Какой статистический метод применить? Опции

[Maria30]

Podska*ite, po*aluista, kakoi statisti4eskii metod lu4she primenit v moem slu4ae? Ja issleduju vosdeistvie dvuh veshestv na kletki pod*eludo4noi *elezy. Odin preparat(1) vysyvaet apoptosis(gibel kletok), drugoi preparat(2) podavljaet apoptosis. Polu4aetsja tablica
1opyt 2opyt 3opyt
control X X X
Preparat 1 koncentracija 1 X X X
Preparat 1 koncentracija 2 X X X
Preparat 1 koncentracija 3 X X X
Preparat 1 koncentracija 4
1opyt 2opyt 3opyt
Control + preparat2 X X X
Preparat 1 koncentracija 1+ preparat2 X X X
Preparat 1 koncentracija 2+ preparat2 X X X
Preparat 1 koncentracija 3+ preparat2 X X X
Preparat 1 koncentracija 4+ preparat2 X X X

Preparat 2 neizmennaja koncentracija
Neobhodimo sravnit control i preparat 1 koncentr.1........4, a zatem preparat 1konc.1 i preparat 1 konc.1+ prepar.2 i t.d.
Mo*no li v moem slu4ae primenit parnyi Student´s t-test?

Izvinjajus za latinskie bukvy:-(

[DrgLena]

t-тест: р<0.0001 (во втором случае р=0,001)
Тест Мэнна-Уитни: р=0.0335 (в обоих случаях)
Есть разница в том, что при использовании параметрики вероятность приходя этих групп из одной популяции менее 0,01%, а во втором 3,3%?

С такой оценкой теста Манна-Уитни я тоже не согласна, р=0,009 для обеих выборок.
Ну Орлов, может и не кумир, меня давно изгнал со своего форума, однако, много полезного выложил бесплатно, но в книге всеми уважаемого М. Дж. Кендалла и А. Стьюарта
"Статистические выводы и связи" приводится детальное сравнение крит. Вилкоксона (ему первому принадлежит идея М-У) и
Стьюдента. Цитата оттуда "...Критерий Вилкоксона имеет очень хорошие качества по сравнению с критерием Стьюдента ..." Кенделл - это все же не Попкин - Кнопкин - Топкин.
По мощности М-У в некоторых случаях не уступает Стьюденту ,а его ассимптотическая относительная эффективность сохраняется с большой точностью для объемов выборок от 4 до 40 (Кенделл, с. 667).

[плав]

С такой оценкой теста Манна-Уитни я тоже не согласна, р=0,009 для обеих выборок.
Ну Орлов, может и не кумир, меня давно изгнал со своего форума, однако, много полезного выложил бесплатно, но в книге всеми уважаемого М. Дж. Кендалла и А. Стьюарта
"Статистические выводы и связи" приводится детальное сравнение крит. Вилкоксона (ему первому принадлежит идея М-У) и
Стьюдента. Цитата оттуда "...Критерий Вилкоксона имеет очень хорошие качества по сравнению с критерием Стьюдента ..." Кенделл - это все же не Попкин - Кнопкин - Топкин.
По мощности М-У в некоторых случаях не уступает Стьюденту ,а его ассимптотическая относительная эффективность сохраняется с большой точностью для объемов выборок от 4 до 40 (Кенделл, с. 667).

1) ОК, получили иное значение: МУ р=0,9% (правда, похоже на односторонний...), а t-критерий 0.1% Разница есть? (Обратите внимание в своей же цитате на "в некоторых случаях не уступает" (т.е. в ряде - уступает) и нигде - про то, что он мощнее (потому, что он не мощнее)).
Ну не бывает чудес, не-бы-ва-ет. Если Вы игнорируете часть информации, за это надо платить. Любая непараметрика - игнорирование информации, поскольку шкала измерения - ординальная, а не интервальная. Любые цитаты хороши, когда есть понимание механизма и теоретических основ используемого метода. Кстати все исследования МУ в середине прошлого века делались с использованием данных из нормальной популяции или стандартных видов распределения (прямоугольного, например). Смешанные распределения не исследовались, а когда их стали анализировать выяснилось, что непараметрика - не панацея.
2) Что касается отклонения от нормального распределения в результате болезни, то Вы, надеюсь, понимаете, что используя непараметрику Вы вообще игнорируете значения, т.е. если у Вас две группы 1,2,3,4 и 1,2,3,20 и вот 20 - это больной, то используя непараметрику Вы его вообще не замечаете. Иными словами, при анализе Вас как раз не интересует, почему появились отклонения. Вы-то как раз и стремитесь нормализовать ряд путем игнорирования части полученных данных. Использование непараметрики без объяснения следует расшифровывать так "факты не укладывались в мою концепцию анализа, тем хуже для фактов".
3) "экспериментальная работа" в которой не сделан нормальный анализ распределения является плохой работой. Любой эксперимент должен быть спланирован. Особенно в медицины (GCP и соответствующие приказы МЗСР РФ). Так вот, перед проведением клинического испытания надо расчитать размер выборки. А сделать это не зная, какая у Вас популяция невозможно. Так что, простите, но пример неудачный.
Если же речь идет об исследовательском (разведывательном) анализе данных, то тут вообще другой подход и другие размеры выборки...

Ведь на самом деле если кто-то не согласен с тем, что его данные распределены нормально - пожалуйста. Надо только сказать КАК они распределены, по какому закону.