Progettazione quantitativa dello studio, test di significatività e diverse classi di test statistici.
Sono arrivato a scrivere questo articolo attraverso quello che era un insieme di eventi prevedibili ma ancora inaspettati. Recentemente ho terminato un corso su test e reporting statistici e ho deciso di scrivere una serie di articoli che spiegano i dettagli dei test statistici più utili che ho imparato. Desideravo farlo sia per consolidare le mie conoscenze sia per aiutare altri data scientist ad apprendere un argomento che ho trovato immensamente utile.
Il primo di questi articoli sarebbe stato sul prova tun test statistico comune utilizzato per determinare se due medie (medie) di diversi insiemi di dati sono statisticamente diverse. Ho iniziato a scrivere questo articolo, ma mi sono reso conto che dovevo prima spiegare che esistono due diversi tipi di test t. Poi, ho capito che per spiegarlo, dovevo spiegare un concetto sottostante separato ma correlato. Il ciclo è continuato mentre pianificavo l’articolo.
Inoltre, mi sono reso conto che avrei dovuto farlo con ogni nuovo articolo che avrei scritto, poiché ogni test statistico richiedeva la stessa base di conoscenza di base. Piuttosto che ripetere queste informazioni in ogni articolo, sarebbe molto meglio fare riferimento a una fonte di informazioni permanente.
E così è nato questo articolo. Nelle parole che seguono, cercherò di fornire un’introduzione concisa ma efficace sui concetti di base con cui dovresti avere familiarità per condurre e riportare test statistici. Per tua comodità, ho suddiviso i concetti nell’ordine in cui li incontreresti eseguendo uno studio dall’inizio alla fine. Quindi, senza ulteriori indugi, entriamo nel merito.
Progettazione quantitativa dello studio
Quando si progetta uno studio, è necessario considerare diversi dettagli importanti. Questo articolo non riguarda la progettazione dello studio e non entrerò nei dettagli delle migliori pratiche e del ragionamento che sta dietro ad esse. Detto questo, il disegno di uno studio influenza fortemente l’eventuale test statistico necessario, quindi è essenziale avere una conoscenza di base dei seguenti concetti:
- Fattori e misure
- Livelli e trattamenti
Fonte: towardsdatascience.com
