A Comparison of Nonparametric Statistics and Bootstrap Methods for Testing Two Independent Populations with Unequal Variance
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The common parametric statistics used for testing two independent populations have often required the assumptions of normality and equal variances. Nonparametric tests have been used when assumptions of parametric tests cannot be achieved. However, some studies found nonparametric tests to be too conservative and less powerful than parametric tests. Bootstrap methods are also alternative tests when assumptions of parametric tests are violated, but they have small size limitations. Later, nonparametric tests when pooled with the bootstrap methods may overcome the powerful test and small sample sizes issue. Thus, the purpose of this study was to apply the bootstrap method together with nonparametric statistics and compare the efficiency of nonparametric tests and bootstraps methods when pooled with nonparametric tests for testing the mean difference between two independent populations with unequal variance. The Yuen Welch Test (YW), Brunner-Munzel Test (BM), Bootstrap Yuen Welch Test (BYW) and Bootstrap Brunner-Munzel Test (BBM) were studied via Monte Carlo simulation with non-normal population distributions. The results show that the probability of a type I error of all four test statistics could be controlled for all situations. The Brunner-Munzel test (BM) had the highest power and the best efficiency in the case of mean difference ratio increases. The Bootstrap Yuen Welch Test (BYW) had the highest power when the sample size was small.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle