Digamos que estamos midiendo el error de posición de seguimiento de dos controladores y queremos saber si ambos controladores son similares (ya realizamos una prueba de "diferencias" pero nos piden que realicemos una prueba de equivalencia).
Por ejemplo, si la media $\mu$ (en metros) de un controlador (12 muestras) es de 0,00344 (desviación estándar $\sigma=0.0006481424$ ), el otro (12 muestras) es de 0,00331 ( $\sigma=0.000498$ ).
Si $\varepsilon$ es la magnitud de la similitud de la región. ¿Cómo definimos esta $\varepsilon$ ?
Podría considerar $\varepsilon$ como $N \cdot \sigma$ como la región de similitud por lo que, por ejemplo, si $N=3$ entonces $\varepsilon=3\cdot(0.00064)=0.0019$ (utilizando los datos del primer controlador).
O bien, podría utilizar algo como $\varepsilon=\mu \cdot 0.05$ Esto toma el 5% de la media (del primer controlador) lo que da $\varepsilon = 0.0172$ .
La pregunta es, ¿debemos utilizar los datos del controlador 1 o 2--como en las opciones anteriores--para definir este parámetro; o debemos considerar otro tipo de medida de diferencia entre ellos para determinar el parámetro épsilon?
Por último, ¿por qué no utilizar el épsilon como un 0,9 que puede indicar que el 90% de los "datos (o el área de la distribución)" debe ser similar?
Agradezco cualquier consejo para determinar el épsilon.
Consulte, por ejemplo, la función aquí:
https://github.com/cran/equivalence/blob/master/R/rtost.R
http://www.inside-r.org/packages/cran/equivalence/docs/rtost
Gracias
