Questions tagged «tost»

像两个样本t检验一样，传统的统计检验集中在试图消除以下假设：两个独立样本的函数之间没有差异。然后，我们选择一个置信度，并说如果均值差超过95％，我们可以拒绝原假设。如果不是，我们“不能拒绝原假设”。这似乎意味着我们也不能接受它。这是否意味着我们不确定原假设是否成立？ 现在，我想设计一个假设是两个样本的函数相同的检验（这与假设两个样本不同的传统统计检验相反）。因此，我的原假设是两个样本不同。我应该如何设计这样的测试？简单地说，如果p值小于5％，我们可以接受没有显着差异的假设吗？

44 hypothesis-testing  statistical-significance  confidence-interval  equivalence  tost 

假设您有一个由两组（例如，男性和女性）组成的研究，研究了一个数字因变量（例如，智力测验分数），并且您假设没有组差异。 题： 有什么好的方法可以测试是否存在小组差异？ 您将如何确定充分测试无组差异所需的样本量？ 初步想法： 仅仅进行标准的t检验是不够的，因为不能拒绝原假设就并不意味着关注的参数等于或接近于零。对于小样本尤其如此。 我可以查看95％的置信区间，并检查所有值是否都在足够小的范围内；也许正负0.3标准偏差。

39 hypothesis-testing  t-test  equivalence  tost 

是否对Kolmogorov-Smirnov检验设计了两个等效的单面检验（TOST），以检验两个分布至少相差某个研究人员指定水平的否定主义原假设？ 如果不是TOST，那么是否进行其他形式的等效测试？ 尼克·斯汤纳（Nick Stauner）明智地指出，（我应该已经知道;）还有其他非参数TOST等价检验，用于随机等价的零假设，并且在更严格的假设下，还包括中位数等价物。

13 kolmogorov-smirnov  equivalence  tost 

假设是来自正态分布的简单随机样本。X1,X2,...,XnX1,X2,...,XnX_1, X_2, \, ... \, , X_n(μ,σ2)(μ,σ2)(\mu,\sigma^2) 我有兴趣进行以下假设检验： 对于给定的常数。H0:|μ|≤cH1:|μ|&gt;c,H0:|μ|≤cH1:|μ|&gt;c, H_0: | \mu| \le c \\ H_1: |\mu| > c, c&gt;0c&gt;0c > 0 我正在考虑以与通常的生物等效性测试情况类似的方式执行两个单侧检验（TOST），其中null为代替，但是我不知道这是否有意义或正确。ttt|μ|≥c|μ|≥c|\mu| \ge c 我的想法是执行单面测试 和 并且如果值之一小于显着性水平拒绝全局零假设。H01:μ≤cH11:μ&gt;cH01:μ≤cH11:μ&gt;c H_{01} : \mu \le c \\ H_{11} : \mu > c H02:μ≥−cH12:μ&lt;−c,H02:μ≥−cH12:μ&lt;−c, H_{02} : \mu \ge -c \\ H_{12} : \mu < …

11 hypothesis-testing  biostatistics  equivalence  tost 

在常规的均值t检验中，使用常规的假设检验方法，我们要么拒绝null要么不拒绝null，但是我们从不接受null。原因之一是，如果我们有更多的证据，那么相同的效应大小将变得很重要。 但是在非自卑感测验中会发生什么呢？ 那是： H0:μ1−μ0≤xH0：μ1个-μ0≤XH_0: \mu_1 - \mu_0 \le x 与 H1:μ1−μ0&gt;xH1个：μ1个-μ0&gt;XH_1: \mu_1 - \mu_0 > x 其中是我们认为基本相同的一些量。因此，如果我们拒绝null，则说比至少。如果没有足够的证据，我们将不拒绝零值。 xXxμ1μ1个\mu_1μ0μ0\mu_0xXx 如果效果大小为或更大，则类似于常规t检验。但是，如果样本中的效应大小小于，该怎么办？然后，如果我们增加样本量并保持相同的效果，它将保持无关紧要。因此，在这种情况下，我们可以接受null吗？xXxxXx

11 hypothesis-testing  tost  non-inferiority 

我有一些数据不一定能假定是从正态分布中得出的，我想对各组之间的等效性进行测试。对于普通数据，有类似TOST（两个单侧t检验）的技术。对于非正常数据，有什么类似于TOST的东西吗？

9 hypothesis-testing  equivalence  tost