การทดสอบความแตกต่างระหว่างค่ากลางของสองประชากรที่มีการกระจายแบบปกติแต่ไม่อิสระต่อกัน (Test Concerning a Difference Between Two Means of two normal population : Paired Data ) จากหัวข้อที่ผ่านมาเป็นการทดสอบความแตกต่างของค่ากลาง ของข้อมูลสองกลุ่ม โดยที่ข้อมูลทั้งสองกลุ่มไม่ได้ผูกพันธ์ หรือ มีความเป็นอิสระต่อกัน การวิเคราะห์ความแตกต่างจะมองที่ค่ากลางของข้อมูลกลุ่มตัวอย่างทั้งสอง หัวข้อต่อไปนี้จะกล่าวถึงกรณีที่ข้อมูลทั้งสองกลุ่มนี้ไม่เป็นอิสระต่อกัน หรือ มีความผูกพันธ์กัน ในลักษณะ 1 ต่อ 1 ซึ่งเราเรียกว่า คู่ (Pair) นั่นเอง ข้อมูลของแต่ละ Pair จะถูกเก็บภายใต้เงื่อนไขเดียวกัน แต่ระหว่าง Pair อาจจะไม่ใช่เงื่อนไขเดียวกันก็ได้ ทั้งนี้เป็นการ ควบคุม (Treat ) ข้อมูลให้มากขึ้น เพื่อให้เห็นถึงความแตกต่างกันให้ชัดเจนมากขึ้นนั่นเอง ซึ่งการวิเคราะห์ความแตกต่างกระทำถึงระดับความต่างของข้อมูลแต่ละคู่โดยตรง นี่คือความแตกต่างกับกรณีข้อมูล อิสระต่อกันในหัวข้อที่ผ่านมา ตัวอย่าง ต้องการทดสอบความแตกต่างของเข็มทดสอบความแข็งของชิ้นส่วนพลาสติก 2 ชนิด เพื่อหาว่าเข็มทดสอบทั้งสองชนิดมีความแตกต่างในประสิทธิภาพการทดสอบหรือไม่ การหาค่าบ่งบอกถึงประสิทธิภาพดังกล่าวจะวัดจากความลึกที่เข็มกดลงในเนื้อชิ้นงานพลาสติก โดยแต่ละครั้งที่กด จะกำหนดแรงกดเท่ากันทุกครั้ง หากเราทำการเลือกชิ้นงานพลาสติกที่จะทำการทดสอบโดยการสุ่ม และทุกครั้งของการทดลองก็เปลี่ยนชิ้นงานทุกครั้ง เมื่อจะทำการทดสอบสมมติฐาน เราก็จำเป็นต้องใช้ Two sample t-test ในการทดสอบ ซึ่งการทำการทดลองเช่นนี้อาจให้ผลสรุปที่ผิดพลาดได้มาก เนื่องจากความแตกต่างที่พบอาจจะเป็นเพราะการใช้ชิ้นงานพลาสติกต่างกลุ่ม ต่าง lot ที่ผลิต หรือต่างวันที่ผลิต ซึ่งส่งผลให้ความแข็งของพลาสติกแตกต่างกันไป เมื่อวัดค่าความลึกของรอยกด ก็ได้ค่าที่แตกต่างกันได้แต่เมื่อใช้ Two sample t-test ก็จะรวมเอาผลจากปัจจัยต่างๆเข้ามาเป็นผลความแตกต่างอันเกิดจากเข็มทดสอบเพียงอย่างเดียว วิธีที่จะจำกัดความแตกต่างดังกล่าวให้เป็นผลมาจากความแตกต่างของเข็มทดสอบเพียงอย่างเดียว โดยขจัดผลจากปัจจัยอื่นๆออกให้มากที่สุด ผู้ทำการทดลองจะต้องใช้ ชิ้นงานเดียวกัน ในการทดสอบ เข็มสองชนิดแต่ละคู่ หมายความว่า เข็มคู่แรก ก็ใช้ชิ้นงานเดียวกัน คู่ที่สอง ก็ให้ใช้ชิ้นงานชิ้นถัดไป เข็มคู่ที่สาม หรือสี่ ตลอดจนคู่ อื่นๆ ก็ใช้วิธีเดียวกัน เมื่อการทดลองเป็นดังนี้ เราเรียกว่าการทดลองแบบ Paired ขอ้มูลที่ได้ก็จะเป็น Paired ด้วยเช่นกัน ดังตัวอย่างข้อมูล และวิธีการวิเคราะห์ข้อมูล
