La estimación del tamaño de la muestra para las pruebas no apareadas estudiante t en bioestadística
En bioestadística, al comparar las medias de dos grupos independientes de los sujetos usando una prueba t de Student no apareado, la tamaño del efecto se expresa como la relación de # 916- (delta, la diferencia entre las medias de dos grupos) dividido por # 963- (sigma, el intragrupal desviación estándar).
Cada gráfico en la figura siguiente se muestra la superposición de las curvas de la campana que indican la cantidad de separación entre dos grupos, junto con el tamaño del efecto (# 916 - / # 963-) y el número necesario de sujetos analizables en cada grupo. Elija la tabla que se parece a una cantidad importante de separación entre los dos grupos. Por ejemplo, si el gráfico medio (que corresponde a una diferencia entre grupos que es tres cuartas partes del tamaño de la desviación estándar dentro del grupo) se parece a una cantidad importante de la separación, entonces usted necesita cerca de 29 sujetos analizables por grupo (para un total de 58 sujetos analizables).
Por otra # 916 - / # 963- valores, utilice esta regla de oro para estimar el tamaño de la muestra: Se necesita alrededor de 16 / (# 916 - / # 963-)2 sujetos analizables en cada grupo.
Sobre el autor
La comparación de los promedios: cómo las diferencias de situación de determinar los métodos de prueba Usted puede preguntarse por qué hay tantas pruebas para una tarea tan simple como la comparación de los promedios. Bueno, "comparando los promedios" no se refiere a una sola tarea- es un término general que se puede aplicar a muchas situaciones…
La estimación del tamaño de la muestra para pruebas de correlación en bioestadística Para una prueba de correlación en bioestadística (como el de Pearson o el test de Spearman), escoger el gráfico de dispersión que se parece a una cantidad importante de correlación. Cada gráfico muestra el valor de r (el coeficiente de…
Estimación de los requisitos de tamaño de la muestra con una calculadora a mano Mientras que muchos programas, aplicaciones y páginas web están disponibles para llevar a cabo los cálculos de potencia y tamaño de la muestra, que no siempre son fáciles o intuitivo de usar. Debido a que las hojas de cálculo como Excel están…
Estimación de tamaño de la muestra al comparar dos proporciones en bioestadística La proporción de sujetos que tienen algún atributo (como respuesta al tratamiento) se puede comparar entre dos grupos de sujetos mediante la creación de una tabla de referencias cruzadas de los datos, donde las dos filas representan los dos…
Cómo comparar los conjuntos de números emparejaron Los no apareados (independiente de la muestra) pruebas t, ANOVA de una vía, ANCOVA, y sus homólogos no paramétricos se ocupan de las comparaciones entre dos o más grupos de independiente muestras de datos, como los diferentes grupos de sujetos,…
¿Cómo mejorar la precisión de muestreo A mejorar la precisión de cualquier cosa que observa desde su muestra de sujetos por tener una muestra más grande. los teorema del límite central (o CLT, uno de los fundamentos de la teoría de la probabilidad) describe cómo las fluctuaciones…
Cómo utilizar pruebas t de Student para comparar las medias Puede ejecutar las pruebas de la t de Student utilizando el software estadístico típica e interpretar la salida producida. En este ejemplo, podrás usar el OpenStat paquete de software.La idea básica de una prueba tTodas las pruebas t de Student…
Pensamientos al azar sobre el azar y las estadísticas La palabra aleatorio es algo que la gente utilice toda la timeyou probablemente tienen algún concepto intuitivo de aleatoriedad, pero puede encontrar difícil de poner en un lenguaje preciso. Random es un término que se aplica a los datos que…
La estimación del tamaño de la muestra para pruebas t de estudiante pareadas en bioestadística En bioestadística, al comparar las mediciones pareadas (tales como los cambios entre dos puntos de tiempo para el mismo tema) utilizando una prueba t de Student apareado, la tamaño del efecto se expresa como la relación de # 916- (delta, el…
Teoría de la decisión estadística Teoría de la decisión estadística es tal vez el más grande rama de la estadística. Abarca todos los famosos (y muchos no tan famosos) pruebas de significación - pruebas t de Student, chi-cuadrado pruebas, análisis de varianza (ANOVA-),…
Resumir datos agrupados con bares, cajas y bigotes A veces quieres mostrar cómo una variable varía de un grupo de sujetos a otro. Por ejemplo, los niveles en sangre de algunas enzimas varían entre las diferentes razas. Dos tipos de gráficos se utilizan comúnmente para este propósito: gráficos…
Prueba de significación con la prueba de hipótesis Todas las famosas pruebas de significación estadística (t Student, chi-cuadrado, ANOVA, etc.) trabajan en el mismo principio general - evalúan el tamaño del efecto aparente que se ve en los datos en función del tamaño de las fluctuaciones…