avatar
how t-test works# Biology - 生物学
k*j
1
捐款请访问 http://apps.facebook.com/causes/375784
活动详情见 http://www.mitbbs.com/article/Military/32717263_0.html
每日排行见 http://www.causes.com
更新于10月20日 15:10pm (EST)
当日人次 累积总人次 登顶尚需次数 Unique Donor
*今日 19 899 (170) (目前当日第一) 788
10月20日 388 880 (186) (获奖金$1,000) 775
10月19日 286 492 (449) (获奖金$1,000) 464
10月18日 206 206 (671) (获奖金$1,000) 206
10月17日 0 0 (696)
*注:根据竞赛规则,从每日下午3点(东部时间)开始新的一个计数天。
合计捐款金额: $13,270 (包括奖金)
合计奖金: $3,000
我们的最终目标是为中国乡村的孩子们赢得$50,000的大奖。请您有能力的话,持续地
帮助我们。我们尚需100多人次捐款才能赶上第一名。不会再有人怀疑,您能和我们一
avatar
l*o
2
总体来说,是好演员碰到了坏剧本,
梁朝伟,和周迅演绎的都很好。
可是剧本太差,改编的不好。
周迅这种特工,就这么被弄死了,有违常理,而且在已经锁定5个人的情况下,
完全可以一网打尽,不用再绕圈子了。
avatar
t*d
3
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!:)
avatar
n*w
4
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.
avatar
s*s
5
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

avatar
a*a
6
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

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。