اصلاحیه لیلیفورز: آچار فرانسه آزمون کولموگروف-اسمیرنوف 🛠️📊

۱. مشکل اصلی آزمون K-S استاندارد چیست؟ 🧐
آزمون کولموگروف-اسمیرنوف اصلی برای زمانی طراحی شده بود که شما میانگین و انحراف معیار واقعی کل جامعه را می‌دانید.
اما در ۹۹٪ پژوهش‌های علمی، ما پارامترهای واقعی جامعه را نداریم و مجبوریم آن‌ها را از روی «نمونه» خودمان برآورد کنیم. وقتی شما از میانگین نمونه استفاده می‌کنید، آزمون K-S استاندارد بیش از حد «محافظه‌کار» می‌شود؛ یعنی تمایل دارد که به اشتباه بگوید داده‌های شما نرمال هستند (حتی اگر نباشند!). این یعنی خطای نوع دوم افزایش می‌یابد.

۲. لیلیفورز (Lilliefors) چه کرد؟ ✨
در سال ۱۹۶۷، دانشمندی به نام هیوبرت لیلیفورز متوجه این تضاد شد. او جداول توزیع جدیدی را محاسبه کرد که مخصوص زمانی است که پارامترهای جامعه (میانگین و انحراف معیار) مجهول هستند و از داده‌های نمونه استخراج شده‌اند.
• کارکرد اصلی: این اصلاحیه، مقادیر بحرانی آزمون را تعدیل می‌کند تا آزمون نسبت به «عدم نرمالیتی» حساس‌تر شود.
نتیجه: با استفاده از این اصلاحیه P-Value دقیق‌تری به دست می‌آورید که واقعیت داده‌های شما را بهتر منعکس می‌کند.

۳. چه زمانی به درد ما می‌خورد؟ 🚀
اگر از نرم‌افزاری مثل SPSS استفاده می‌کنید، احتمالاً در خروجی آزمون‌های نرمالیتی دیده‌اید که بالای ستون K-S نوشته شده: Kolmogorov-Smirnov^a و در پانویس توضیح داده شده که این با اصلاحیه لیلیفورز محاسبه شده است.
برای حجم نمونه بالا: وقتی تعداد داده‌های شما زیاد است (مثلاً بالای ۵۰ یا ۱۰۰ مورد) و می‌خواهید از K-S استفاده کنید، حتماً و لزوماً باید از نسخه اصلاح‌شده با لیلیفورز استفاده کنید.
برای اعتبار علمی: داوران مجلات معتبر می‌دانند که K-S بدون لیلیفورز دقت بالایی ندارد. پس اگر در متن مقاله بنویسید «نرمالیتی با آزمون K-S و اصلاحیه Lilliefors بررسی شد»، نشان‌دهنده سواد آماری بالای شماست.

۴. یک نکته بسیار مهم (تفاوت با شاپیرو) 🔍
حتی با وجود اصلاحیه لیلیفورز، باز هم در نمونه‌های کوچک (زیر ۵۰ مورد)، آزمون شاپیرو-ویلک (Shapiro-Wilk) از K-S با اصلاحیه لیلیفورز قدرتمندتر است. بنابراین استراتژی طلایی این است:
نمونه کوچک: مستقیم برو سراغ Shapiro-Wilk.
نمونه بزرگ: از K-S با اصلاحیه Lilliefors استفاده کن.

خلاصه کنیم:
آزمون K-S معمولی فکر می‌کند شما میانگین کل جامعه را می‌دانید! چون نمی‌دانید و از میانگین نمونه خودتان استفاده می‌کنید، نتایجش غلط از آب در می‌آید. اصلاحیه لیلیفورز این اشتباه را جبران می‌کند و اجازه می‌دهد در نمونه‌های بزرگ، با خیال راحت نرمالیتی را چک کنید.


- تیم تولید محتوای کمیته تحقیقات دانشجویی دانشکده پرستاری گرمی 🌱