हामीले गैर-निम्नता परिकल्पना कहिले परीक्षण गर्नुपर्छ?

स्टिच फिक्स टोलीको एउटा लेखले मार्केटिङ र उत्पादन A/B परीक्षणहरूमा गैर-हीनता परीक्षण दृष्टिकोण प्रयोग गर्न सुझाव दिन्छ। क्लिनिकल परीक्षणहरूमा मापन गर्न नसकिने फाइदाहरू भएको नयाँ समाधान परीक्षण गर्दा यो दृष्टिकोण वास्तवमै लागू हुन्छ।

सबैभन्दा सरल उदाहरण लागत घटाउनु हो। उदाहरणका लागि, हामी पहिलो पाठको तालिका बनाउने प्रक्रियालाई स्वचालित बनाउन सक्छौं, तर हामी अन्त्य-देखि-अन्त रूपान्तरणलाई उल्लेखनीय रूपमा घटाउन चाहँदैनौं। वा हामी एउटा प्रयोगकर्ता खण्डलाई लक्षित गर्ने परिवर्तनहरूको परीक्षण गर्न सक्छौं, जबकि अन्य खण्डहरूको लागि रूपान्तरणहरू उल्लेखनीय रूपमा घट्दैनन् भनेर सुनिश्चित गर्दै (बहु परिकल्पनाहरू परीक्षण गर्दा, हामी समायोजन गर्न बिर्सदैनौं)।

सही गैर-हीनता मार्जिन चयन गर्नाले परीक्षण डिजाइन चरणमा थप जटिलता थप्छ। Δ कसरी छनौट गर्ने भन्ने प्रश्न लेखमा राम्रोसँग सम्बोधन गरिएको छैन। यस्तो देखिन्छ कि यो छनौट क्लिनिकल परीक्षणहरूमा पनि पूर्ण रूपमा पारदर्शी छैन। सिंहावलोकन गैर-हीनता सम्बन्धी चिकित्सा प्रकाशनहरूको समीक्षाले रिपोर्ट गर्छ कि आधा प्रकाशनहरूले मात्र सीमा छनौटको लागि औचित्य प्रदान गर्छन्, र यी औचित्यहरू प्रायः अस्पष्ट हुन्छन् वा विस्तृत रूपमा उल्लेख गरिएका हुँदैनन्।

जे भए पनि, यो दृष्टिकोण रोचक देखिन्छ, किनकि आवश्यक नमूना आकार घटाएर यसले परीक्षणको गति बढाउन सक्छ, र त्यसैले निर्णय लिने गति पनि बढाउन सक्छ। — स्काइङ मोबाइल एपकी उत्पादन विश्लेषक डारिया मुखिना।

स्टिच फिक्स टोलीलाई परीक्षण गर्न मन पर्छ। सम्पूर्ण प्राविधिक समुदायलाई परीक्षण मन पर्छ। वेबसाइटको कुन संस्करणले धेरै प्रयोगकर्ताहरूलाई आकर्षित गर्छ - A वा B? के सिफारिस मोडेलको संस्करण A ले संस्करण B भन्दा बढी राजस्व उत्पन्न गर्छ? हामी हाम्रा परिकल्पनाहरू परीक्षण गर्न लगभग सधैं आधारभूत तथ्याङ्क पाठ्यक्रमबाट सरल दृष्टिकोण प्रयोग गर्छौं:

यद्यपि हामी यो शब्द विरलै प्रयोग गर्छौं, परीक्षणको यो रूपलाई "श्रेष्ठता परिकल्पना परीक्षण" भनिन्छ। यस दृष्टिकोणमा, हामी दुई विकल्पहरू बीच कुनै भिन्नता छैन भन्ने मान्दछौं। हामी यो धारणामा अडिग रहन्छौं र यदि डेटाले यसलाई वारेन्टी गर्न पर्याप्त बाध्यकारी साबित गर्छ भने मात्र यसलाई त्याग्छौं - अर्थात्, यदि यसले एउटा विकल्प (A वा B) अर्को भन्दा श्रेष्ठ छ भनेर देखाउँछ भने।

उत्कृष्टता परिकल्पना परीक्षण विभिन्न समस्याहरू समाधान गर्न उपयुक्त छ। हामी सिफारिस मोडेलको संस्करण B मात्र जारी गर्छौं यदि यो पहिले नै प्रयोगमा रहेको संस्करण A भन्दा स्पष्ट रूपमा उत्कृष्ट छ भने। यद्यपि, केही अवस्थामा, यो दृष्टिकोणले त्यति राम्रोसँग काम गर्दैन। केही उदाहरणहरू हेरौं।

१) हामी तेस्रो-पक्ष सेवा प्रयोग गर्छौं, जसले नक्कली बैंक कार्डहरू पहिचान गर्न मद्दत गर्छ। हामीले अर्को सेवा फेला पार्यौं जसको लागत उल्लेखनीय रूपमा कम छ। यदि सस्तो सेवाले हामीले हाल प्रयोग गरिरहेको सेवा जस्तै राम्रोसँग काम गर्छ भने, हामी त्यसलाई छनौट गर्नेछौं। यो हामीले हाल प्रयोग गरिरहेको भन्दा राम्रो हुनुपर्छ भन्ने छैन।

२) हामी डेटा स्रोतबाट बाहिरिन चाहन्छौं A र यसलाई डेटा स्रोत B ले बदल्नुहोस्। यदि B ले धेरै खराब नतिजा ल्याउँछ भने हामी A लाई त्याग्न स्थगित गर्न सक्छौं, तर A को प्रयोग जारी राख्नु सम्भव छैन।

३) हामी मोडेलिङ दृष्टिकोणबाट अगाडि बढ्न चाहन्छौंहामी B बाट राम्रो नतिजाको अपेक्षा गरेकोले होइन, तर यसले हामीलाई बढी सञ्चालन लचिलोपन दिन्छ भनेर दृष्टिकोण B मा स्विच गर्दैछौं। B खराब हुनेछ भनेर विश्वास गर्ने कुनै कारण हामीसँग छैन, तर यदि यो भएको भए हामी स्विच गर्ने थिएनौं।

४) हामीले धेरै गुणस्तरीय परिवर्तनहरू गरेका छौं हामीले वेबसाइट डिजाइन (संस्करण B) मा केही परिवर्तन गरेका छौं र यो संस्करण संस्करण A भन्दा उत्कृष्ट छ भन्ने विश्वास गर्छौं। हामी रूपान्तरणमा वा हामीले सामान्यतया वेबसाइटको मूल्याङ्कन गर्ने कुनै पनि प्रमुख कार्यसम्पादन सूचकहरूमा कुनै परिवर्तनको अपेक्षा गर्दैनौं। यद्यपि, हामी विश्वास गर्छौं कि मेट्रिक्समा सुधारहरू छन् जुन या त मापन गर्न नसकिने छन् वा हाम्रो प्रविधिको क्षमताभन्दा बाहिर छन्।

यी सबै अवस्थामा, श्रेष्ठता परीक्षण सबैभन्दा उपयुक्त समाधान होइन। तर धेरैजसो विशेषज्ञहरूले यस्ता परिस्थितिहरूमा पूर्वनिर्धारित रूपमा यसलाई प्रयोग गर्छन्। हामी प्रभावको आकार सही रूपमा निर्धारण गर्न प्रयोग सावधानीपूर्वक सञ्चालन गर्छौं। यदि संस्करण A र B ले धेरै समान प्रदर्शन गर्छ भन्ने कुरा सत्य हो भने, हामी शून्य परिकल्पनालाई अस्वीकार गर्न असफल हुने सम्भावना हुन्छ। के हामी निष्कर्ष निकाल्छौं कि A र B ले अनिवार्य रूपमा समान प्रदर्शन गर्छन्? होइन! शून्य परिकल्पनालाई अस्वीकार गर्न असफल हुनु र शून्य परिकल्पनाको स्वीकृति एउटै कुरा होइन।

