T-test vs equivalence test


Autor/Urheber:
Attribution:
Das Bild ist mit 'Attribution Required' markiert, aber es wurden keine Informationen über die Attribution bereitgestellt. Vermutlich wurde bei Verwendung des MediaWiki-Templates für die CC-BY Lizenzen der Parameter für die Attribution weggelassen. Autoren und Urheber finden für die korrekte Verwendung der Templates hier ein Beispiel.
Größe:
2889 x 1621 Pixel (603100 Bytes)
Beschreibung:
Chances to pass the t-test or the equivalence test depending on the actual error 𝜇. Different lines denote different sample sizes obtained from different a priori choices of the standard deviation σ. The golden, solid curve always represents a correctly estimated sample size, the green curve a sample which is too large and the other curves samples which are too small. Neglecting the t-test type II (or the equivalence test type I) error implies a power of 50%. The thick grey lines denote 𝛥=1%. For comparison: in the bottom graph, the incorrect decisions of a reference test are red, the correct decisions are coloured blue. The reason for red areas to exist are economic considerations to limit the test costs: further increasing the sample size towards infinity would make the red areas disappear, at least for the revised t-test or the equivalence test. For the t-test, the areas with systematic error 𝜇>1% and 𝜇<−1% remain blue, but the inner turns red. This behaviour is counterintuitive to the idea that the error of a statistic test goes to zero as the sample size goes to infinity.

Original Source: Figure 2 from https://doi.org/10.1007/s11116-019-09991-9

Reworked version source code see https://gist.github.com/xor2k/2256abe4106cc8ac04a24f42bd36f2c6
Lizenz:
Bild teilen:
Facebook   Twitter   Pinterest   WhatsApp   Telegram   E-Mail
Weitere Informationen zur Lizenz des Bildes finden Sie hier. Letzte Aktualisierung: Sun, 01 Oct 2023 12:06:08 GMT

Relevante Bilder


Relevante Artikel

Äquivalenztest

Äquivalenztests sind eine Variation von Hypothesentests, mit denen statistische Schlussfolgerungen aus beobachteten Daten gezogen werden können. .. weiterlesen