جڏهن اسان کي غير گھٽتائي واري مفروضي کي جانچڻ گهرجي؟

اسٽيچ فڪس ٽيم مان هڪ آرٽيڪل مارڪيٽنگ ۽ پراڊڪٽ A/B ٽيسٽن ۾ غير گھٽتائي واري آزمائشي طريقي کي استعمال ڪرڻ جو مشورو ڏئي ٿو. اهو طريقو حقيقت ۾ لاڳو ٿئي ٿو جڏهن اسان هڪ نئين حل جي جانچ ڪري رهيا آهيون جنهن ۾ فائدا آهن جيڪي ٽيسٽ ذريعي ماپ نه ڪيا ويا آهن.

سادو مثال قيمت گھٽائڻ آهي. مثال طور، اسان پهريون سبق تفويض ڪرڻ جي عمل کي خودڪار ڪريون ٿا، پر اسان نه ٿا چاهيون ته خاص طور تي آخر کان آخر تائين تبديلي کي گهٽائڻ. يا اسان تبديلين جي جانچ ڪريون ٿا جن جو مقصد صارفين جي هڪ حصي تي آهي، جڏهن ته يقيني بڻائڻ ته ٻين حصن لاءِ تبديليون گهڻو گهٽ نه ٿيون وڃن (جڏهن ڪيترن ئي مفروضن کي جانچڻ، ترميمن جي باري ۾ نه وساريو).

صحيح غير گھٽتائي واري مارجن کي چونڊڻ ٽيسٽ ڊيزائن جي مرحلي دوران اضافي چئلينج شامل ڪري ٿو. سوال ڪيئن چونڊيو Δ مضمون ۾ چڱي طرح ڍڪيل نه آهي. اهو لڳي ٿو ته هي انتخاب مڪمل طور تي ڪلينڪل ٽرائلز ۾ شفاف ناهي. جو جائزو طبي پبليڪيشنن تي غير گھٽتائي واري رپورٽ ٻڌائي ٿي ته صرف اڌ اشاعتون حد جي چونڊ جو جواز پيش ڪن ٿيون، ۽ اڪثر ڪري اهي جواز مبهم هوندا آهن يا تفصيلي نه هوندا آهن.

ڪنهن به صورت ۾، هي طريقو دلچسپ لڳي ٿو ڇاڪاڻ ته ... گهربل نموني جي سائيز کي گھٽائڻ سان، اهو جانچ جي رفتار کي وڌائي سگھي ٿو، ۽ ان ڪري، فيصلو ڪرڻ جي رفتار. - Daria Mukhina، Skyeng موبائل ايپليڪيشن لاء پراڊڪٽ تجزيه نگار.

Stitch Fix ٽيم مختلف شين کي جانچڻ سان پيار ڪندو آهي. سموري ٽيڪنالاجي ڪميونٽي اصولن ۾ ٽيسٽ هلائڻ پسند ڪري ٿي. سائيٽ جو ڪهڙو نسخو وڌيڪ صارفين کي راغب ڪري ٿو - A يا B؟ ڇا سفارش واري ماڊل جو نسخو A نسخو B کان وڌيڪ پئسا ڪمائي ٿو؟ مفروضن کي جانچڻ لاءِ، اسان تقريباً هميشه بنيادي شماريات جي ڪورس مان آسان ترين طريقو استعمال ڪندا آهيون:

جيتوڻيڪ اسان گهٽ ۾ گهٽ اصطلاح استعمال ڪندا آهيون، جاچ جي هن فارم کي "برتري مفروضي جاچ" سڏيو ويندو آهي. هن طريقي سان، اسان فرض ڪريون ٿا ته ٻنهي اختيارن جي وچ ۾ ڪوبه فرق ناهي. اسان هن خيال سان لٺ رکون ٿا ۽ صرف ان کي ڇڏي ڏيو جيڪڏهن ڊيٽا ائين ڪرڻ لاء ڪافي مجبور آهي- اهو آهي، اهو ظاهر ڪري ٿو ته اختيارن مان هڪ (A يا B) ٻئي کان بهتر آهي.

