タグ付けされた質問 「equivalence」

2サンプルt検定のような従来の統計的検定は、2つの独立したサンプルの関数に差がないという仮説を排除しようとすることに焦点を当てています。次に、信頼レベルを選択し、平均の差が95％レベルを超えている場合、帰無仮説を棄却できると言います。そうでない場合、「帰無仮説を拒否することはできません」。これは、私たちもそれを受け入れることができないことを暗示しているようです。帰無仮説が正しいかどうかわからないということですか？ 次に、2つのサンプルの関数が同じであるという仮説を立てるテストを設計します（これは、2つのサンプルが異なるという仮説である従来の統計検定の反対です）。したがって、私の帰無仮説は、2つのサンプルが異なるというものになります。このようなテストをどのように設計する必要がありますか？p値が5％未満の場合、有意差がないという仮説を受け入れることができると言うのと同じくらい簡単でしょうか？

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

数値従属変数（例：知能テストのスコア）を調べる2つのグループ（例：男性と女性）での研究があり、グループに違いがないという仮説があるとします。 質問： グループの違いがないかどうかをテストする良い方法は何ですか？ グループの違いがないことを適切にテストするために必要なサンプルサイズをどのように決定しますか？ 初期の考え： 帰無仮説を棄却できないからといって、対象のパラメーターがゼロに近い、またはゼロに近いわけではないため、標準のt検定を行うだけでは十分ではありません。これは、特に小さなサンプルの場合です。 95％の信頼区間を見て、すべての値が十分に小さい範囲内にあることを確認できました。たぶんプラスまたはマイナス0.3標準偏差。

39 hypothesis-testing  t-test  equivalence  tost 

質問が述べているように-帰無仮説を証明することは可能ですか？私の（限られた）仮説の理解から、答えはノーです。しかし、それについての厳密な説明は思いつきません。質問には決定的な答えがありますか？

37 hypothesis-testing  proof  equivalence 

治療と結果を検討する多くの論文では、「グループは広く類似している」などの重要性のテストとテキストを含む迷惑変数（多くの場合、人口統計、時には病状）と呼ばれるものの表（通常は「表1」） XXXXXに大きな違いはありませんでした。表を参照してください。したがって、明確な目標は、異なる治療に割り当てられたグループが類似していることを示すことです。 しかし、これは「nullを受け入れる」可能性があり、私たちがしなければならない（または行うことを要求する）ことは等価性のテストであるように思えます。 これは、無作為化試験または観察研究に適用できます。ここに何かが足りませんか？

13 equivalence  controlling-for-a-variable 

コルモゴロフ–スミルノフ検定では、2つの分布が少なくとも研究者が指定したレベルで異なるという否定論的帰無仮説をテストするために、2つの片側同等性検定（TOST）がフレーム化されていますか？ TOSTではない場合、他の形式の同等性テストですか？ ニック・スタウナーは、確率的同等性の帰無仮説、およびより制限的な仮定で、同等の中央値について、他のノンパラメトリックTOST同等性テストがあることを賢明に指摘しています（すでに知っているはずです;）。

13 kolmogorov-smirnov  equivalence  tost 

ウィキペディアによれば、シャリポウィルク検定は、帰無仮説（）「母集団は正規分布である」を検定します。H0H0H_0 「人口は正規分布していない」を使用した同様の正規性検定を探しています。H0H0H_0 そのようなテストがある、有意水準 iffを棄却する値を計算したいと思います。私の人口が正規分布していることを証明します。H 0 α P &lt; αpppH0H0H_0αα\alphap&lt;αp&lt;αp < \alpha してくださいノートSharipo・ウィルク検定を使用して受け入れていることを IFFある間違ったアプローチ、それは文字通り「我々はH0が保持していないことを証明する十分な証拠を持っている」を意味するから。 p &gt; αH0H0H_0p&gt;αp&gt;αp > \alpha 関連スレッド- の意味 -値はppp、正常では役に立たないテストしていますか？、しかし私は私の問題の解決策を見ることができません。 質問：どのテストを使用する必要がありますか？Rで実装されていますか？

11 hypothesis-testing  goodness-of-fit  normality-assumption  equivalence 

仮定ノーマルから単純無作為サンプルです分布。X1,X2,...,XnX1,X2,...,XnX_1, X_2, \, ... \, , X_n(μ,σ2)(μ,σ2)(\mu,\sigma^2) 次の仮説検定に興味があります 与えられた定数。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 2つの片側検定（TOST）を、nullとある通常の生物学的同等性試験の状況に類似した方法で実行することを考えていましたですが、これが理にかなっているのか、正しいのかわかりません。ttt|μ|≥c|μ|≥c|\mu| \ge c 私のアイデアは、片側テストを実行することです および およびの1つがグローバル帰無仮説を棄却 -値が有意水準よりも小さい。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 

