В реальных научных исследованиях очень редко можно получить данные, полученные из реальной случайной выборки. Данные почти всегда являются удобными образцами. Это в первую очередь влияет на то, какое население вы можете обобщить. Тем не менее, даже если они были для удобства, они пришли откуда-то, вам просто нужно четко понимать, где и какие ограничения это подразумевает. Если вы действительно верите, что ваши данные ничего не представляют, тогда ваше исследование не будет полезным на любом уровне, но это, вероятно, неверно 1 . Таким образом, часто разумно считать ваши образцы взятыми откуда-то и использовать эти стандартные тесты, по крайней мере, в хеджированном или квалифицированном смысле.
Однако существует другая философия тестирования, которая утверждает, что мы должны отойти от тех предположений и тестов, которые на них полагаются. Тьюки был сторонником этого. Вместо этого большинство экспериментальных исследований считается (внутренне) действительным, поскольку единицы исследования (например, пациенты) были случайным образом распределены по группам. Учитывая это, вы можете использовать тесты перестановок , которые в основном предполагают, что рандомизация была выполнена правильно. Контраргумент для беспокойства по этому поводу состоит в том, что тесты перестановки обычно показывают то же самое, что и соответствующие классические тесты, и требуют больше работы. Итак, опять же, стандартные тесты могут быть приемлемыми.
1. Более подробно об этом можно прочитать здесь: « Идентификация населения и выборок в исследовании» .