Peki, eşli ve eşli (ki genellikle iyi bir anlaşma daha küçük olurdu) arasındaki farkları bilseydiniz, gruplar arasındaki farkın iki tahmini için optimal ağırlıklar, bireyin varyansı ile ters orantılı olarak ağırlıklara sahip olmak anlamına gelir. ortalamalar arasındaki farkın tahminleri.
[Düzenle: varyans tahmin edildiğinde buna Graybill-Deal tahmincisi denir. Üzerinde epeyce kağıt vardı. İşte bir]
Varyansı tahmin etme ihtiyacı bazı zorluklara neden olmaktadır (varyans tahminlerinin sonuç oranı F'dir ve sonuçta ortaya çıkan ağırlıkların bir beta dağılımına sahip olduğunu ve sonuçta ortaya çıkan bir istatistiğin karmaşık olduğunu düşünüyorum), ancak önyükleme yapmayı düşündüğünüzden, endişe az.
Normalde verimlilikte çok az kayıp olan, bir anlamda ( belki de varyans oranları ile oynadığımız için normale göre daha sağlam olan) alternatif bir olasılık (veya en azından biraz daha sağlamdır), birleştirilmiş kayma tahminini temel almaktır. eşleştirilmiş ve eşleşmemiş sıralama testleri - her durumda bir tür Hodges-Lehmann, eşleşmemiş durumda çift taraflı örneklem farklılıklarının medyanlarına dayanarak ve eşleştirilmiş durumda, çift ortalamaların çift ortalama farklılıklarının medyanlarına göre tahmin edilir. Yine, ikisinin minimum varyans ağırlıklı doğrusal kombinasyonu, varyansların tersi ile orantılı ağırlıklar olacaktır. Bu durumda, muhtemelen bir önyükleme yerine bir permütasyona (/ randomizasyona) dayanırım - ama önyüklemenizi nasıl uyguladığınıza bağlı olarak, aynı yerde sonuçlanabilir.
Her iki durumda da, varyanslarınızı güçlendirmek / varyans oranınızı azaltmak isteyebilirsiniz. Ağırlığı için doğru basketbol sahası içinde almak iyidir, ancak normalde biraz sağlam yaparak çok az verimlilik kaybedersiniz. ---
Daha önce kafamda yeterince açık bir şekilde çözemediğim bazı ek düşünceler:
Bu sorunun Behrens-Fisher problemine belirgin benzerlikleri var, ancak daha da zor.
Biz ağırlıkları düzelttiyseniz, olabilir sadece Welch-Satterthwaite tipi yaklaştırılarak vurmak; Sorunun yapısı aynı.
Bizim meselemiz, ağırlığın sabit olmadığı anlamına gelen ağırlıkları optimize etmek istediğimizdir - ve gerçekten de istatistiği azami düzeye çıkarmaya meyillidir (en azından yaklaşık ve daha neredeyse büyük numunelerde, çünkü herhangi bir ağırlık kümesi aynıdır. pay ve paydayı minimize etmeye çalışıyoruz; ikisi bağımsız değil).
Bu, ki-kare yaklaşımını daha da kötüleştirir ve neredeyse bir yaklaşımın df'sini daha da fazla etkileyeceğini beklerim.
Bu sorun yapılabilir ise [da sadece orada olabilir Bu koşullar bu setleri altında bu diğer setleri altında, sadece eşleşmemiş sadece eşleştirilmiş verileri kullanmak eğer neredeyse yanı yapabileceği' derdi başparmak iyi bir kural be söndürmeye Koşullar ve geri kalan kısımda, bu sabit ağırlık şeması genellikle en uygun olana çok yakın '- ama nefesimi bu şansı bekletmeyeceğim. Böyle bir karar kuralının şüphesiz her durumda gerçek önemi üzerinde bir etkisi olacaktır, ancak bu etki o kadar büyük olmasaydı, böyle bir kural, insanların mevcut eski yazılımı kullanması için kolay bir yol sağlayacaktır, bu nedenle arzu edilebilirdi. böyle bir durumda kullanıcılar için böyle bir kural tanımlamaya çalışın.]
---
Düzenleme: Kendine Not - 'Örtüşen numuneler' testleri, özellikle üst üste binen numuneler t-testleri ile ilgili çalışma detaylarını geri getirmeli ve doldurmalısınız.
---
Bana rastgele bir randomizasyon testinin iyi sonuç vermesi gerekiyor -
Verilerin eşleştirildiği yerlerde, çiftler içindeki grup etiketlerine rastgele izin verirsiniz.
Verilerin eşleştirilmediği, ancak ortak bir dağılıma sahip olduğu varsayılmışsa (boş değerin altında), grup atamasına izin verirsiniz
Şimdi ağırlıkları iki vardiya tahminine göreceli varyans tahminlerine göre hesaplayabilirsiniz ( ), her randomize numunenin ağırlıklı vardiya tahminini hesaplayabilir ve numunenin uyduğunu görebilirsiniz. rastgele dağılım.w1= 1 / ( 1 + v1v2)
(Çok sonra eklendi)
Muhtemelen ilgili kağıt:
Derrick, B., Russ B., Toher, D. ve White, P. (2017),
"Hem Eşlenmiş hem de Bağımsız Gözlemleri İçeren İki Örnek İçin Araçların Karşılaştırılması İçin Test İstatistikleri"
Modern Uygulamalı İstatistiksel Yöntemler Dergisi , Mayıs , Vol. 16, No. 1, 137-157.
doi: 10.22237 / jmasm / 1493597280
http://digitalcommons.wayne.edu/cgi/viewcontent.cgi?article=2251&context=jmasm