကြောင့် သုတေသီများသည် ယေဘူယျအားဖြင့် စွမ်းအားပိုမြင့်စေရန်အတွက် ပိုကြီးသောနမူနာအရွယ်အစားများကို လိုချင်ကြပြီး ထို့ကြောင့် စစ်မှန်သောကွဲပြားမှုများကို ရှာဖွေတွေ့ရှိနိုင်ခြေ ပိုများသည်။

ဥပမာအားဖြင့်၊ လူဦးရေနှစ်ခုကြားရှိ စစ်မှန်သောအကျိုးသက်ရောက်မှုအရွယ်အစား သည် 0.5 – “အလယ်အလတ်” အကျိုးသက်ရောက်မှုအရွယ်အစားဆိုပါစို့။ မတူညီသောနမူနာအရွယ်အစားများကို အသုံးပြု၍ နမူနာနှစ်ခု t-test ၏ပါဝါကိုတွက်ချက်ရန် အောက်ပါ R ကုဒ်ကို အသုံးပြုနိုင်ပါသည်။

 #sample size n=10
power. t . test (n=10, delta=.5, sd=1, sig.level=.05, type=' two.sample ')$power

[1] 0.1838375

#sample size n=30
power. t . test (n=30, delta=.5, sd=1, sig.level=.05, type=' two.sample ')$power

[1] 0.477841

#sample size n=50
power. t . test (n=50, delta=.5, sd=1, sig.level=.05, type=' two.sample ')$power

[1] 0.6968888

ဤသည်မှာ ရလဒ်များကို မည်သို့အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်သည်-

• နမူနာတစ်ခုစီ၏ အရွယ်အစားသည် n=10 ဖြစ်သောအခါ၊ ပါဝါသည် 0.184 ဖြစ်သည်။
• နမူနာတစ်ခုစီ၏ အရွယ်အစားသည် n=30 ဖြစ်သောအခါ၊ ပါဝါသည် 0.478 ဖြစ်သည်။
• နမူနာတစ်ခုစီ၏ အရွယ်အစားသည် n=50 ဖြစ်သောအခါ၊ ပါဝါသည် 0.697 ဖြစ်သည်။

နမူနာအရွယ်အစား တိုးလာသည်နှင့်အမျှ စမ်းသပ်မှု၏ ပါဝါတိုးလာသည်ကို ကျွန်ုပ်တို့တွေ့မြင်နိုင်ပါသည်။

ထို့ကြောင့် t-test ပြုလုပ်ရန် အနည်းဆုံးနမူနာအရွယ်အစားကို မ လိုအပ် သော်လည်း နမူနာအရွယ်အစားများသည် ကိန်းဂဏန်းဆိုင်ရာ ပါဝါကို နိမ့်ကျစေပြီး ဒေတာတွင် စစ်မှန်သောခြားနားချက်ကို ရှာဖွေနိုင်မှု လျော့နည်းစေသည်။

နိဂုံး

ဤသည်မှာ ကျွန်ုပ်တို့သင်ယူခဲ့သည့်အရာများ၏ အကျဉ်းချုပ်ဖြစ်သည်။

• t-test ပြုလုပ်ရန် အနည်းဆုံးနမူနာအရွယ်အစား မလိုအပ်ပါ။
• t-test ၏ ယူဆချက်များနှင့် မကိုက်ညီပါက၊ nonparametric အခြားရွေးချယ်စရာကို အသုံးပြုရပါမည်။
• နမူနာအရွယ်အစားသည် အလွန်သေးငယ်ပါက၊ t-test ၏ ပါဝါသည် နည်းပါးမည်ဖြစ်ပြီး ဒေတာရှိ စစ်မှန်သောကွဲလွဲချက်များကို ရှာဖွေနိုင်မှုစွမ်းရည် နည်းပါးမည်ဖြစ်သည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် t-tests နှင့်ပတ်သက်သော နောက်ထပ်အချက်အလက်များကို ပေးဆောင်ပါသည်။

နမူနာတစ်ခုတည်း t-test ကို မိတ်ဆက်ခြင်း။
နမူနာနှစ်ခု t စမ်းသပ်မှုမိတ်ဆက်
တွဲထားသောနမူနာ t-test ကို မိတ်ဆက်ခြင်း။
t စမ်းသပ်မှုတစ်ခုတွင် အယူအဆလေးခုကို ပုံဖော်ထားသည်။