Tôi có thể sử dụng thử nghiệm t được ghép nối khi các mẫu được phân phối bình thường nhưng sự khác biệt của chúng không?

Tôi có dữ liệu từ một thử nghiệm trong đó tôi đã áp dụng hai phương pháp điều trị khác nhau trong các điều kiện ban đầu giống hệt nhau, tạo ra một số nguyên từ 0 đến 500 trong mỗi trường hợp là kết quả. Tôi muốn sử dụng một thử nghiệm t cặp để xác định xem các hiệu ứng được tạo ra bởi hai phương pháp điều trị có khác nhau đáng kể hay không. Các kết quả cho mỗi nhóm điều trị được phân phối bình thường, nhưng sự khác biệt giữa mỗi cặp không được phân phối bình thường (không đối xứng + một đuôi dài).

Tôi có thể sử dụng thử nghiệm t cặp trong trường hợp này không, hoặc giả định về tính quy phạm bị vi phạm, có nghĩa là tôi nên sử dụng thử nghiệm không tham số nào đó?

t-test normality-assumption

— John Doucette
nguồn

Thí nghiệm dựa trên một mô phỏng. Tôi có thể đặt các điều kiện ban đầu của mô phỏng theo ý muốn. Do đó, đối với mỗi cặp, tôi bắt đầu với cùng một điều kiện ban đầu và áp dụng hai thuật toán khác nhau.

— John Doucette

Từ những gì bạn mô tả những âm thanh như các nhóm độc lập. Bạn đã áp dụng cả hai phương pháp điều trị cho từng trường hợp hoặc có một số kết hợp khác? Sự tương quan giữa các điều kiện là gì? Từ ngữ của bạn là số lẻ ... bạn có nghĩa là bạn có một giá trị ở phần đuôi khiến nó không đối xứng?

— Giăng

Nghĩ về nó xa hơn, tôi ít chắc chắn rằng họ phụ thuộc, nhưng có lẽ bạn có thể làm sáng tỏ điều đó. Mối tương quan tương tự trong thế giới thực sẽ là: Tôi có một người. Điều trị một được thực hiện, và một phép đo được thực hiện. Sau đó tôi quay ngược thời gian, và thay vào đó điều trị hai. Một phép đo được thực hiện lại. Dường như với tôi rằng những biện pháp này nên được xem xét tương quan. Có lẽ họ không nên?

— John Doucette

Ngoài ra, với tính không quy tắc, phân phối vừa bất đối xứng vừa có một đuôi dài (có nhiều ngoại lệ). Loại bỏ một số ngoại lệ sẽ không làm cho nó bình thường.

— John Doucette

Nếu các phân phối đơn biến là Bình thường và độc lập, thì phân phối các khác biệt phải là Bình thường. Sự thiếu bình thường của nó thể hiện sự phụ thuộc giữa hai bản phân phối. Sự phụ thuộc không chỉ đơn thuần là sự tương quan: cũng phải có một cái gì đó khác đang diễn ra.

— whuber

Một thử nghiệm được ghép nối chỉ phân tích danh sách các khác biệt được ghép nối và giả định rằng mẫu của các giá trị được lấy mẫu ngẫu nhiên từ một quần thể Gaussian. Nếu giả định đó bị vi phạm nghiêm trọng, thử nghiệm t ghép đôi không hợp lệ. Phân phối mà từ đó các giá trị trước và sau là các mẫu không liên quan - chỉ có dân số sự khác biệt được lấy mẫu từ các vấn đề.

— Harvey Motulsky
nguồn

Vì vậy, hãy nói rằng nếu tôi đã phân tích một mô hình phi tuyến tính và tạo ra y_observed tại thời điểm = i. Tôi có thể thực hiện một bài kiểm tra ghép nối để so sánh từng giá trị quan sát được với giá trị thực tại thời điểm i không? Chúng ta cũng giả sử rằng tôi có dữ liệu được quan sát trong khoảng thời gian 100 lần và dự báo các số của tôi sẽ có cùng khoảng thời gian

— dassouki