Statistics 当一个集合是另一个集合的子集且样本量不相同时，如何比较两个集合的均值

我有两套包含一些出版物的引用计数。在这些集合中，一个是另一个的子集。也就是说，子集包含一些出现在另一个集合上的精确引用计数。e、 g

Set1    Set2 (Subset)
50      50
24      24
12      -
5       5
4       4
43      43
2       -
2       -
1       -
1       -

所以我想确定子集中的数字是否足以表示set1？关于这个问题：

我本打算申请学生t-测试，但我不确定如何申请 应用它。原因是集合是相互依赖的，所以我可以 不适用未配对t检验，要求两组数据必须来自 独立人群。另一方面，配对t检验也可以 看起来不合适，因为样本大小必须相等

如果出现异常值，我应该删除它吗？对我来说，这是不合逻辑的 因为它通常不是一个异常值，但出版物被引用的次数相当多 所以它属于同一个样品。如何处理此类案件？ 如果我不删除它，它会导致差异太大 影响统计测试…用 中位数而非平均值，因为引文分布通常倾向于 高度倾斜

---

我该如何解决这个问题？

也许这个问题最适合Yes@AiltonAndradedeOliveira，我已经在那里问过了，但由于我很长时间没有得到任何回应，我决定在这里试试：）我不太理解你的问题。你是否会问这样的问题：“Set2的平均值是否与Set1的平均值足够相似？”（或除平均值之外的任何其他统计数据）。如果是这种情况，你的Set2是来自总体Set1的样本。关于你的案例2：引用可能是幂律分布的，方差可能不存在。@Ottoomet，正如你所说的set2是set1的样本。我如何比较平均数1=2？好的，那么你基本上需要样本统计的标准误差（好的，置信区间），样本是从一个有限的总体中抽取的，没有重复。我对这种取样不太了解，但我怀疑set2的大小