Hace un tiempo, hice un poco de investigación educativa donde he comparado los resultados de los exámenes entre los dos grupos. Recuerdo haber leído en alguna parte que los exámenes, ya que estos tienden a seguir una distribución normal. Por supuesto, las distribuciones normales necesariamente debe ser infinito y educativa de los puntajes de los exámenes no lo son. Es matemáticamente correcto decir que estas puntuaciones siguen una "distribución normal truncada" en lugar de un tradicional distribución normal? ¿Esta separación impide que uno sea capaz de utilizar una prueba de t para comparar dos grupos?
Respuesta
¿Demasiados anuncios?
AdamSane
Puntos
1825
Es matemáticamente correcto decir que estas puntuaciones siguen una "distribución normal truncada" en lugar de un tradicional distribución normal?
Las puntuaciones no se truncan normal.
La variable es acotado, pero no estoy seguro de truncamiento es en realidad el término correcto para esta situación, ya que no es como las observaciones que de lo contrario la puntuación más allá de la marca que se perdió. Si nada se puede concebir como algo más cerca de winsorization (pero quizá, dada la posibilidad de que alguien capaz de puntuación muy alta en una posición mucho más dura de la prueba, no obstante, hacer un error, incluso que es un ser imperfecto descripción).
Incluso si tuviéramos exactamente el modelo adecuado para lo que sucede en los límites, ellos aún no <whateverhappensattheendpoints>-ized normal. (Voy a decir "truncado", para indicar que yo estoy hablando acerca de lo que usted está llamando de truncamiento.)
Son discretas, por ejemplo. Pero no son el mismo como normal que ha sido "truncado" y discretizados.
¿Esta separación impide que uno sea capaz de utilizar una prueba de t para comparar dos grupos?
No necesariamente. En muchos casos, la prueba de t de características que no están gravemente afectados por la no-normalidad.
Si los datos mirada aproximadamente normal, probablemente esté bien. El menos normales que se ven, el más grande es el tamaño de la muestra que usted necesita antes de que la prueba ha cerca de las propiedades anticipadas.
