Test lokalizacji

Test lokalizacji to statystyczny test hipotezy , który porównuje parametr lokalizacji populacji statystycznej z daną stałą lub porównuje ze sobą parametry lokalizacji dwóch populacji statystycznych. Najczęściej parametrem (lub parametrami) lokalizacji będącymi przedmiotem zainteresowania są wartości oczekiwane , ale stosuje się również testy lokalizacji oparte na medianach lub innych miarach lokalizacji.

Test lokalizacji na jednej próbce

Test lokalizacji jednej próbki porównuje parametr lokalizacji jednej próbki z daną stałą. Przykładem testu lokalizacji jednej próbki byłoby porównanie parametru lokalizacji rozkładu ciśnienia krwi w populacji z daną wartością referencyjną. W teście jednostronnym przed przeprowadzeniem analizy stwierdza się, że interesujące jest tylko to, czy parametr lokalizacji jest większy lub mniejszy od podanej stałej, podczas gdy w teście dwustronnym różnica w interesuje kierunek.

Test lokalizacji na dwóch próbach

Test lokalizacji dwóch próbek porównuje ze sobą parametry lokalizacji dwóch próbek. Typową sytuacją jest sytuacja, w której dwie populacje odpowiadają podmiotom badawczym, które były leczone dwoma różnymi terapiami (jedna z nich prawdopodobnie była grupą kontrolną lub placebo). W takim przypadku celem jest ocena, czy jedna z metod leczenia zwykle daje lepszą odpowiedź niż druga. W teście jednostronnym przed przeprowadzeniem analizy stwierdza się, że interesujące jest tylko to, czy określone leczenie daje lepsze odpowiedzi, podczas gdy w teście dwustronnym interesujące jest, czy któryś z zabiegów jest lepszy do drugiego.

Poniższe tabele zawierają wskazówki dotyczące wyboru odpowiednich parametrycznych lub nieparametrycznych testów statystycznych dla danego zbioru danych.

Parametryczne i nieparametryczne testy lokalizacyjne

Poniższa tabela zawiera podsumowanie niektórych typowych testów parametrycznych i nieparametrycznych dla parametrów lokalizacji jednej lub większej liczby próbek.

porządkowe i liczbowe

1 grupa		N ≥ 30		Test t dla jednej próbki
		N < 30	Normalnie dystrybuowane	Test t dla jednej próbki
			Nie normalne	Podpisz test
2 grupy	Niezależny	N ≥ 30		test t
		N < 30	Normalnie dystrybuowane	test t
			Nie normalne	Test sumy rang U Manna-Whitneya lub Wilcoxona
	Sparowane	N ≥ 30		sparowany test t
		N < 30	Normalnie dystrybuowane	sparowany test t
			Nie normalne	Test rang podpisanych Wilcoxona
3 lub więcej grup	Niezależny	Normalnie dystrybuowane	1 czynnik	Jednokierunkowa anova
			≥ 2 czynniki	dwa lub inne anova
		Nie normalne		Kruskala-Wallisa jednokierunkowa analiza wariancji według rang
	Zależny	Normalnie dystrybuowane		Powtarzane pomiary anova
		Nie normalne		Friedman dwukierunkowa analiza wariancji według rang

Miary nominalne

1 grupa		np i n (1- p ) ≥ 5	Przybliżenie Z
		np lub n (1- p ) < 5	dwumianowy
2 grupy	Niezależny	np < 5	dokładny test Fishera lub test Barnarda
		np ≥ 5	test chi-kwadrat
	Sparowane		McNemara czy Kappy
3 lub więcej grup	Niezależny	np < 5	zwiń kategorie dla testu chi-kwadrat
		np ≥ 5	test chi-kwadrat
	Zależny		Q Cochrana