标题：Metoda przeprowadzania analizy statystycznej w przypadku niespełnienia założeń testów parametrycznych, w kontekście badań z obszaru kultury fizycznej
其他标题：A method of statistical analysis in the field of sports science when assumptions of parametric tests are not violated
摘要：Wprowadzenie: Duża gama programów statystycznych pozwala na wykonywanie skomplikowanych analiz w prosty sposób, co powoduje, że autorzy artykułów chętnie wykonują obliczenia samodzielnie, bez zagłębiania się w szczegóły dotyczące wymogów i założeń stosowania odpowiednich testów. Takie powierzchowne podejście do analizy statystycznej prowadzić jednak może do błędnych wyników i niewłaściwych wniosków dotyczących badanego problemu. Cel pracy: Omówienie problemów związanych z niespełnieniem założeń testów parametrycznych: testu t-Studenta oraz jednoczynnikowej analizy wariancji ANOVA, często używanych w badaniach biometrycznych z zakresu sportu, oraz wskazanie metod postępowania w przypadku braku ich spełnienia. Skrócony opis stanu wiedzy: Test t-Studenta oraz ANOVA są testami parametrycznymi, w związku z tym wymagają założeń, m.in. normalności rozkładów oraz jednorodności wariancji w każdej grupie. W przypadku, gdy założenia nie są spełnione, pierwotna konstrukcja testu zostaje zachwiana, a wynik może być zafałszowany. Prostą metodą na ustabilizowanie wariancji oraz znormalizowanie danych jest transformacja ich przy pomocy przekształceń. W przypadku, gdy takie działania zawodzą, dobrą alternatywą są testy nieparametryczne, np. Manna-Whitneya, Kruskala-Wallisa czy kolejności par Wilcoxona. Podsumowanie: Weryfikacja założeń testów parametrycznych pozwala na właściwy dobór narzędzi statystycznych, co jest podstawą prawidłowego przeprowadzenia analizy statystycznej. Stosując kilka prostych zasad, analiza prawidłowości pojawiających się w sporcie sprowadza się do pewnego, łatwo dającego się wdrożyć, schematu postępowania.
其他摘要：Introduction: Application of statistical software typically does not require extensive statistical knowledge, allowing to easily perform even complex analyses. Consequently, test selection criteria and important assumptions may be easily overlooked or given insufficient consideration. In such cases, the results may likely lead to wrong conclusions. Aim: To discuss issues related to assumption violations in the case of Student's t-test and one-way ANOVA, two parametric tests frequently used in the field of sports science, and to recommend solutions. Description of the state of knowledge: Student's t-test and ANOVA are parametric tests, and therefore some of the assumptions that need to be satisfied include normal distribution of the data and homogeneity of variances in groups. If the assumptions are violated, the original design of the test is impaired, and the test may then be compromised giving spurious results. A simple method to normalize the data and to stabilize the variance is to use transformations. If such approach fails, a good alternative to consider is a nonparametric test, such as Mann-Whitney, the Kruskal-Wallis or Wilcoxon signed-rank tests. Summary: Thorough verification of the parametric tests assumptions allows for correct selection of statistical tools, which is the basis of well-grounded statistical analysis. With a few simple rules, testing patterns in the data characteristic for the study of sports science comes down to a straightforward procedure.