برتري جي مفروضي کي جانچڻ مختلف مسئلن لاءِ موزون آهي. اسان صرف هڪ سفارش واري ماڊل جو نسخو B جاري ڪريون ٿا جيڪڏهن اهو واضح طور تي نسخو A کان بهتر آهي جيڪو اڳ ۾ ئي استعمال ۾ آهي. پر ڪجهه حالتن ۾، اهو طريقو ايترو سٺو ڪم نٿو ڪري. اچو ته چند مثالن تي نظر وجهون.

1) اسان ٽئين پارٽي جي خدمت استعمال ڪندا آهيون، جيڪو جعلي بئنڪ ڪارڊ جي سڃاڻپ ۾ مدد ڪري ٿو. اسان کي هڪ ٻي خدمت ملي آهي جنهن جي قيمت تمام گهٽ آهي. جيڪڏهن هڪ سستي خدمت ڪم ڪري ٿي ته جيئن اسان هن وقت استعمال ڪندا آهيون، اسان ان کي چونڊينداسين. اهو ضروري ناهي ته توهان جي استعمال ڪيل خدمت کان بهتر هجي.

2) اسان ڊيٽا ماخذ کي ڇڏڻ چاهيون ٿا A ۽ ان کي ڊيٽا ماخذ B سان تبديل ڪريو. اسان A کي ڇڏڻ ۾ دير ڪري سگهون ٿا جيڪڏهن B تمام خراب نتيجا پيدا ڪري ٿو، پر اهو ممڪن ناهي ته A استعمال جاري رکڻ.

3) اسان چاهيون ٿا ته ماڊلنگ جي نقطه نظر کانA کان B جي نقطه نظر ان ڪري نه آهي ته اسان B کان بهتر نتيجن جي اميد رکون ٿا، پر ڇاڪاڻ ته اهو اسان کي وڌيڪ عملياتي لچڪ ڏئي ٿو. اسان وٽ يقين ڪرڻ جو ڪو سبب ناهي ته ب خراب ٿيندو، پر جيڪڏهن اهو معاملو آهي ته اسان منتقلي نه ڪنداسين.

4) اسان ڪيتريون ئي قابليت واريون تبديليون ڪيون آهن ويب سائيٽ جي ڊيزائن ۾ (ورژن B) ۽ يقين رکون ٿا ته هي نسخو نسخو A کان بهتر آهي. اسان تبديلين ۾ تبديلين جي اميد نه ٿا رکون يا ڪنهن به اهم ڪارڪردگي جي اشارن مان جنهن جي ذريعي اسان عام طور تي ويب سائيٽ جو جائزو وٺندا آهيون. پر اسان سمجهون ٿا ته پيرا ميٽرن ۾ اهڙا فائدا آهن جيڪي يا ته ناپيد آهن يا اسان جي ٽيڪنالاجي ماپڻ لاءِ ڪافي ناهي.

انهن سڀني حالتن ۾، اعليٰ تحقيق تمام مناسب حل ناهي. پر اڪثر ماهرن اهڙين حالتن ۾ ان کي ڊفالٽ طور استعمال ڪندا آهن. اثر جي ماپ کي صحيح طور تي طئي ڪرڻ لاءِ اسان احتياط سان تجربو ڪيو. جيڪڏهن اهو سچ هو ته نسخو A ۽ B بلڪل ساڳي طريقن سان ڪم ڪن ٿا، اتي هڪ موقعو آهي ته اسان null hypothesis کي رد ڪرڻ ۾ ناڪام ٿي وينداسين. ڇا اسان اهو نتيجو ڪريون ٿا ته A ۽ B بنيادي طور تي ساڳيو ڪم ڪن ٿا؟ نه! null hypothesis کي رد ڪرڻ ۾ ناڪامي ۽ null hypothesis جي قبوليت ساڳي شيءِ نه آهي.

