Intervalo de confiança de diferenças pareadas

O preço das chamadas API bem-sucedidas é a base publicada de US$ 0,002 por item; entrada inválida não é cobrada.

Como o intervalo de confiança de diferenças pareadas é definido

A média amostral das diferenças é a estimativa pontual da mudança média. Para um nível de confiança bilateral 1 menos alfa—na maioria das vezes 0.95, de modo que alfa vale 0.05—o valor crítico é o quantil superior (1 menos alfa sobre 2) da distribuição t de Student com n menos um graus de liberdade. A margem de erro é esse valor crítico vezes o erro padrão, e o intervalo vai da média das diferenças menos a margem até a média mais a margem. Quando todas as diferenças são idênticas, o DP amostral é zero, a margem colapsa para zero e o intervalo é um único ponto nessa mudança constante—ainda um caso degenerado válido, não um erro. Quando n é grande, o valor crítico t se aproxima do z normal familiar, mas esta ferramenta sempre usa o quantil t exato de amostra finita para que conjuntos de dados pequenos de sala de aula permaneçam honestos. Comece com n pares combinados (antes_i, depois_i). A diferença pareada de cada sujeito é d_i igual a depois_i menos antes_i. Essa única transformação remove as linhas de base no nível do sujeito e deixa um problema de uma amostra sobre a média dos valores d_i. O desvio padrão amostral s_d usa o divisor não viesado n menos um, a escolha usual para intervalos de inferência. O erro padrão da média das diferenças é então s_d dividido pela raiz quadrada de n.

O que você envia e o que recebe de volta

Cada série precisa de pelo menos dois pares para que os graus de liberdade sejam pelo menos um. A confiança opcional é uma fração em (0, 1) com padrão 0.95; valores como 95 são aceitos como percentual e convertidos para 0.95. Se os dois arrays diferirem em comprimento, a solicitação é rejeitada com uma mensagem de que os arrays pareados devem ter o mesmo comprimento, porque truncar ou preencher em silêncio inventaria ou descartaria sujeitos. Também devolve o array differences limpo para você verificar cada residual depois menos antes, mais uma string de fórmula curta que reafirma a identidade do livro-texto. Verificações clássicas incluem um ganho de cinco pares de cerca de duas unidades em cada sujeito, uma lista pequena de perda de peso pré/pós e um descompasso deliberado de comprimentos que deve falhar. Envie dois arrays obrigatórios de mesmo comprimento com números finitos: before para as medidas de linha de base e after para as medidas de acompanhamento. O motor também aceita aliases de sala de aula pretest e posttest, baseline e followup, e nomes curtos x/y ou a/b para as duas séries. Campos ausentes, strings vazias, NaN, Infinity, menos de dois pares e confiança fora da faixa suportada falham com invalid_input e não são cobrados. Em caso de sucesso, a resposta inclui a contagem de pares n, mean_difference, sd_difference, se_difference, graus de liberdade df, a confiança e o alfa resolvidos, o valor t_critical, o margin_of_error e os limites ci_lower e ci_upper. Conecte o formulário gratuito do navegador para lições e demos e depois chame o mesmo contrato a partir de scripts quando precisar de intervalos em massa para muitas colunas pareadas sob uma única forma JSON. O preço API das chamadas bem-sucedidas é a base publicada de US$ 0,002 por item.

Onde os intervalos de diferenças pareadas aparecem no trabalho real

Cursos de estatística do ensino médio e da faculdade atribuem sem parar questionários pré/pós, estudos de dieta e exercícios de «mesmos sujeitos medidos duas vezes»; um único oráculo confiável que devolve JSON limpo acelera a correção sem consultar tabelas t à mão. Como esta capacidade é um motor parse puro, o preço API é a base publicada de US$ 0,002 por item bem-sucedido e a validação falha não consome saldo.