بیشتر منابع بالقوه سوگیری از نقض مفروضه ها
می آیند، و غالباً درباره «مفروضه های» آزمون های آماری خواهید شنید یا خواهید
خواند. یک مفروضه شرایطی است که اطمینان می دهد که آنچه در حال تلاش برای انجام آن
هستید، درست عمل می کند. برای مثال، وقتی یک مدل را با استفاده از آماره آزمون
ارزیابی می کنیم، معمولاً تعدادی مفروضه داریم، و اگر این مفروضه ها برقرار باشند،
پس میدانیم که میتوانیم آماره آزمون (و همچنین، مقدار-p)
همراه با مدل را بر مبنای ارزش صوری تفسیرکنیم. به طور معکوس، اگر مفروضه ها
برقرار نباشند (معمولاً به عنوان نقض اشاره شده است)، پس آماره آزمون و مقدار-p دقیق نخواهند بود و اگر آنها را بر مبنای ارزش صوری تفسیر کنیم، ممکن
است ما را به نتیجه گیری اشتباه سوق دهند.
مفروضه ها معمولاً چنان نشان داده شدهاند که به نظر میرسد آزمونهای آماری متفاوت، مجموعه مفروضههای خاص خودشان را دارند. هرچند، چون معمولاً در حال برازش تنوعی از مدلهای خطی با داده ها هستیم (بخش 2.4 را ببینید)، همه آزمونهای معمولاً مفروضه های یکسانی دارند. این مفروضه ها مربوط به کیفیت خود مدل است، و آماره های آزمون برای ارزیابی آنها استفاده میشوند (معمولاً آزمون های پارامتریک مبتنی بر توزیع طبیعی هستند).
مفروضه های اصلی عبارتند از:
· جمع پذیری و خطی بودن
· طبیعی بودن توزیع دادهها
· همگنی پراکندگی/تجانس
واریانس
· استقلال مشاهدات
گروه آماری دانش گستر با مدیریت دکتر سید محی الدین بهاری