نموني جي ماپ جي حساب سان (جيڪو، يقينا، توهان ڪيو آهي) عام طور تي قسم I جي غلطي لاءِ سخت حدن سان ڪيو ويندو آهي (نال مفروضي کي رد ڪرڻ ۾ ناڪامي جو امڪان، اڪثر ڪري الفا سڏيو ويندو آهي) جي ڀيٽ ۾ قسم II جي غلطي (رد ڪرڻ ۾ ناڪامي جو امڪان) null hypothesis، ڏنل شرط ته null hypothesis غلط آهي، اڪثر ڪري بيٽا سڏيو ويندو آهي). الفا لاءِ عام قيمت 0,05 آهي، جڏهن ته بيٽا لاءِ عام قيمت 0,20 آهي، 0,80 جي شمارياتي طاقت سان ملندڙ جلندڙ آهي. هن جو مطلب اهو آهي ته اتي 20٪ موقعو آهي ته اسان مقدار جي حقيقي اثر کي وڃائي ڇڏينداسين جيڪا اسان پنهنجي طاقت جي حسابن ۾ بيان ڪئي آهي، ۽ اهو معلومات ۾ هڪ انتهائي سنجيده خال آهي. مثال طور، اچو ته هيٺين مفروضن تي غور ڪريون:

H0: منهنجو پوشاڪ منهنجي ڪمري ۾ نه آهي (3)
H1: منهنجو پوشاڪ منهنجي ڪمري ۾ آهي (4)

جيڪڏهن مون پنهنجي ڪمري جي ڳولا ڪئي ۽ منهنجو پٺو مليو، عظيم، مان رد ڪري سگهان ٿو نال مفروضو. پر جيڪڏهن مون ڪمري جي چوڌاري نظر ڪئي ۽ منهنجي پوشاڪ (شڪل 1) نه ملي سگهي، مون کي ڪهڙو نتيجو ڪڍڻ گهرجي؟ ڇا مون کي پڪ آهي ته اهو اتي ناهي؟ ڇا مون کي ڪافي سخت نظر آيو؟ ڇا جيڪڏهن مان صرف 80٪ ڪمرو ڳوليان ها؟ اهو نتيجو اهو آهي ته بيڪ پيڪ ضرور ڪمري ۾ نه آهي هڪ تڪڙو فيصلو هوندو. تعجب ناهي ته اسان "نال مفروضي کي قبول نٿا ڪري سگهون."

اهو علائقو جيڪو اسان ڳولي ورتو
اسان کي پٺتي نه مليو - ڇا اسان کي نال مفروضو قبول ڪرڻ گهرجي؟

شڪل 1: 80% ڪمري جي ڳولا تقريباً 80% پاور تي ڳولڻ جي برابر آهي. جيڪڏهن توهان ڪمري جي 80٪ کي ڏسڻ کان پوء پوئتي نه ڳولي سگهو ٿا، ڇا توهان اهو نتيجو ڪري سگهو ٿا ته اهو اتي ناهي؟

تنهن ڪري هن صورتحال ۾ ڊيٽا سائنسدان کي ڇا ڪرڻ گهرجي؟ توهان مطالعي جي طاقت کي تمام گهڻو وڌائي سگهو ٿا، پر پوء توهان کي تمام وڏي نموني سائيز جي ضرورت پوندي ۽ نتيجو اڃا به غير اطمينان بخش هوندو.

خوشقسمتيء سان، اهڙا مسئلا ڊگهي ڪلينڪ تحقيق جي دنيا ۾ اڀياس ڪيو ويو آهي. دوا بي دوا A کان سستي آهي؛ دوا بي جي توقع ڪئي وئي آهي ته دوا A کان گهٽ ضمني اثرات پيدا ٿئي. دوا B ٽرانسپورٽ ڪرڻ آسان آهي ڇو ته ان کي ريفريجريٽ ڪرڻ جي ضرورت ناهي، پر دوا A ڪري ٿي. اچو ته غيرت جي مفروضي کي جانچيون. اهو ڏيکاريو ويو آهي ته نسخو B صرف نسخو A جيترو سٺو آهي - گهٽ ۾ گهٽ ڪجهه اڳواٽ بيان ڪيل غير انفيريٽي مارجن جي اندر، Δ. اسان ٿوري دير بعد هن حد کي ڪيئن مقرر ڪرڻ بابت وڌيڪ ڳالهائينداسين. پر ھاڻي اچو ته فرض ڪريون ته اھو ھڪڙو ننڍڙو فرق آھي جيڪو عملي طور تي بي معنيٰ آھي (ڪلينڪل ٽرائلز جي حوالي سان، ھن کي عام طور تي ڪلينڪل اھميت سڏيو ويندو آھي).