नमूना आकार गणनाहरू (जुन तपाईंले निस्सन्देह गर्नुभएको छ) सामान्यतया टाइप I त्रुटि (शून्य परिकल्पनालाई गलत रूपमा अस्वीकार गर्ने सम्भावना, प्रायः अल्फा भनिन्छ) को लागि टाइप II त्रुटि (शून्य परिकल्पना गलत छ भनेर दिइएको शून्य परिकल्पनालाई अस्वीकार गर्न असफल हुने सम्भावना, प्रायः बीटा भनिन्छ) को लागि कडा सीमाहरूसँग गरिन्छ। अल्फाको लागि एक विशिष्ट मान ०.०५ हो, जबकि बीटाको लागि एक विशिष्ट मान ०.२० हो, जुन ०.८० को सांख्यिकीय शक्तिसँग मेल खान्छ। यसको मतलब यो हो कि को साथ, हामीसँग हाम्रो पावर गणनामा निर्दिष्ट गरिएको परिमाणको वास्तविक प्रभाव पत्ता लगाउन नसक्ने २०% सम्भावना छ, जुन एकदम गम्भीर जानकारी अन्तर हो। उदाहरणको रूपमा, निम्न परिकल्पनाहरू विचार गरौं:

H0: मेरो झोला मेरो कोठामा छैन (3)
H1: मेरो झोला मेरो कोठामा छ (4)

यदि मैले मेरो कोठा खोजेँ र मेरो झोला भेट्टाएँ भने, राम्रो, म शून्य परिकल्पनालाई अस्वीकार गर्न सक्छु। तर यदि मैले कोठा खोजेँ र मेरो झोला फेला पार्न सकिन (चित्र १), म के निष्कर्ष निकाल्नु पर्छ? के म पक्का छु कि यो त्यहाँ छैन? के मेरो खोजी पर्याप्त गहन थियो? यदि मैले कोठाको ८०% मात्र खोजेँ भने के हुन्छ? झोला पक्कै पनि त्यहाँ छैन भन्ने निष्कर्षमा पुग्नु हतारमा निर्णय हुनेछ। यो कुनै अचम्मको कुरा होइन कि हामी "शून्य परिकल्पना स्वीकार गर्न" सक्दैनौं।

हामीले खोजेको क्षेत्र
हामीले झोला फेला पारेनौं - के हामीले शून्य परिकल्पना स्वीकार गर्नुपर्छ?

चित्र १. कोठाको ८०% भाग खोज्नु भनेको लगभग ८०% पावर भएको सर्वेक्षण गर्नु जस्तै हो। यदि तपाईंले ८०% कोठा खोज्दा पनि झोला फेला पार्नुभएन भने, के तपाईं त्यहाँ नभएको निष्कर्ष निकाल्न सक्नुहुन्छ?

त्यसो भए यस्तो अवस्थामा डेटा वैज्ञानिकले के गर्नुपर्छ? तपाईंले अध्ययनको शक्ति धेरै बढाउन सक्नुहुन्छ, तर त्यसपछि तपाईंलाई धेरै ठूलो नमूना आकार चाहिन्छ, र परिणामहरू अझै पनि सन्तोषजनक हुनेछैनन्।

सौभाग्यवश, क्लिनिकल परीक्षणहरूको संसारमा यस प्रकारका समस्याहरूको लामो समयदेखि अध्ययन गरिएको छ। औषधि B औषधि A भन्दा सस्तो छ; औषधि B ले औषधि A भन्दा कम साइड इफेक्टहरू निम्त्याउने अपेक्षा गरिएको छ; औषधि B ढुवानी गर्न सजिलो छ किनभने यसलाई फ्रिजमा राख्न आवश्यक पर्दैन, जबकि औषधि A ले गर्छ। गैर-हीनता परिकल्पना परीक्षण गरौं। यो देखाउनको लागि हो कि संस्करण B संस्करण A जत्तिकै राम्रो छ - कम्तिमा केही पूर्वनिर्धारित "गैर-हीनता" मार्जिन भित्र, Δ। हामी यो मार्जिन कसरी सेट गर्ने भनेर पछि थप विवरणमा छलफल गर्नेछौं। तर अहिलेको लागि, मानौं कि यो न्यूनतम भिन्नता हो जुन व्यावहारिक रूपमा अर्थपूर्ण छ (क्लिनिकल परीक्षणहरूको सन्दर्भमा, यसलाई सामान्यतया क्लिनिकल महत्व भनिन्छ)।