ข้อมูล : ความลึกของรอยกด หน่วยเป็นนิ้ว เริ่มต้นในการวิเคราะห์ 1. หาผลต่างของข้อมูลแต่ละคู่ก่อน d = Xi(pin#1) - Xi(pin#2) 2. หาค่าเฉลี่ยของค่าผลต่าง จาก 3. ตั้งสมมติฐาน หากข้อมูลทั้งสองกลุ่ม ไม่แตกต่างกันแล้ว d = 0 และนี่คือข้อสมมติฐาน ถ้ากำหนดให้ md = d กรณีทดสอบ สองด้าน หรือ กรณีทดสอบด้านบน (มากกว่า) หรือ กรณีทดสอบด้านน้อยกว่า 4. กำหนดตัวทดสอบสมมติฐาน เมื่อสมมติหลักมีว่า Ho : md = 0 เราจึงเลือกใช้ 1-Sample t- test ทดสอบค่าเฉลี่ยของผลต่างทั้งหมด โดยค่าคงที่ในการทดสอบคือ 0 5. หา Degree of freedom จาก 6. หาค่า tcritical จาก ตาราง หรือโดยการใช้ MS Excel , Minitab โดยที่ tcritical = ta,df หรือ = ta/2,df แล้วแต่กรณี ึ7. สรุปผลการทดสอบสมมติฐาน โดย - กรณีทดสอบแบบสองด้าน ให้ปฏิเสธสมมติฐานหลัก H0: md= 0 ถ้า - ta/2,df < t0 <ta/2,df - กรณีทดสอบแบบด้านมากกว่า ให้ปฏิเสธสมมติฐานหลัก H0: md= 0 ถ้า t0 > ta,df - กรณีทดสอบแบบด้านน้อยกว่า ให้ปฏิเสธสมมติฐานหลัก H0: md= 0 ถ้า t0 < - ta,df จากข้อมูลตามตารางข้างบน ถ้ากำหนดค่าระดับความเชื่อมั่นในการทดสอบไว้ที่ 95% ให้ทำการทดสอบสมมติฐาน และสรุปว่า เข็มทดสอบสองชนิดดังกล่าวให้ผลแตกต่างกันในการทดสอบความแข็งของชิ้นงานหรือไม่ 1. ตั้งสมมติฐาน 2. กำหนดค่าระดับนัยสำคัญ a = 0.05 3. หาค่าสถิติทดสอบ จาก 4. หา degree of freedom df = n-1 = 24-1 = 23 5. หาค่า t0.025,23 โดยเปิดตาราง T-Distribution ได้ tcritical = 2.069 หรือใช้ MS Excel 6. สรุปผลการทดสอบสมมติฐาน เมื่อ t0 มีค่า อยู่ระหว่าง -2.06 ถึง 2.06 เราจึงยอมรับสมมติฐานหลักที่ว่า H0: md = 0 นั่นคือ ผลต่างของข้อมูลทั้งสองกลุ่มเท่ากับ 0 อย่างมีนัยสำคัญ และสุดท้ายเราก็สามารถสรุปผลการทดลองได้ว่า เข็มทดสอบทั้งสองชนิด ไม่มีความแตกต่างกันในแง่ของความลึกในการทดสอบชิ้นงานพลาสติก หากทดสอบโดยใช้ MS Excel จะได้ดังนี้ (ดูหัวข้อการประยุกต์ใช้ MS Excel ในการวิเคราะห์ Paired t-test)
เมื่อ P-Value (two tail) = 0.4007 ซึ่งมากกว่า a (0.05) เราจึงยอมรับสมมติฐานหลัก หากใช้โปรแกรม Minitab จะให้ผลดังนี้ Paired T for Pin_1 - Pin_2 N Mean StDev SE Mean Pin_1 24 0.04507 0.00863 0.00176 Pin_2 24 0.04444 0.00888 0.00181 Difference 24 0.000629 0.003594 0.000734 95% CI for mean difference: (-0.000888, 0.002147) T-Test of mean difference = 0 (vs not = 0): T-Value = 0.86 P-Value = 0.400
เมื่อ P-Value = 0.400 ซึ่งมากกว่า a (0.05) เราจึงยอมรับสมมติฐานหลัก หรือดูว่า หาก 0 อยู่ภายใน Confidence Interval (CI) ของ Difference ก็สรุปว่า เรายอมรับสมมติฐานหลักเช่นกัน
|