غير معمولي مفروضو هر شيء کي پنهنجي سر تي ڦيرايو:

ھاڻي اھو فرض ڪرڻ بجاءِ ته ڪو فرق نه آھي، اسان اھو فرض ڪنداسين ته نسخو B نسخو A کان بدتر آھي، ۽ اسين ان مفروضي تي قائم رھنداسين جيستائين اسان ظاھر نه ڪريون ته ائين نه آھي. هي اهو ئي لمحو آهي جڏهن اهو هڪ طرفي نظريي جي جاچ کي استعمال ڪرڻ جو احساس پيدا ڪري ٿو! عملي طور تي، اهو هڪ اعتماد جي وقفي جي تعمير ڪندي ۽ اهو طئي ڪري سگهجي ٿو ته ڇا وقفو اصل ۾ Δ کان وڌيڪ آهي (شڪل 2).

منتخب ڪريو Δ

صحيح Δ ڪيئن چونڊيو؟ Δ چونڊ عمل ۾ شمارياتي جواز ۽ بنيادي تشخيص شامل آهن. ڪلينڪل ريسرچ جي دنيا ۾، اتي ريگيوليٽري هدايتون آهن جيڪي حڪم ڪن ٿيون ته ڊيلٽا کي نمائندگي ڪرڻ گهرجي ننڍڙي ڪلينڪ طور تي اهم فرق - جيڪو عمل ۾ فرق آڻيندو. هتي يورپي هدايتن مان هڪ اقتباس آهي پنهنجو پاڻ کي جانچڻ لاءِ: ”جيڪڏهن فرق صحيح چونڊيو ويو آهي، هڪ اعتماد جو وقفو جيڪو مڪمل طور تي –∆ ۽ 0 جي وچ ۾ آهي… اڃا به ڪافي آهي ته غير گهٽتائيءَ جو مظاهرو ڪرڻ لاءِ. جيڪڏهن اهو نتيجو قابل قبول نه ٿو لڳي، ته ان جو مطلب آهي ∆ مناسب طور تي منتخب نه ڪيو ويو.

ڊيلٽا کي يقيني طور تي ورزن A جي اثر جي سائيز کان وڌيڪ نه هجڻ گهرجي حقيقي ڪنٽرول (placebo/نه علاج) سان تعلق رکندڙ، ڇاڪاڻ ته اهو اسان کي اهو چوڻ جي هدايت ڪري ٿو ته نسخو B حقيقي ڪنٽرول کان وڌيڪ خراب آهي، جڏهن ته ساڳئي وقت "غير جانبداري" جو مظاهرو ڪندي. ” اچو ته فرض ڪريون ته جڏهن نسخو A متعارف ڪرايو ويو، اهو نسخو 0 سان تبديل ڪيو ويو يا فيچر موجود ئي نه هو (ڏسو شڪل 3).

برتري جي مفروضي کي جانچڻ جي نتيجن جي بنياد تي، اثر سائيز E ظاهر ڪيو ويو (جيڪو، ممڪن طور تي μ^A−μ^0=E). ھاڻي A اسان جو نئون معيار آھي، ۽ اسان پڪ ڪرڻ چاھيون ٿا ته B جيترو سٺو آھي A جيترو آھي. μB−μA≤−Δ (نال مفروضو) لکڻ جو ٻيو طريقو آھي μB≤μA−Δ. جيڪڏهن اسان فرض ڪريون ٿا ته do برابر يا ان کان وڏو آهي، پوءِ μB ≤ μA−E ≤ placebo. هاڻي اسان ڏسون ٿا ته μB لاءِ اسان جو اندازو مڪمل طور تي μA−E کان وڌي ويو آهي، جيڪو ان ڪري مڪمل طور تي رد ڪري ٿو null hypothesis ۽ اسان کي اهو نتيجو ڪڍڻ جي اجازت ڏئي ٿو ته B جيترو سٺو آهي A جيترو، پر ساڳئي وقت μB ٿي سگهي ٿو ≤ μ placebo، جيڪو نه آهي. ڪيس. اسان کي ڇا گهرجي. (شڪل 3).