कम प्रभावकारिताको बारेमा परिकल्पनाहरूले सबै कुरा उल्टो पार्छ:

अब, कुनै भिन्नता छैन भनी मान्नुको सट्टा, हामी संस्करण B संस्करण A भन्दा खराब छ भनेर मान्दछौं, र हामीले अन्यथा प्रदर्शन नगरेसम्म हामी यो धारणामा अडिग रहनेछौं। यो ठ्याक्कै त्यहीं हो जहाँ एकतर्फी परिकल्पना परीक्षणले अर्थ राख्छ! व्यवहारमा, यो एक विश्वास अन्तराल निर्माण गरेर र अन्तराल वास्तवमा Δ भन्दा ठूलो छ कि छैन भनेर निर्धारण गरेर गर्न सकिन्छ (चित्र २)।

विकल्प Δ

सही Δ कसरी छनौट गर्ने? Δ छनौट गर्ने प्रक्रियामा तथ्याङ्कीय औचित्य र विषय-वस्तु मूल्याङ्कन समावेश छ। क्लिनिकल परीक्षणहरूको संसारमा, त्यहाँ नियामक दिशानिर्देशहरू छन् जसले बताउँछ कि डेल्टाले सबैभन्दा सानो क्लिनिकली महत्त्वपूर्ण भिन्नतालाई प्रतिनिधित्व गर्नुपर्छ - जुन अभ्यासमा अर्थपूर्ण हुनेछ। जाँच गर्न युरोपेली दिशानिर्देशहरूबाट यहाँ एउटा उद्धरण छ: "यदि भिन्नता सही रूपमा छनोट गरिएको छ भने, –Δ र ०… बीच पूर्ण रूपमा रहेको विश्वास अन्तराल अझै पनि गैर-हीनता प्रदर्शन गर्न पर्याप्त छ। यदि यो परिणाम स्वीकार्य देखिँदैन भने, यसको अर्थ Δ उचित रूपमा छनोट गरिएको छैन।"

डेल्टा निश्चित रूपमा वास्तविक नियन्त्रण (प्लेसबो/कुनै उपचार छैन) को सापेक्षमा संस्करण A को प्रभाव आकार भन्दा बढी हुनु हुँदैन, किनकि यसले हामीलाई विश्वास गर्न नेतृत्व गर्नेछ कि संस्करण B वास्तविक नियन्त्रण भन्दा खराब छ जबकि एकै साथ "गैर-हीनता" प्रदर्शन गर्दछ। मानौं कि जब संस्करण A प्रस्तुत गरिएको थियो, संस्करण ० यसको स्थानमा थियो, वा सुविधा अवस्थित थिएन (चित्र ३ हेर्नुहोस्)।

श्रेष्ठता परिकल्पना परीक्षणले E को प्रभाव आकार (अर्थात्, सम्भवतः μ^A−μ^0=E) प्राप्त गर्‍यो। अब A हाम्रो नयाँ मानक हो, र हामी B A भन्दा कम छैन भनेर सुनिश्चित गर्न चाहन्छौं। μB−μA≤−Δ (शून्य परिकल्पना) लेख्ने अर्को तरिका μB≤μA−Δ हो। यदि हामीले मानौं कि do E बराबर वा ठूलो छ भने, μB ≤ μA−E ≤ प्लेसिबो। अब हामी देख्छौं कि μB को लागि हाम्रो अनुमान μA−E भन्दा पूर्ण रूपमा बढी छ, जसले गर्दा शून्य परिकल्पनालाई पूर्ण रूपमा अस्वीकार गरिन्छ र हामीलाई निष्कर्ष निकाल्न अनुमति दिन्छ कि B A भन्दा कम छैन, तर एकै समयमा, μB ≤ μ प्लेसिबो हुन सक्छ, जुन हामीले चाहेको होइन। (चित्र ३)।

