Z, t 및 기타 여러 테스트는 데이터가 랜덤 샘플링을 기반으로하는 것으로 가정합니다. 왜?
실험적 연구를하고 있는데, 외부 연구보다 내부 타당성을 훨씬 더 중요하게 생각합니다. 따라서 전체 모집단에 대한 가설을 추론하지 않기로 동의했기 때문에 샘플이 약간 편향되어있을 수 있습니다. 그룹화는 여전히 임의적입니다. 즉, 편의를 위해 샘플 참가자를 선택하지만 무작위로 다른 그룹에 할당합니다.
왜이 가정을 무시할 수 없습니까?
샘플링 기술에 편향이 발생하면 이는 '무작위'가 아닙니다. 그것이 어떤 편견을 도입하지 않으면 그것은 무작위입니다 (임의의 일부 정의의 경우-;). 나는 매 7 번째 샘플마다 카운터 샘플과 일치하는 샘플 크기를 만들기 위해 샘플링 기법을 사용했습니다. 그러나 나는 그 선택에 특별한 측면이 없다는 것을 알았으므로 비 무작위 샘플링 프로세스로 생각할 수있는 것은 여전히 사실상 무작위였습니다. 추첨에서 볼 1,2,3,4,5,6을 선택하는 것과 같습니다. 다른 시퀀스와 마찬가지로 무작위입니다.
—
Philip Oakley
@PhilipOakley : 추첨에서 볼 1,2,3,4,5,6을 선택하면 다른 선택과 동일한 기회를 얻을 수 있지만 다른 사람과 상금을 공유해야 할 가능성이 높아 예상되는 승리를 줄입니다. 같은 생각을 가졌다
—
Henry
@Philip에 의해 기술 된 것과 같은 체계적인 샘플링은 종종 단순한 무작위 샘플을 생성하는 것처럼 분석되지만 함정이 있습니다. 예를 들어 매일 제조 공정을 측정하고 7 번째 측정을 샘플링하는 경우 같은 날에 샘플링 할 것이기 때문에 결과를 요일 효과와 혼동 할 수 있습니다. 매주. 비임의 샘플을 처리 할 때 이러한 미묘한 부분을 생각하고 해결하려면 더 열심히 노력해야합니다.
—
whuber
@whuber, 물론입니다. 이런 것들에 대해 열심히 (그리고 넓게) 생각해야합니다 !! 제 경우에는 수백 가지의 이벤트와 수백 개의 이벤트가있는 시간 간격이 있었기 때문에 간단한 로지스틱 회귀 (각 프레임은 독립적으로 간주되고 프레임 간에는 약간의 변화가 있음)를 위해 비 이벤트 세트의 데이터 크기를 줄여야했습니다. 비 이벤트 프레임을 많이 삭제하는 것이 합리적이었습니다. 시간 순서 측면은 별도로 고려되었다.
—
Philip Oakley
@Philip 흥미롭게도, 당신이 존재하지 않는 무작위성에 대한 논평을 거의 동시에 썼을 때, NIST는 그것을 주장 하는 보도 자료를 발표 했습니다 . 오늘 (2018 년 4 월 4 일) Nature에 계정이 나타납니다 .
—
whuber