Одновыборочные и парные критерии для среднего (Z-тест и t-тест)
Содержание курса
Почему нельзя брать обычный двухвыборочный t-тест для пар
Частая ошибка при анализе связанных данных — применить критерий для двух независимых выборок к массивам и , проигнорировав парную структуру.
Посмотрим на дисперсию выборочного среднего разностей . По свойствам дисперсии линейной комбинации случайных величин:
$$\operatorname{Var}(\bar{Y} - \bar{X}) = \operatorname{Var}(\bar{Y}) + \operatorname{Var}(\bar{X})
- 2\operatorname{Cov}(\bar{Y}, \bar{X})$$
Для выборки из независимых пар с одинаковыми дисперсиями и ковариацией дисперсия среднего эффекта равна:
Если применить формулу для независимых групп, алгоритм приравняет ковариацию к нулю и оценит дисперсию разности как . Последствия зависят от знака и величины связи:
- При положительной ковариации (типично для замеров «до/после» на одних объектах) слагаемое уменьшает истинную дисперсию. Игнорирование связи приводит к завышению стандартной ошибки оценки среднего эффекта. Например, если , , а коэффициент корреляции , ковариация равна . Истинная дисперсия разностей составляет $\sigma_D^2 = 16 + 16
- 2 8 = 16\sqrt{16 / 25} = 0.8\sqrt{(16 + 16)/25} = 1.13$. Завышенный знаменатель может снизить чувствительность критерия к реальным сдвигам.
- При отрицательной ковариации (например, когда ресурсы делятся внутри пары) слагаемое увеличивает истинную дисперсию . Формула для независимых выборок в этом случае, наоборот, занижает стандартную ошибку.
Замена парного теста на двухвыборочный меняет саму вероятностную модель: парный -тест опирается на степеней свободы для вектора разностей, тогда как классический двухвыборочный критерий с объединенной дисперсией для двух групп размера использует $2n
- 2$ степеней свободы (а критерий Уэлча рассчитывает дробное число степеней свободы по выборочным дисперсиям). Поэтому сохранение мощности не гарантировано для всех конфигураций данных: корректность статистического вывода определяется строгим соответствием теста структуре выборки.
