t.test gibt einen Fehler zurück "Daten sind im Wesentlichen konstant"

R version 3.1.1 (2014-07-10) -- "Sock it to Me"
> bl <- c(140, 138, 150, 148, 135)
> fu <- c(138, 136, 148, 146, 133)
> t.test(fu, bl, alternative = "two.sided", paired = TRUE)
Error in t.test.default(fu, bl, alternative = "two.sided", paired = TRUE) : 
data are essentially constant

Dann ändere ich nur ein einziges Zeichen in meinem Fu-Datensatz:

> fu <- c(138, 136, 148, 146, 132)

und es läuft ...

> t.test(fu, bl, alternative = "two.sided", paired = TRUE)

    Paired t-test

Was vermisse ich hier?

r t-test

— ihadanny
quelle

Typ bl-fu. Jetzt sd(bl-fu). Wenn es nicht offensichtlich ist, doch sind diese: dif=bl-fudann n=length(dif)dann mean(dif)/(sd(dif)/sqrt(n))... tun sehen Sie jetzt?

— Glen_b

whoops, danke :) stimme mir zu, dass die Fehlermeldung einsteigerfreundlicher hätte sein können. Das bedeutet, dass statistisch gesehen kein ausgefallener Test erforderlich ist und es eine Gewissheit gibt, dass für jedes Fach eine Verringerung des Fu um -2 im Vergleich zum bl vorliegt.

— Ihadanny

Wie in den Kommentaren erwähnt, waren die Unterschiede alle 2 (oder -2, je nachdem, wie Sie die Paare schreiben).

Beantwortung der Frage in Kommentaren:

Das bedeutet, dass statistisch gesehen kein ausgefallener Test erforderlich ist und es eine Gewissheit gibt, dass für jedes Fach eine Verringerung des Fu um -2 im Vergleich zum Bl-Wert vorliegt.

Nun, das hängt davon ab.

Wenn die Verteilung der Unterschiede wirklich normal wäre, wäre dies die Schlussfolgerung, aber es könnte sein, dass die Normalitätsannahme falsch ist und die Verteilung der Unterschiede in den Messungen tatsächlich diskret ist (möglicherweise in der Population, über die Sie Rückschlüsse ziehen möchten, ist sie normalerweise -2 aber gelegentlich anders als -2).

In der Tat scheint es, als ob Diskretion der Fall ist, wenn man sieht, dass alle Zahlen ganze Zahlen sind.

... in diesem Fall gibt es keine solche Gewissheit, dass alle Unterschiede in der Bevölkerung -2 betragen werden - es ist vielmehr so, dass es in der Stichprobe keine Belege für Unterschiede in der Bevölkerung gibt, die von -2 abweichen.

(Wenn beispielsweise 87% der Bevölkerungsunterschiede -2 wären, bestünde nur eine 50-50-Wahrscheinlichkeit, dass einer der 5 Stichprobenunterschiede etwas anderes als -2 wäre. Die Stichprobe ist also ziemlich konsistent mit einer Abweichung von -2 in der Bevölkerung)

Sie werden aber auch dazu gebracht, die Eignung der Annahmen für den t-Test in Frage zu stellen - insbesondere bei einer so kleinen Stichprobe.

— Glen_b - Setzen Sie Monica wieder ein
quelle

Es handelt sich um Blutdruckwerte in mmHg in einer Baseline und Follow-up-Überprüfungen. Ich bin also ziemlich entspannt, wenn ich von Normalität und natürlich von Nichtdiskriminanz ausgehe. Es war nur eine Übung, die mir gezeigt hat, wie viel leistungsfähiger Paired-T-Test (sofern verfügbar) gegenüber nicht gepaarten ist.

— Ihadanny