t.test restituisce un errore "i dati sono essenzialmente costanti"

R version 3.1.1 (2014-07-10) -- "Sock it to Me"
> bl <- c(140, 138, 150, 148, 135)
> fu <- c(138, 136, 148, 146, 133)
> t.test(fu, bl, alternative = "two.sided", paired = TRUE)
Error in t.test.default(fu, bl, alternative = "two.sided", paired = TRUE) : 
data are essentially constant

Quindi cambio solo un singolo carattere nel mio set di dati fu:

> fu <- c(138, 136, 148, 146, 132)

e corre ...

> t.test(fu, bl, alternative = "two.sided", paired = TRUE)

    Paired t-test

Cosa mi sto perdendo qui?

r t-test

— ihadanny
fonte

Tipo bl-fu. Ora sd(bl-fu). Se non è ancora ovvio, fai questi: dif=bl-fuallora n=length(dif)allora mean(dif)/(sd(dif)/sqrt(n))... vedi adesso?

— Glen_b

spiacenti, grazie :) sono d'accordo con me sul fatto che il messaggio di errore avrebbe potuto essere più adatto ai principianti. Quindi questo significa che, per quanto riguarda le statistiche, non c'è bisogno di un test di fantasia ed è una certezza che per ogni soggetto ci sarebbe una riduzione di -2 del fu rispetto al bl?

— ihadanny,

Come spiegato nei commenti, il problema era che le differenze erano tutte 2 (o -2, a seconda del modo in cui scrivi le coppie).

Risposta alla domanda nei commenti:

Quindi questo significa che, per quanto riguarda le statistiche, non c'è bisogno di un test di fantasia ed è una certezza che per ogni soggetto ci sarebbe una riduzione di -2 del fu rispetto al bl?

Bene, dipende.

Se la distribuzione delle differenze fosse davvero normale, questa sarebbe la conclusione, ma potrebbe essere che l'assunzione della normalità sia sbagliata e la distribuzione delle differenze nelle misurazioni sia in realtà discreta (forse nella popolazione su cui si desidera fare deduzione di solito è -2 ma occasionalmente diverso da -2).

In effetti, visto che tutti i numeri sono numeri interi, sembra che la discrezione sia probabilmente il caso.

... nel qual caso non vi è alcuna certezza che tutte le differenze saranno -2 nella popolazione - è più che una mancanza di prove nel campione di una differenza nella popolazione significa qualsiasi differenza rispetto a -2.

(Ad esempio, se l'87% delle differenze di popolazione erano -2, c'è solo una probabilità del 50-50 che una delle 5 differenze del campione sarebbe diversa da -2. Quindi il campione è abbastanza coerente con la variazione da -2 nella popolazione)

Ma verrai anche portato a mettere in discussione l'idoneità delle ipotesi per il test t, specialmente in un campione così piccolo.

— Glen_b -Restate Monica
fonte

sono pressioni del sangue in mmHg in base e controlli di follow-up, quindi sono abbastanza rilassato nell'assumere la normalità e, naturalmente, la non discrezione. È stato solo un esercizio che mi ha mostrato quanto più potente è il paired-t-test (quando disponibile) rispetto ai non-paired.

— ihadanny,