私は、分位点回帰推定量の2つの異なる表現を見てきました。 Q(βq)=∑i:yi≥x′iβnq∣yi−x′iβq∣+∑i:yi&lt;x′iβn(1−q)∣yi−x′iβq∣Q(βq)=∑i:yi≥xi′βnq∣yi−xi′βq∣+∑i:yi&lt;xi′βn(1−q)∣yi−xi′βq∣Q(\beta_{q}) = \sum^{n}_{i:y_{i}\geq x'_{i}\beta} q\mid y_i - x'_i \beta_q \mid + \sum^{n}_{i:y_{i}< x'_{i}\beta} (1-q)\mid y_i - x'_i \beta_q \mid および Q(βq)=∑i=1nρq(yi−x′iβq),ρq(u)=ui(q−1(ui&lt;0))Q(βq)=∑i=1nρq(yi−xi′βq),ρq(u)=ui(q−1(ui&lt;0))Q(\beta_q) = \sum^{n}_{i=1} \rho_q (y_i - x'_i \beta_q), \hspace{1cm} \rho_q(u) = u_i(q - 1(u_i < 0 )) ここで、です。これらの2つの式の同等性を示す方法を誰かに教えてもらえますか？ここでは、2番目の式から始めて、これまでに試したことを説明します。ui=yi−x′iβqui=yi−xi′βqu_i = y_i - x'_i \beta_q Q(βq)=∑i=1nui(q−1(ui&lt;0))(yi−x′iβq)=∑i=1n(yi−x′iβq)(q−1(yi−x′iβq&lt;0))(yi−x′iβq)=⎡⎣∑i:yi≥x′iβn(q(yi−x′iβq))+∑i:yi&lt;x′iβn(q(yi−x′iβq)−(yi−x′iβq))⎤⎦(yi−x′iβq)Q(βq)=∑i=1nui(q−1(ui&lt;0))(yi−xi′βq)=∑i=1n(yi−xi′βq)(q−1(yi−xi′βq&lt;0))(yi−xi′βq)=[∑i:yi≥xi′βn(q(yi−xi′βq))+∑i:yi&lt;xi′βn(q(yi−xi′βq)−(yi−xi′βq))](yi−xi′βq) \begin{align} Q(\beta_q) &= \sum^{n}_{i=1} u_i(q …

10 proof  quantile-regression  equivalence 

2列の携帯電話顧客情報データのデータセットがあります。最初の列にはアカウントが該当する特定のカテゴリ（A、B、またはC）が含まれ、2番目の列にはそのアカウントがキャンセルされたかどうかのバイナリ値が含まれます。例えば A | cancelled C | active B | active A | cancelled 私がやりたいのは、アクティブなアカウントとキャンセルされたアカウントでタイプA、B、Cのアカウントの比率が異なるかどうかをテストするためのある種の仮説検定を考え出すことです。帰無仮説はそれらが同じであるというものです。つまり、3つの値に対してこれを行う方法がわからないことを除いて、比率の仮説検定のようなものです。

9 hypothesis-testing  equivalence 

必ずしも正規分布から得られたとは限らないデータがいくつかあります。グループ間の同等性の検定を実行したいと思います。通常のデータには、TOST（2つの片側t検定）のような手法があります。通常ではないデータのTOSTに類似したものはありますか？

9 hypothesis-testing  equivalence  tost 

コルモゴロフ・スミルノフ（KS）検定に2つの片側検定（TOST）アプローチをどのように使用できるかについて他の質問についても話しましたが、検定統計を直接使用してその2つを示すことができるかどうか疑問に思いました分布は似ていましたか？ 私が理解している限り、KS検定統計量は2つのCDF間の最大の違いを表しており、1サンプルバージョンは本来適合度検定として使用されています。これは、経験的分布が信頼区間の外側を横切るとき（つまり、いずれか1つの点が、それらがテストしている仮想分布から遠すぎる場合）として[1]に示されています。 2つのサンプルのバージョンをよく使用して、2つの分布が互いに大きく異なることを示す場合、1つのサンプルのバージョンと同様に、を使用して信頼区間の計算を反転できますか？は代わりに使用します。これは、2つの分布間の最大差が有意に類似していることを示す方法としてですか？（1 - α ）= 0.95（1 - α ）= 0.05(1−α)=0.05(1-\alpha) = 0.05（1 - α ）= 0.95(1−α)=0.95(1-\alpha) = 0.95 [1]マッセイF.「適合度のコルモゴロフ-スミルノフ検定」、Journal of the American Statistical Association、vol。46、いいえ。253、68-78ページ、1951年3月

8 distributions  kolmogorov-smirnov  equivalence  tost