t*d
发帖数: 1290 | 1 经常有象我这样懂点统计又不是很懂的同志在用 t-test 的时候有些不放心。看了下面
这片文章后，我放心了。
Mihai Valcu & Cristina-Maria Valcu. 2010. Data transformation practices in
biomedical sciences. Nature Methods 8: 104–105.
文章写得很烂。但是对 t-test 的介绍还凑合。下面是我的一点理解。（英文是从文章
里的原文，中文是我的理解。）
Applying a t-test is now so routine that many biologists may have forgotten
that data should meet certain assumptions, and reminders of its correct use
have been published. 质疑 t－test 可能被烂用了。
For example, for a valid two-sample t-test, the assumptions are that the
samples are independent and drawn from populations with equal variances, and
that the variable is normally distributed in each group. 问题在于大家伙对用
t－test 的前提不太清楚：独立采样，方差相同和正态分布。不过这些真的是大问题
吗？
Although the robustness of Student's t-test to the violation of these
assumptions is a matter of debate, they are seldom verified and data are
sometimes transformed in ways that guarantee that the assumptions are no
longer met. 原来非正态分布的样本也可能用 t-test，尽管有争论。
The use of 'robust' versions of the t-test (Welch t-test) that do not
require the assumption of equal variance. 大家要记得用 Welch t-test，这样方
差相同这个前提也不需要了。
所以对俺们生物 wsn 来说，只要记得独立采样（这个比较大部分时候是可以做到的）
，就可以放心用 t-test 了。兔年快乐！：） | n***w
发帖数: 2405 | 2 if variances are not the same, t-test still can be applied by adjusting the
equation. I do not the name is "Welch" t-test.
In most cases, I think the sample size matters which make us turn to other
methods. Also paired t-test are pretty common. | s******s
发帖数: 13035 | 3 well, independent, normality, equal variance
1. independent这个没辙，必须遵守
2. normality, 基本上t-test很robust，因为实际比较的
是sample mean, 这个归于central limit thereom, 就是
数据够多，只要不是一些特别夸张的分布，都可以当normal.
基本上n<15要比较注意normality，或者转成non-parametric;
n>50基本上用t-test没问题.
3. equal variances. 这个stat101都应该说过，除非有理论
支持，否则都要做F test验证；F不通过的话，要用unpooled
t-test, 估计就是你说的welch t
forgotten
use
【在 t*d 的大作中提到】
: 经常有象我这样懂点统计又不是很懂的同志在用 t-test 的时候有些不放心。看了下面
: 这片文章后，我放心了。
: Mihai Valcu & Cristina-Maria Valcu. 2010. Data transformation practices in
: biomedical sciences. Nature Methods 8: 104–105.
: 文章写得很烂。但是对 t-test 的介绍还凑合。下面是我的一点理解。（英文是从文章
: 里的原文，中文是我的理解。）
: Applying a t-test is now so routine that many biologists may have forgotten
: that data should meet certain assumptions, and reminders of its correct use
: have been published. 质疑 t－test 可能被烂用了。
: For example, for a valid two-sample t-test, the assumptions are that the
| a****a
发帖数: 3411 | 4 QQ plot ---normality.我觉得正态分布的检测很麻烦，很多实验数据根本不够检测正态
性。用k-s test 估计大部分都是非正态。数据少了如果你测出来非正态，难道就是真的
吗？
levene's test ---eqality of variance
以前做过某细菌的双色荧光体系，每次在荧光显微镜下看到细菌的荧光颜色比例不均一
。但是比较对照组已经有明显差异。那时候的我的导师硬说我没有达到全部都是同色，
实验不理想。现在想想，这样的实验怎么能够做到。除非作弊。很多搞生物的没有概率
和统计的思维方式，可惜很多这样的人都是pi
y
经常有象我这样懂点统计又不是很懂的同志在用 t-test 的时候有些不放心。看了下面
这片文章后，我放心了。
Mihai Valcu & Cristina-Maria Valcu. 2010. Data transformation practices in
biomedical sciences. Nature Methods 8: 104–105.
文章写得很烂。但是对 t-test 的介绍还凑合。下面是我的一点理解。（英文是从文章
里的原文，中文是我的理解。）
Applying a t-test is now so routine that many biologists may have forgotten
that data should meet certain assumptions, and reminders of its correct use
have been published. 质疑 t－test 可能被烂用了。
For example, for a valid two-sample t-test, the assumptions are that the
samples are independent and drawn from populations with equal variances, and
that the variable is normally distributed in each group. 问题在于大家伙对用
t－test 的前提不太清楚：独立采样，方差相同和正态分布。不过这些真的是大问题
吗？
Although the robustness of Student's t-test to the violation of these
assumptions is a matter of debate, they are seldom verified and data are
sometimes transformed in ways that guarantee that the assumptions are no
longer met. 原来非正态分布的样本也可能用 t-test，尽管有争论。
The use of 'robust' versions of the t-test (Welch t-test) that do not
require the assumption of equal variance. 大家要记得用 Welch t-test，这样方
差相同这个前提也不需要了。
所以对俺们生物 wsn 来说，只要记得独立采样（这个比较大部分时候是可以做到的）
，就可以放心用 t-test 了。兔年快乐！：）
【在 t*d 的大作中提到】
: 经常有象我这样懂点统计又不是很懂的同志在用 t-test 的时候有些不放心。看了下面
: 这片文章后，我放心了。
: Mihai Valcu & Cristina-Maria Valcu. 2010. Data transformation practices in
: biomedical sciences. Nature Methods 8: 104–105.
: 文章写得很烂。但是对 t-test 的介绍还凑合。下面是我的一点理解。（英文是从文章
: 里的原文，中文是我的理解。）
: Applying a t-test is now so routine that many biologists may have forgotten
: that data should meet certain assumptions, and reminders of its correct use
: have been published. 质疑 t－test 可能被烂用了。
: For example, for a valid two-sample t-test, the assumptions are that the
|
|
