T test တစ်ခုတွင် အယူအဆလေးခုကို ပုံဖော်ထားသည်။

နမူနာနှစ်ခု t-test ကို လူဦးရေ နှစ်ခု၏ အဓိပ္ပါယ်သည် ညီမျှခြင်း ရှိ၊ မရှိ စမ်းသပ်ရန် အသုံးပြုပါသည်။

ဤစမ်းသပ်မှုအမျိုးအစားသည် ဒေတာနှင့်ပတ်သက်၍ အောက်ပါ ယူဆချက်ကို ဖြစ်စေသည်-

1. လွတ်လပ်မှု- နမူနာတစ်ခု၏ လေ့လာတွေ့ရှိချက်များသည် အခြားနမူနာများ၏ လေ့လာတွေ့ရှိချက်များနှင့် အမှီအခိုကင်းပါသည်။

2. Normality- နမူနာနှစ်ခုလုံးသည် ခန့်မှန်းခြေအားဖြင့် ပုံမှန်ဖြန့်ဖြူးမှုရှိသည်။

3. ကွဲပြားမှုများ၏ တူညီမှု- နမူနာနှစ်ခုသည် ခန့်မှန်းခြေအားဖြင့် တူညီသောကွဲလွဲမှုရှိသည်။

4. ကျပန်းနမူနာ- နမူနာနှစ်ခုလုံးကို ကျပန်းနမူနာနည်းလမ်းဖြင့် ရယူခဲ့သည်။

ဤယူဆချက်တစ်ခု သို့မဟုတ် တစ်ခုထက်ပိုသောယူဆချက်များကို ချိုးဖောက်ပါက၊ နမူနာနှစ်ခု t-test ၏ရလဒ်များသည် ယုံကြည်စိတ်ချရသော သို့မဟုတ် အထင်မှားစေနိုင်သည်။

ဤသင်ခန်းစာတွင်၊ ယူဆချက်တစ်ခုစီ၏ ရှင်းလင်းချက်၊ ယူဆချက်နှင့် ကိုက်ညီခြင်းရှိ၊ မရှိ ဆုံးဖြတ်နည်းနှင့် ၎င်းကို ချိုးဖောက်ပါက မည်သို့လုပ်ဆောင်ရမည်ကို ကျွန်ုပ်တို့ ပေးပါသည်။

အယူအဆ 1- လွတ်လပ်ရေး

နမူနာနှစ်ခု t-test သည် နမူနာတစ်ခုမှ ရှုမြင်ချက်များသည် အခြားနမူနာမှ စူးစမ်းမှုကင်းသည်ဟု ယူဆသည်။

နမူနာနှစ်ခုလုံးတွင် တူညီသောပုဂ္ဂိုလ်များ ပေါ်လာပါက၊ နမူနာများကြား ကွဲလွဲမှုများအကြောင်း ကောက်ချက်ဆွဲရန် မမှန်ကန်သောကြောင့် ဤသည်မှာ အရေးကြီးသော ယူဆချက်ဖြစ်သည်။

ဒီယူဆချက်ကို ဘယ်လိုအတည်ပြုမလဲ။

ဤယူဆချက်ကို စမ်းသပ်ရန် အရိုးရှင်းဆုံးနည်းလမ်းမှာ ရှုမြင်မှုတစ်ခုစီတွင် နမူနာတစ်ခုစီတွင် တစ်ကြိမ်သာ ပေါ်လာကြောင်းနှင့် နမူနာတစ်ခုစီရှိ လေ့လာတွေ့ရှိချက်များကို ကျပန်းနမူနာဖြင့် စုဆောင်းထားကြောင်း အတည်ပြုရန်ဖြစ်သည်။

ဒီယူဆချက်ကို မလေးစားရင် ဘာလုပ်မလဲ။

ဤယူဆချက်နှင့် မကိုက်ညီပါက၊ နမူနာနှစ်ခု t-test ရလဒ်များသည် လုံးဝမမှန်ကန်ပါ။ ဤအခြေအနေတွင်၊ ကျပန်းနမူနာနည်းလမ်းကို အသုံးပြု၍ နမူနာအသစ်နှစ်ခုကို စုဆောင်းရန် အကောင်းဆုံးဖြစ်ပြီး နမူနာတစ်ခုတွင် တစ်ဦးချင်းစီသည် အခြားနမူနာများနှင့် မသက်ဆိုင်ကြောင်း သေချာစေပါသည်။