شڪل 3. هڪ غير معمولي مارجن چونڊڻ جي خطرن جو مظاهرو. جيڪڏهن ڪٽي آف تمام گهڻي آهي، اهو نتيجو ڪري سگهجي ٿو ته B، A کان گهٽ نه آهي، پر ساڳئي وقت پلاسيبو کان ڌار نه ٿي سگهي. اسان اهڙي دوا جي بدلي نه ڪنداسين جيڪا واضح طور تي پلاسيبو (A) کان وڌيڪ اثرائتي هجي هڪ دوا لاءِ جيڪا پليسبو جيتري اثرائتي هجي.

α جو انتخاب

اچو ته اڳتي وڌون α کي چونڊڻ لاءِ. توھان استعمال ڪري سگھوٿا معياري قدر α = 0,05، پر اھو مڪمل طور تي منصفانه نه آھي. جهڙوڪ، مثال طور، جڏهن توهان ڪجهه آن لائن خريد ڪندا آهيو ۽ هڪ ئي وقت ۾ ڪيترائي رعايت ڪوڊ استعمال ڪندا آهيو، جيتوڻيڪ انهن کي گڏ نه ڪيو وڃي - ڊولپر صرف هڪ غلطي ڪئي، ۽ توهان ان سان ڀڄي ويا. ضابطن جي مطابق، α جو قدر α جي اڌ قدر جي برابر هجڻ گھرجي جيڪو استعمال ڪيو ويندو آھي جڏھن بھترين مفروضي کي جانچڻ، اھو آھي، 0,05 / 2 = 0,025.

نموني سائيز

نموني سائيز جو اندازو ڪيئن ڪجي؟ جيڪڏهن توهان سمجهو ٿا ته A ۽ B جي وچ ۾ حقيقي معنيٰ جو فرق 0 آهي، ته پوءِ نموني جي ماپ جو حساب ساڳيو آهي جيئن برتريت جي مفروضي کي جانچڻ وقت، سواءِ ان جي ته توهان اثر جي سائيز کي بدلائي غير نرالي مارجن سان، بشرطيڪ توهان استعمال ڪريو α غير گھٽ ڪارڪردگي = 1/2α برتري ( α غير گھٽتائي = 1/2 α برتري). جيڪڏهن توهان وٽ يقين ڪرڻ جو سبب آهي ته اختيار B اختيار A کان ٿورو وڌيڪ خراب ٿي سگهي ٿو، پر توهان اهو ثابت ڪرڻ چاهيو ٿا ته اهو Δ کان وڌيڪ خراب ناهي، پوء توهان قسمت ۾ آهيو! اهو اصل ۾ توهان جي نموني جي سائيز کي گھٽائي ٿو ڇو ته اهو ظاهر ڪرڻ آسان آهي ته B A کان بدتر آهي جيڪڏهن توهان اصل ۾ سوچيو ته اهو برابر جي ڀيٽ ۾ ٿورڙو خراب آهي.

مثال سان حل

اچو ته چئو ته توھان ورزن B ڏانھن اپ گريڊ ڪرڻ چاھيو، بشرطيڪ اھو 0,1 پوائنٽ گراهڪ جي اطمينان واري پيماني تي ورزن A کان 5 پوائنٽ کان وڌيڪ خراب نه ھجي... اچو ته برتري مفروضي کي استعمال ڪندي ھن مسئلي کي سمجھون.

