Is het mogelijk om een t-test uit te voeren als de steekproefomvang van elke groep niet gelijk is?<\/em><\/strong><\/span><\/p>\n Het korte antwoord:<\/span><\/p>\n Ja, u kunt een t-test uitvoeren als de steekproefomvang niet gelijk is. Gelijke steekproefgroottes behoren niet tot de aannames<\/a> die bij een t-test worden gedaan.<\/strong><\/span><\/p>\n De echte problemen ontstaan wanneer de twee steekproeven geen gelijke varianties hebben, wat een van de aannames is<\/em> die bij een t-toets worden gedaan.<\/span><\/p>\n Wanneer dit gebeurt, wordt aanbevolen om in plaats daarvan de t-test van Welch<\/a> te gebruiken, die niet uitgaat van gelijke varianties.<\/span><\/p>\n De volgende voorbeelden laten zien hoe u T-toetsen kunt uitvoeren met ongelijke steekproefomvang wanneer de varianties gelijk zijn en wanneer niet.<\/span><\/p>\n Stel dat we twee programma’s beheren die zijn ontworpen om studenten te helpen beter te presteren op bepaalde examens.<\/span><\/p>\n De resultaten zijn als volgt:<\/span><\/p>\n Programma 1:<\/strong><\/span><\/p>\n Programma 2:<\/strong><\/span><\/p>\n De volgende code laat zien hoe u een boxplot in R maakt om de verdeling van examenscores voor elk programma te visualiseren:<\/span> <\/p>\n De gemiddelde examenscore voor Programma 2 lijkt hoger, maar de variantie in examenscores tussen beide opleidingen is ongeveer gelijk.<\/span><\/p>\n De volgende code laat zien hoe u een t-test van onafhankelijke monsters kunt uitvoeren met de t-test van Welch:<\/span><\/p>\n De t-test van de onafhankelijke monsters retourneert een p-waarde van 0,0009<\/strong> en de t-test van Welch retourneert een p-waarde van 0,0029<\/strong> .<\/span><\/p>\n Omdat de p-waarde van elke test kleiner is dan 0,05, zouden we de nulhypothese in elke test verwerpen en concluderen dat er een statistisch significant verschil bestaat in de gemiddelde examenscores tussen de twee programma’s.<\/span><\/p>\n Hoewel de steekproefomvang ongelijk is, retourneren de t-test van de onafhankelijke steekproeven en de t-test van Welch beide vergelijkbare resultaten, aangezien de twee steekproeven gelijke varianties hadden.<\/span><\/strong><\/span><\/p>\n Stel dat we twee programma’s beheren die zijn ontworpen om studenten te helpen beter te presteren op bepaalde examens.<\/span><\/p>\n De resultaten zijn als volgt:<\/span><\/p>\n Programma 1:<\/strong><\/span><\/p>\n Programma 2:<\/strong><\/span><\/p>\n De volgende code laat zien hoe u een boxplot in R maakt om de verdeling van examenscores voor elk programma te visualiseren:<\/span> <\/p>\n De gemiddelde examenscore voor Programma 2 lijkt hoger, maar de variantie van de examenscores voor Programma 1 is veel groter dan die voor Programma 2.<\/span><\/p>\n De volgende code laat zien hoe u een t-test van onafhankelijke monsters kunt uitvoeren met de t-test van Welch:<\/span><\/p>\n De t-test van de onafhankelijke monsters retourneert een p-waarde van 0,5496<\/strong> en de t-test van Welch retourneert een p-waarde van 0,0361<\/strong> .<\/span><\/p>\n De t-test van de onafhankelijke monsters kan geen verschil in gemiddelde examenscores detecteren, maar de t-test van Welch kan wel een statistisch significant verschil detecteren.<\/span><\/p>\n Omdat de twee steekproeven ongelijke varianties hadden, kon alleen de t-test van Welch het statistisch significante verschil in gemiddelde examenscores detecteren, aangezien deze test niet uitgaat van gelijke varianties tussen<\/b> steekproeven<\/b><\/span> .<\/b><\/span><\/p>\n De volgende tutorials bieden aanvullende informatie over t-toetsen:<\/span><\/p>\n Inleiding tot de one-sample t-test<\/a> Een vraag die studenten vaak stellen als het om statistiek gaat, is: Is het mogelijk om een t-test uit te voeren als de steekproefomvang van elke groep niet gelijk is? Het korte antwoord: Ja, u kunt een t-test uitvoeren als de steekproefomvang niet gelijk is. Gelijke steekproefgroottes behoren niet tot de aannames die bij een […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3428","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld 1: Ongelijke steekproefomvang en gelijke varianties<\/strong><\/span><\/h2>\n
\n
\n
#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#create vectors to hold exam scores\n<\/span>program1 <- rnorm(500, mean=80, sd=5)\nprogram2 <- rnorm(20, mean=85, sd=5)\n\n#create boxplots to visualize distribution of exam scores\n<\/span>boxplot(program1, program2, names=c(\" Program 1<\/span> \",\" Program 2<\/span> \"))\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/inegal1.jpg\")
<\/p>\n #perform independent samples t-test\n<\/span>t. test<\/span> (program1, program2, var. equal<\/span> = TRUE<\/span> )\n\n\tTwo Sample t-test\n\ndata: program1 and program2\nt = -3.3348, df = 518, p-value = 0.0009148\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -6.111504 -1.580245\nsample estimates:\nmean of x mean of y \n 80.11322 83.95910\n\n#perform Welch's two sample t-test\n<\/span>t. test<\/span> (program1, program2, var. equal<\/span> = FALSE<\/span> )\n\n\tWelch Two Sample t-test\n\ndata: program1 and program2\nt = -3.3735, df = 20.589, p-value = 0.00293\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -6.219551 -1.472199\nsample estimates:\nmean of x mean of y \n 80.11322 83.95910 \n<\/strong><\/pre>\n Voorbeeld 2: Ongelijke steekproefomvang en ongelijke varianties<\/strong><\/span><\/h2>\n
\n
\n
#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#create vectors to hold exam scores\n<\/span>program1 <- rnorm(500, mean=80, sd=25)\nprogram2 <- rnorm(20, mean=85, sd=5)\n\n#create boxplots to visualize distribution of exam scores\n<\/span>boxplot(program1, program2, names=c(\" Program 1<\/span> \",\" Program 2<\/span> \"))\n<\/strong><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/inegal2.jpg\")
<\/p>\n #perform independent samples t-test\n<\/span>t. test<\/span> (program1, program2, var. equal<\/span> = TRUE<\/span> )\n\n\tTwo Sample t-test\n\ndata: program1 and program2\nt = -0.5988, df = 518, p-value = 0.5496\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -14.52474 7.73875\nsample estimates:\nmean of x mean of y \n 80.5661 83.9591\n\n#perform Welch's two sample t-test\n<\/span>t. test<\/span> (program1, program2, var. equal<\/span> = FALSE<\/span> )\n\n\tWelch Two Sample t-test\n\ndata: program1 and program2\nt = -2.1338, df = 74.934, p-value = 0.03613\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -6.560690 -0.225296\nsample estimates:\nmean of x mean of y \n 80.5661 83.9591 \n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Inleiding tot de t-test met twee steekproeven<\/a>
Inleiding tot de t-test van gepaarde monsters<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"