¿Cómo comparar medias grupales para dos muestras con prueba t usando R?

Question

Contexto

Necesito comparar dos grupos de estudiantes. Los estudiantes de estos grupos hizo algunos trabajos, que más tarde fue evaluado. Ahora tengo los valores de la exactitud de cada estudiante. Aquí están los resultados:

0.2 0.065 0.123 0.075 0.181 0.054 0.185 0.106 0.142

y

0.269 0.357 0.2 0.221 0.275 0.277 0.253 0.127 0.246

Me gustaría comprobar si el primer grupo fue mejor en términos de precisión que en el segundo grupo. Cuando las muestras son pequeñas pensé acerca del uso de la prueba t para comparar las muestras.

H0 hipótesis fue que la precisión de ambos grupos son iguales

H1 hipótesis fue que la exactitud en el grupo 1 fue mayor que la precisión de la 2º grupo.

He utilizado el siguiente función de R:

t.test(precisionAdHoc$adhoc, precisionH4U$H4U, "g", 0, FALSE, TRUE, 0.95)

donde precisionAdHoc$adhoc mantiene los datos del primer grupo y precisionH4U$4HU mantiene los datos en el segundo grupo.

Tengo el siguiente resultado:

data:  precisionAdHoc$adhoc and precisionH4U$H4U 
t = -4.3687, df = 16, p-value = 0.9998
alternative hypothesis: true difference in means is greater than 0 
95 percent confidence interval:
 -0.1701334        Inf 
sample estimates:
mean of x mean of y 
0.1256667 0.2472222 

Preguntas

1. ¿Puedo usar el t.test funcionar correctamente? Si no, ¿qué me pongo mal? y cómo puedo corregirlo?
2. Si la función era la correcta, ¿cómo debo interpretar los resultados?

Answer 1

1) Sí, a mí me parece que usted usó la t.función de prueba correctamente.

2) Dado que el p-valor es 0.9998 todo lo que puedo decir es que usted no tiene suficiente evidencia para rechazar su hipótesis nula (que los medios son iguales). En otras palabras, su evidencia (los puntajes de ambos grupos) no muestra que la media del primer grupo es mayor que la media de la segunda.

Tenga en cuenta que fui cuidadoso en respuesta a su segunda pregunta, no a la conclusión de que los medios son iguales. No se puede concluir que de la prueba. Sólo que usted no tiene pruebas de que el primero es mayor que el segundo.

Answer 2

La hipótesis indica claramente una cara y el problema se encuentra en un Neyman-Pearsonian manera. Esas características pueden ser deliberada, o puede ser una consecuencia accidental el hecho de que el N-P es el paradigma dominante en muchos introducción a las estadísticas de los textos. Si es deliberada, a continuación, los resultados del análisis deben estar de pie y la hipótesis nula se acepta. (Se mueve, nada que ver aquí...) sin Embargo, hay alternativas a los paradigmas que son dignos de consideración.

Si un efecto en la observó dirección es interesante (o, en algunos podría insistir en que digo "habría sido muy interesante, antes de que el experimento fue hecho'), a continuación, la cara prueba fue mal aconsejado, para empezar. Si estos datos son parte de una serie de experimentos de caracterización, a continuación, el uso de una decisión que obligó N-P enfoque es inadecuado. En su lugar, utilice un Fisherian enfoque en el que los dos lados el valor de p es un índice de que la evidencia contra la hipótesis nula (que apunta a la evidencia bastante fuerte contra el valor null en este caso). Otra de las pruebas de rendimiento enfoque es determinar la función de probabilidad para el resultado que luego pueden ser actualizados con la evidencia de forma posterior a las pruebas de la misma hipótesis nula.

Para algunos, estas sugerencias de sonido extravagantes y hasta ilegal. Sin embargo creo que es importante señalar que muchos de los procedimientos y reglas de análisis estadísticos proceden de las escuelas de pensamiento que son poco más que expresiones de opinión de los fuertes de mente estadísticos.