Hypothesis 2- ပုံမှန်အခြေအနေ

နမူနာနှစ်ခု t-test သည် နမူနာနှစ်ခုအား ခန့်မှန်းခြေအားဖြင့် ပုံမှန်ဖြန့်ဝေသည်ဟု ယူဆသည်။

နမူနာများကို ပုံမှန်ဖြန့်ဝေခြင်းမရှိပါက၊ နမူနာများအကြား ကွဲပြားမှုများအကြောင်း ကောက်ချက်ဆွဲရန် စမ်းသပ်မှုမှ p-တန်ဖိုးများကို အသုံးပြုခြင်းသည် အကျုံးမဝင်သောကြောင့် ၎င်းသည် အရေးကြီးသော ယူဆချက်ဖြစ်သည်။

ဒီယူဆချက်ကို ဘယ်လိုအတည်ပြုမလဲ။

နမူနာအရွယ်အစားများသည် သေးငယ်ပါက (n < 50)၊ ထို့နောက် နမူနာအရွယ်အစားတစ်ခုစီကို ပုံမှန်ဖြန့်ဝေခြင်းရှိမရှိ ဆုံးဖြတ်ရန် Shapiro-Wilk စမ်းသပ်မှုကို ကျွန်ုပ်တို့ အသုံးပြုနိုင်ပါသည်။ စမ်းသပ်မှု၏ p-တန်ဖိုးသည် အချို့သော အရေးပါမှုအဆင့်အောက်တွင် ရှိနေပါက၊ ဒေတာကို ပုံမှန်အတိုင်း ဖြန့်ဝေမည်မဟုတ်ပါ။

နမူနာအရွယ်အစားများသည် ကြီးမားပါက၊ ဒေတာကို ပုံမှန်ဖြန့်ဝေခြင်းရှိမရှိ အမြင်အာရုံစစ်ဆေးရန် QQ plot ကို အသုံးပြုခြင်းသည် ပိုကောင်းပါသည်။

ဒေတာအမှတ်များသည် QQ ကွက်ကွက်တစ်ခုရှိ ဖြောင့်ထောင့်ဖြတ်မျဉ်းတစ်လျှောက် အကြမ်းဖျင်းအားဖြင့် တည်ရှိနေပါက၊ ဒေတာအစုံသည် ပုံမှန်ဖြန့်ဖြူးမှုနောက်ဆက်တွဲဖြစ်နိုင်သည်။

ဒီယူဆချက်ကို မလေးစားရင် ဘာလုပ်မလဲ။

ဤယူဆချက်ကို ချိုးဖောက်ပါက၊ နမူနာနှစ်ခု t-test နှင့် ညီမျှသည်ဟု ယူဆသည့် Mann-Whitney U စမ်းသပ်မှုကို လုပ်ဆောင်နိုင်ပြီး နမူနာနှစ်ခုကို ပုံမှန်ဖြန့်ဝေသည်ဟု မယူဆပါ။

Hypothesis 3- မတူညီမှုများ၏ တူညီမှု

နမူနာနှစ်ခု t-test နမူနာနှစ်ခုသည် ခန့်မှန်းခြေအားဖြင့် တူညီသောကွဲလွဲမှုများရှိသည်ဟု ယူဆသည်။