चित्र ३. गैर-हीन मार्जिन छनौट गर्ने जोखिमहरूको प्रदर्शन। यदि मार्जिन धेरै ठूलो छ भने, हामी निष्कर्षमा पुग्न सक्छौं कि B A भन्दा कम छैन, तर एकै समयमा, यो प्लेसिबोबाट अविभाज्य छ। हामी प्लेसिबो (A) भन्दा स्पष्ट रूपमा बढी प्रभावकारी औषधिलाई समान रूपमा प्रभावकारी औषधिको लागि स्विच गर्दैनौं।

α को छनोट

α छनौट गर्न अगाडि बढौं। α = ०.०५ को मानक मान प्रयोग गर्न सकिन्छ, तर त्यो पूर्णतया उचित छैन। यो त्यस्तै हो जब तपाईं अनलाइन केहि किन्नुहुन्छ र एकैचोटि धेरै छुट कोडहरू प्रयोग गर्नुहुन्छ, यद्यपि तिनीहरू संचयी हुनु हुँदैन - विकासकर्ताले केवल गल्ती गर्यो, र तपाईं त्यसबाट उम्कनुभयो। नियमहरू अनुसार, α श्रेष्ठता परिकल्पना परीक्षणमा प्रयोग गरिएको α को आधा मान बराबर हुनुपर्छ, अर्थात्, ०.०५ / २ = ०.०२५।

नमुना आकार

तपाईं नमूना आकार कसरी अनुमान गर्नुहुन्छ? यदि तपाईंले A र B बीचको वास्तविक औसत भिन्नता ० हो भनी मान्नुहुन्छ भने, नमूना आकार गणना श्रेष्ठता परिकल्पना परीक्षणको लागि जस्तै हुन्छ, बाहेक तपाईंले प्रभाव आकारलाई गैर-हीनता मार्जिनले प्रतिस्थापन गर्नुहुन्छ, यदि तपाईंले प्रयोग गर्नुहुन्छ भने αगैर-हीनता = १/२αश्रेष्ठता (αnon-inferiority=1/2αspeciality)। यदि तपाईंसँग विकल्प B विकल्प A भन्दा थोरै खराब हुन सक्छ भन्ने विश्वास गर्ने कारण छ, तर तपाईं यो Δ भन्दा बढी नराम्रो छ भनेर प्रमाणित गर्न चाहनुहुन्छ भने, तपाईं भाग्यमानी हुनुहुन्छ! यसले प्रभावकारी रूपमा तपाईंको नमूना आकार घटाउँछ, किनकि यदि तपाईं वास्तवमा यो समान रूपमा राम्रो भन्दा थोरै खराब छ भन्ने विश्वास गर्नुहुन्छ भने B A भन्दा खराब छ भनेर प्रदर्शन गर्न सजिलो हुन्छ।

समाधान सहितको उदाहरण

मानौं तपाईं संस्करण B मा स्तरोन्नति गर्न चाहनुहुन्छ, यदि यो ५-बिन्दु ग्राहक सन्तुष्टि स्केलमा संस्करण A भन्दा ०.१ अंक भन्दा बढी खराब छैन भने... श्रेष्ठता परिकल्पना प्रयोग गरेर यो समस्यालाई सम्बोधन गरौं।

श्रेष्ठता परिकल्पना परीक्षण गर्न, हामी निम्नानुसार नमूना आकार गणना गर्नेछौं:

त्यसोभए, यदि तपाईंको समूहमा २,१०३ अवलोकनहरू छन् भने, तपाईं ९०% विश्वस्त हुन सक्नुहुन्छ कि तपाईंले ०.१० वा सोभन्दा ठूलो प्रभाव आकार पाउनुहुनेछ। तर यदि ०.१० तपाईंको लागि धेरै ठूलो छ भने, यो श्रेष्ठता परिकल्पनाको परीक्षण गर्न लायक नहुन सक्छ। सायद, सुरक्षित पक्षमा रहनको लागि, तपाईंले आफ्नो अध्ययन सानो प्रभाव आकार, मानौं ०.०५ सँग सञ्चालन गर्ने निर्णय गर्नुहुनेछ। त्यस अवस्थामा, तपाईंलाई ८,४०७ अवलोकनहरू आवश्यक पर्नेछ, जुन तपाईंको नमूना आकारलाई लगभग चार गुणा बढाउँछ। तर के हुन्छ यदि हामी हाम्रो मूल नमूना आकारसँग टाँस्छौं तर शक्तिलाई ०.९९ मा बढाउँछौं, ताकि हामी हाम्रो निष्कर्षहरूमा विश्वस्त हुन सक्छौं? त्यस अवस्थामा, एउटा समूहको लागि n ३,६७६ हुनेछ, जुन राम्रो छ, तर नमूना आकारलाई ५०% भन्दा बढीले बढाउँछ। फलस्वरूप, हामी अझै पनि हाम्रो प्रश्नको जवाफ दिनुको सट्टा शून्य परिकल्पनालाई अस्वीकार गर्न असफल हुनेछौं।

यदि हामीले गैर-हीनता परिकल्पनाको परीक्षण गर्यौं भने के हुन्छ?

भाजक बाहेक उही सूत्र प्रयोग गरेर नमूना आकार गणना गरिनेछ।
श्रेष्ठता परिकल्पना परीक्षण गर्न प्रयोग गरिएको सूत्रबाट भिन्नताहरू निम्नानुसार छन्:

— Z1−α/2 लाई Z1−α ले प्रतिस्थापन गरिएको छ, तर यदि तपाईंले नियम अनुसार सबै कुरा गर्नुभयो भने, तपाईंले α = 0,05 लाई α = 0,025 ले प्रतिस्थापन गर्नुहुन्छ, अर्थात्, यो उही संख्या हो (1,96)।

— (μB−μA) भाजकमा देखिन्छ

— θ (प्रभाव परिमाण) लाई Δ (गैर-हीनताको मार्जिन) द्वारा प्रतिस्थापन गरिन्छ।

यदि हामीले मानौं कि µB = µA, तब (µB − µA) = ०, र गैर-हीनता मार्जिनको लागि नमूना आकार गणना ठ्याक्कै त्यहि हो जुन हामीले ०.१ को प्रभाव आकारको लागि श्रेष्ठता गणना गर्यौं भने प्राप्त गर्नेछौं। राम्रो! हामी फरक परिकल्पनाहरू र अनुमानको लागि फरक दृष्टिकोणको साथ एउटै आकारको अध्ययन गर्न सक्छौं, र हामीले वास्तवमा जवाफ दिन चाहेको प्रश्नको उत्तर पाउनेछौं।

अब मानौं कि हामी वास्तवमा यो विश्वास गर्दैनौं कि µB = µA र
हामीलाई लाग्छ कि µB अलि खराब छ, सायद ०.०१ एकाइले। यसले हाम्रो भाजक बढाउँछ, प्रति समूह नमूना आकार १७३७ मा घटाउँछ।