برتري جي مفروضي کي جانچڻ لاءِ، اسان نموني جي ماپ کي ھيٺ ڏنل حساب ڪنداسين:

اهو آهي، جيڪڏهن توهان وٽ توهان جي گروپ ۾ 2103 مشاهدو آهن، توهان 90٪ يقين ڪري سگهو ٿا ته توهان کي 0,10 يا ان کان وڏو اثر انداز ملندو. پر جيڪڏھن توھان لاءِ 0,10 تمام گھڻو آھي، اھو بھترين مفروضي کي جانچڻ جي لائق نه آھي. محفوظ پاسي تي ٿيڻ لاءِ، توھان فيصلو ڪري سگھو ٿا مطالعي کي هلائڻ لاءِ ننڍي اثر واري سائيز، جھڙوڪ 0,05. انهي حالت ۾، توهان کي 8407 مشاهدو جي ضرورت پوندي، اهو آهي، نموني تقريبا 4 ڀيرا وڌي ويندو. پر ڇا ٿيندو جيڪڏهن اسان پنهنجي اصل نموني جي سائيز کي پڪڙيو، پر طاقت وڌائي 0,99 تائين ته جيئن اسان محفوظ ٿي سگهون جيڪڏهن اسان کي مثبت نتيجو ملي؟ انهي صورت ۾، هڪ گروپ لاء n 3676 هوندو، جيڪو اڳ ۾ ئي بهتر آهي، پر نموني سائيز 50٪ کان وڌيڪ وڌائي ٿو. ۽ نتيجي طور، اسان اڃا تائين صرف null مفروضي کي رد ڪرڻ جي قابل نه هوندا، ۽ اسان کي اسان جي سوال جو جواب نه ملندو.

ڇا جيڪڏهن اسان ان جي بدران غير تفاوت واري مفروضي کي آزمايو؟

نموني جي ماپ کي ساڳيو فارمولا استعمال ڪندي ڳڻيو ويندو سواءِ ڊنومينيٽر جي.
برتريت جي مفروضي کي جانچڻ لاءِ استعمال ٿيل فارمولا مان فرق هن ريت آهن:

Z1−α/2 کي Z1−α سان تبديل ڪيو ويو آهي، پر جيڪڏهن توهان قاعدن موجب سڀ ڪجهه ڪريو ٿا، ته توهان α = 0,05 کي α = 0,025 سان مٽايو، اهو آهي، اهو ساڳيو نمبر آهي (1,96)

- (μB−μA) ظاهر ۾ ظاهر ٿئي ٿو

- θ (اثر سائيز) کي Δ سان تبديل ڪيو ويو آهي (غير گھٽتائي جي مارجن)

جيڪڏهن اسان فرض ڪريون ٿا ته µB = µA، پوءِ (µB − µA) = 0 ۽ نموني جي ماپ جي حساب سان غير تفاوت واري مارجن لاءِ اهو ئي آهي جيڪو اسان حاصل ڪنداسين جيڪڏهن اسان 0,1 جي اثر واري سائيز لاءِ برتري کي ڳڻيو، عظيم! اسان هڪ ئي ماپ جو مطالعو ڪري سگهون ٿا مختلف مفروضن سان ۽ نتيجن لاءِ مختلف انداز سان، ۽ اسان کي ان سوال جو جواب ملندو جنهن جو اسان واقعي جواب ڏيڻ چاهيون ٿا.

ھاڻي فرض ڪريو اسان اصل ۾ نه ٿا سوچيو ته µB = µA ۽
اسان سمجهون ٿا ته µB ٿورڙو خراب آهي، شايد 0,01 يونٽن کان. هي اسان جي ڊينومينيٽر کي وڌائي ٿو، في گروپ جي نموني سائيز کي 1737 تائين گھٽائي ٿو.

