Вы можете использовать t-тест, чтобы оценить, есть ли различия в средствах. Различные размеры выборки не создают проблем для t-теста и не требуют интерпретации результатов с особой тщательностью. В конечном счете, вы можете даже сравнить одно наблюдение с бесконечной популяцией с известным распределением, средним значением и SD; например, кто-то с IQ 130 умнее, чем 97,7% людей. Однако следует отметить, что для данного (т. Е. Общего размера выборки) мощность максимизируется, если группы равны; При очень неравных размерах групп вы не получаете столько дополнительного разрешения при каждом дополнительном наблюдении. Nn
Чтобы прояснить мою точку зрения о мощи, вот очень простая симуляция, написанная для R:
set.seed(9) # this makes the simulation exactly reproducible
power5050 = vector(length=10000) # these will store the p-values from each
power7525 = vector(length=10000) # simulated test to keep track of how many
power9010 = vector(length=10000) # are 'significant'
for(i in 1:10000){ # I run the following procedure 10k times
n1a = rnorm(50, mean=0, sd=1) # I'm drawing 2 samples of size 50 from 2 normal
n2a = rnorm(50, mean=.5, sd=1) # distributions w/ dif means, but equal SDs
n1b = rnorm(75, mean=0, sd=1) # this version has group sizes of 75 & 25
n2b = rnorm(25, mean=.5, sd=1)
n1c = rnorm(90, mean=0, sd=1) # this one has 90 & 10
n2c = rnorm(10, mean=.5, sd=1)
power5050[i] = t.test(n1a, n2a, var.equal=T)$p.value # here t-tests are run &
power7525[i] = t.test(n1b, n2b, var.equal=T)$p.value # the p-values are stored
power9010[i] = t.test(n1c, n2c, var.equal=T)$p.value # for each version
}
mean(power5050<.05) # this code counts how many of the p-values for
[1] 0.7019 # each of the versions are less than .05 &
mean(power7525<.05) # divides the number by 10k to compute the %
[1] 0.5648 # of times the results were 'significant'. That
mean(power9010<.05) # gives an estimate of the power
[1] 0.3261
Обратите внимание, что во всех случаях , но что в первом случае & , во втором случае & , а в последнем случае и . Кроме того, обратите внимание, что стандартизированная средняя разница / процесс создания данных был одинаковым во всех случаях. Тем не менее, в то время как тест был «значимым» в 70% случаев для образца 50–50, мощность составила 56% при 75–25 и только 33% при размерах группы 90–10. N=100n1=50n2=50n1=75n2=25n1=90n2=10
Я думаю об этом по аналогии. Если вы хотите знать площадь прямоугольника, а периметр фиксирован, то область будет максимальной, если длина и ширина равны (т. Е. Если прямоугольник является квадратом ). С другой стороны, по мере расхождения длины и ширины (по мере удлинения прямоугольника) площадь уменьшается.