यदि संस्करण B वास्तवमा संस्करण A भन्दा राम्रो छ भने के हुन्छ? हामी B A भन्दा Δ भन्दा बढी खराब छ भन्ने शून्य परिकल्पनालाई अस्वीकार गर्छौं र B, यदि खराब छ भने, Δ द्वारा खराब छैन र राम्रो हुन सक्छ भन्ने वैकल्पिक परिकल्पनालाई स्वीकार गर्छौं। यो निष्कर्षलाई क्रस-फंक्शनल प्रस्तुतीकरणमा राख्ने प्रयास गर्नुहोस् र के हुन्छ हेर्नुहोस् (गम्भीरतापूर्वक, यसलाई प्रयास गर्नुहोस्)। दीर्घकालीन परिप्रेक्ष्यमा, कोही पनि "Δ भन्दा बढी खराब र सायद राम्रो" मा सम्झौता गर्न चाहँदैनन्।

यस अवस्थामा, हामी एउटा अध्ययन सञ्चालन गर्न सक्छौं, जसलाई धेरै संक्षिप्तमा, "एउटा विकल्प अर्को भन्दा श्रेष्ठ वा निम्न छ भन्ने परिकल्पनाको परीक्षण गर्ने।" यसले परिकल्पनाका दुई सेटहरू प्रयोग गर्दछ:

पहिलो सेट (गैर-हीनता परिकल्पना परीक्षणको लागि जस्तै):

दोस्रो सेट (श्रेष्ठता परिकल्पना परीक्षणको लागि जस्तै):

पहिलो अस्वीकृत भएमा मात्र हामी दोस्रो परिकल्पना परीक्षण गर्छौं। क्रमिक रूपमा परीक्षण गर्दा, हामी समग्र प्रकार I त्रुटि दर (α) कायम राख्छौं। व्यवहारमा, यो माध्यमहरू बीचको भिन्नताको लागि 95% विश्वास अन्तराल सिर्जना गरेर र सम्पूर्ण अन्तराल -Δ भन्दा बढी छ कि छैन भनेर परीक्षण गरेर प्राप्त गर्न सकिन्छ। यदि अन्तराल -Δ भन्दा बढी छैन भने, हामी शून्यलाई अस्वीकार गर्न र रोक्न सक्दैनौं। यदि सम्पूर्ण अन्तराल -Δ भन्दा बढी छ भने, हामी जारी राख्छौं र अन्तरालमा ० छ कि छैन भनेर हेर्छौं।

हामीले छलफल नगरेको अर्को प्रकारको अध्ययन छ - समतुल्यता अध्ययन।

यस प्रकारका अध्ययनहरूलाई गैर-निकृष्टता अध्ययनहरूको लागि प्रतिस्थापन गर्न सकिन्छ र यसको विपरीत, तर तिनीहरूमा महत्त्वपूर्ण भिन्नता छ। गैर-निकृष्टता परीक्षणको उद्देश्य भेरियन्ट B कम्तिमा A जत्तिकै राम्रो छ भनेर देखाउनु हो। समतुल्य परीक्षणको उद्देश्य भेरियन्ट B कम्तिमा A जत्तिकै राम्रो छ भनेर देखाउनु हो, र त्यो भेरियन्ट A कम्तिमा B जत्तिकै राम्रो छ भनेर देखाउनु हो, जुन अझ गाह्रो छ। अनिवार्य रूपमा, हामी साधनमा भिन्नताको लागि सम्पूर्ण विश्वास अन्तराल -Δ र Δ बीचमा छ कि छैन भनेर निर्धारण गर्ने प्रयास गरिरहेका छौं। यस्ता अध्ययनहरूलाई ठूला नमूना आकारहरू चाहिन्छ र कम बारम्बार सञ्चालन गरिन्छ। त्यसैले अर्को पटक जब तपाईं एउटा अध्ययन सञ्चालन गर्दै हुनुहुन्छ जसमा तपाईंको प्राथमिक लक्ष्य नयाँ संस्करण गैर-निकृष्ट छ भनेर प्रमाणित गर्नु हो, "शून्य परिकल्पना अस्वीकार गर्न असफल" मा सम्झौता नगर्नुहोस्। यदि तपाईं साँच्चै महत्त्वपूर्ण परिकल्पना परीक्षण गर्न चाहनुहुन्छ भने, विभिन्न विकल्पहरू विचार गर्नुहोस्।

स्रोत: www.habr.com