ڇا ٿيندو جيڪڏهن نسخو B اصل ۾ نسخو A کان بهتر آهي؟ اسان رد ڪريون ٿا ان null مفروضو ته B A کان بدتر آهي Δ کان وڌيڪ ۽ ان متبادل مفروضي کي قبول ڪريون ٿا ته B، جيڪڏهن خراب آهي ته A کان بدتر ناهي Δ کان ۽ ٿي سگهي ٿو بهتر. ڪوشش ڪريو ھن نتيجي کي ھڪڙي ڪراس فنڪشنل پيشڪش ۾ ۽ ڏسو ته ڇا ٿئي ٿو (سنجيدگي سان، ڪوشش ڪريو). اڳتي وڌڻ واري صورتحال ۾، ڪو به "Δ کان وڌيڪ خراب ۽ شايد بهتر" لاء حل ڪرڻ نٿو چاهي.

انهي صورت ۾، اسان هڪ مطالعو ڪري سگهون ٿا، جنهن کي تمام مختصر طور سڏيو ويندو آهي "مفروضي جي جانچ ڪندي ته اختيارن مان هڪ ٻئي کان اعلي يا گهٽ آهي." اهو فرضن جا ٻه سيٽ استعمال ڪري ٿو:

پھريون سيٽ (ساڳي غير گھٽتائي واري مفروضي کي جانچڻ لاءِ):

ٻيو مجموعو (ساڳي ئي آهي جڏهن برتري جي مفروضي کي جانچيندي):

اسان ٻئي مفروضي کي جانچيندا آهيون صرف ان صورت ۾ جڏهن پهريون رد ڪيو وڃي. جڏهن ترتيب سان جاچ ڪريون ٿا، اسان مجموعي قسم I جي غلطي جي شرح برقرار رکون ٿا (α). عملي طور تي، اهو حاصل ڪري سگهجي ٿو 95٪ اعتماد جي وچ ۾ فرق لاءِ وسيلا ۽ ٽيسٽ جي وچ ۾ اهو طئي ڪرڻ لاءِ ته ڇا سڄو وقفو -Δ کان وڏو آهي. جيڪڏهن وقفو -Δ کان وڌيڪ نه آهي، اسان نال قدر کي رد نه ٿا ڪري سگھون ۽ روڪي. جيڪڏهن سڄو وقفو واقعي −Δ کان وڏو آهي، اسان جاري رکون ٿا ۽ ڏسو ته وقفو 0 تي مشتمل آهي.

تحقيق جو هڪ ٻيو قسم آهي جنهن تي اسان بحث نه ڪيو آهي - برابري جو مطالعو.

انهن قسمن جي مطالعي کي غير جانبداري مطالعي سان تبديل ڪري سگهجي ٿو ۽ ان جي برعڪس، پر انهن ۾ اصل ۾ هڪ اهم فرق آهي. هڪ غير فرق واري آزمائش جو مقصد اهو ڏيکارڻ آهي ته اختيار B گهٽ ۾ گهٽ A جيترو سٺو آهي. هڪ برابري جي آزمائش جو مقصد اهو ڏيکارڻ آهي ته اختيار B گهٽ ۾ گهٽ اي جيترو سٺو آهي. آپشن A جيترو سٺو آهي B جيترو آهي، جيڪو وڌيڪ ڏکيو آهي. لازمي طور تي، اسان اهو طئي ڪرڻ جي ڪوشش ڪري رهيا آهيون ته ڇا مطلب ۾ فرق لاء مڪمل اعتماد جو وقفو −Δ ۽ Δ جي وچ ۾ آهي. اهڙين مطالعي کي وڏي نموني سائيز جي ضرورت آهي ۽ گهٽ ۾ گهٽ منعقد ڪيا ويا آهن. تنهن ڪري ايندڙ ڀيري توهان هڪ مطالعو ڪيو جنهن ۾ توهان جو بنيادي مقصد اهو يقيني بڻائڻ آهي ته نئون نسخو وڌيڪ خراب ناهي، "نال مفروضي کي رد ڪرڻ ۾ ناڪامي" تي آباد نه ٿيو. جيڪڏھن توھان چاھيو ٿا ته واقعي ھڪ اھم مفروضو جانچيو، مختلف اختيارن تي غور ڪريو.

جو ذريعو: www.habr.com