ဒီယူဆချက်ကို ဘယ်လိုအတည်ပြုမလဲ။

နမူနာနှစ်ခုကြားရှိကွဲလွဲမှုများကို ညီမျှခြင်းရှိမရှိ ဆုံးဖြတ်ရန် အောက်ပါစည်းမျဉ်းကို ကျွန်ုပ်တို့အသုံးပြုသည်- အကယ်၍ အကြီးဆုံးကွဲလွဲချက်နှင့် အငယ်ဆုံးကွဲလွဲမှု၏အချိုးသည် 4 ထက်နည်းပါက၊ ကွဲလွဲမှုများသည် ခန့်မှန်းခြေအားဖြင့် ညီမျှသည်ဟု ကျွန်ုပ်တို့ယူဆနိုင်ပြီး နမူနာနှစ်ခုလုံးကို အသုံးပြုပါ – စမ်းသပ်မှု။

ဥပမာအားဖြင့်၊ နမူနာ 1 တွင် ကွဲလွဲမှု 24.5 ရှိပြီး နမူနာ 2 တွင် ကွဲလွဲမှု 15.2 ရှိသည်ဆိုပါစို့။ အသေးဆုံးနမူနာကွဲလွဲချက်နှင့် အကြီးဆုံးနမူနာကွဲလွဲမှု၏ အချိုးကို အောက်ပါအတိုင်း တွက်ချက်ရပါမည်-

အချိုး: 24.5 / 15.2 = 1.61

ဤအချိုးသည် 4 ထက်နည်းသောကြောင့် အုပ်စုနှစ်ခုကြား ကွာခြားချက်များသည် ခန့်မှန်းခြေအားဖြင့် တူညီသည်ဟု ယူဆနိုင်သည်။

ဒီယူဆချက်ကို မလေးစားရင် ဘာလုပ်မလဲ။

ဤယူဆချက်ကို ချိုးဖောက်ပါက၊ နမူနာနှစ်ခု t-test ၏ parametric ဗားရှင်းမဟုတ်သည့် Welch’s t-test ကို လုပ်ဆောင်နိုင်ပြီး နမူနာနှစ်ခုသည် တူညီသောကွဲလွဲမှုရှိသည်ဟု မယူဆပါ။

ယူဆချက် 4- ကျပန်းနမူနာ

နမူနာနှစ်ခု t-test သည် နမူနာနှစ်ခုလုံးကို ကျပန်းနမူနာနည်းလမ်းဖြင့် ရရှိခဲ့သည်ဟု ယူဆသည်။

ဒီယူဆချက်ကို ဘယ်လိုအတည်ပြုမလဲ။

ဤယူဆချက်အား စမ်းသပ်ရန် ကျွန်ုပ်တို့ အသုံးပြုနိုင်သည့် တရားဝင် ကိန်းဂဏန်းစမ်းသပ်မှု မရှိပါ။ ယင်းအစား၊ နမူနာနှစ်ခုစလုံးကို ကျပန်းနမူနာနည်းလမ်းကို အသုံးပြု၍ ရရှိကြောင်း သေချာစေရန်အတွက် ကျွန်ုပ်တို့သည် ရိုးရှင်းစွာ လိုအပ်သည်မှာ စိတ်ဝင်စားသော လူဦးရေရှိ လူတစ်ဦးချင်းစီတွင် နမူနာတစ်ခု သို့မဟုတ် အခြားနမူနာတစ်ခုတွင် ပါဝင်နိုင်ခြေ တူညီကြောင်း သေချာရန် လိုအပ်ပါသည်။

ဒီယူဆချက်ကို မလေးစားရင် ဘာလုပ်မလဲ။

အကယ်၍ ဤယူဆချက်နှင့် မကိုက်ညီပါက၊ ကျွန်ုပ်တို့၏ နမူနာနှစ်ခုသည် စိတ်ဝင်စားသော လူဦးရေကို ကိုယ်စားပြု သည်ဟု မထင်ပါ။ ဤအခြေအနေတွင်၊ နမူနာနှစ်ခု t-test ၏ရလဒ်များကို အလုံးစုံ လူဦးရေ အတွက် ယုံကြည်စိတ်ချစွာ ယေဘုယျဖော်ပြ၍မရပါ။

ဤအခြေအနေတွင်၊ ကျပန်းနမူနာနည်းလမ်းကို အသုံးပြု၍ နမူနာအသစ်နှစ်ခုကို စုဆောင်းရန် အကောင်းဆုံးဖြစ်သည်။