İkili Oran İçin Hipotez Testleri– İstatistik Alanları- İstatistik Fiyatları – Ücretli İstatistik – İstatistik Yaptırma
İki Oran İçin Hipotez Testleri
Burada iki nüfus oranı arasındaki farkı ele alacağız. Süreç, bir popülasyon için olana çok benzer, ancak test istatistiğinin formülü çok daha karmaşıktır.
• Gösterim ve Formüller
• z, test istatistiğidir.
• pˆ1 = ilk popülasyondan örnek oranı. pˆ1 = x1 / n1
• pˆ2 = ikinci popülasyondan örnek oranı. pˆ2 = x2 / n2
• δp = p1 – p2 = sıfır hipotezinde varsayılan popülasyon oranlarındaki fark.
• SE, standart hatadır. Bu metinde sizin için hesaplanacaktır.
• Süreç:
1. Boş ve alternatif hipotezleri belirleyin.
(a) Boş hipotez: Ho: p1 – p2 = δp (Burada, δp, sıfır ile bir arasında bir sayıdır.)
(b) Alternatif hipotez (iddiaya ve Ho’ya bağlıdır).
H1: p1 − p2> δp veya H1: p1 − p2 <δp veya H1: p1 − p2 ̸ = 0
2. Yukarıdaki denklemi (9.4) kullanarak test istatistiğini hesaplayın.
3. Boş hipotezi reddediyor veya reddediyor musunuz? Eşdeğer iki yöntem vardır. Kritik değerler ve P değerleri, sayfa 288 ve 289'daki z tablolarında bulunabilir.
(a) Kritik Değer Yöntemi: Kritik değer (ler) i ve reddetme bölgesini / bölgelerini belirleyin. Test istatistiği ret bölgesinde yer alıyorsa Ho'yu reddedin.
(b) P-değeri Yöntemi: Test istatistiğinin P-değerini belirleyin.
P değeri p2 + 0.2orp1 −p2> .2 iddiasını test ediyoruz.
Bu, alternatif hipotezdeki> işareti nedeniyle sağ kuyruklu bir testtir.
2. Denklem (9.4) kullanarak İstatistiği test edin:
Standart hataya sahip olduğumuz için bu hesaplama çok daha kolay.
Burada, p = .2, nüfus oranlarındaki varsayılmış farkı temsil etmektedir (yüzde 20 puan).
3. Aşağıdakilerden herhangi biri nedeniyle H0’ı reddedin.
(a) Kritik Değer Yöntemi: 0.05’i sağ kuyruğa koymak zα = 1.645 verir ve test
istatistik ret bölgesinde yatıyor.
(b) P Değeri Yöntemi: z tablosunu kullanarak, z = 1.78’in sağ kuyruklu P değeri (1 – 0.9625) = 0.0375’tir ve bu, a’dan küçüktür. Yazılım kullanıyorsanız (yuvarlama olmadan), 0,03718’lik bir P değeri elde edersiniz.
4. Sonuç: 0.05 anlamlılık düzeyinde veriler, bir hafta sonra semptomsuz olan tüm çare kullanıcılarının oranının, kullanmayanlara göre yüzde 20 puandan daha fazla olduğu iddiasını desteklemektedir. Spesifik olarak, çare kesinlikle hiç tedavi olmamasından daha iyi görünüyor.
• Sizin Sıranız: İddiayı 0,01 anlamlılık düzeyinde destekleyebilir misiniz?
2 anakütle oranı farkı hipotez testi
Hipotez testleri nelerdir
Hipotez testleri örnekleri PDF
Hipotez testleri Sınav Soruları
Tek ve çift yönlü hipotez örnekleri
Ortalama için Hipotez testi nedir
H0 H1 hipotez örnekleri
Hipotez testi aşamaları
Sizin Sıranız – Soğuk Çareye Karşı Plasebo: Popüler bir soğuk çare, etkinliği açısından test edildi, ancak bu sefer kontrol grubu bir plasebo ilacı aldı. İlacı soğuk algınlığı üzerine alan 150 kişiden oluşan bir örnekte, 117’si (% 78) bir hafta sonra hiçbir belirti göstermedi. Soğuk algınlığı üzerine plasebo alan 120 kişiden oluşan bir örnekte, 90’ın (% 75) bir hafta sonra hiçbir semptomu yoktu. Tablo bu bilgileri özetlemektedir. Standart hata (SE), yazılım kullanmıyorsanız zamandan tasarruf etmek için verilmiştir.
Test: Bir hafta sonra semptomsuz olan tüm çare kullanıcılarının oranının, plasebo kullanıcılarının oranından daha fazla olduğu iddiasını test edin. Bu iddiayı 0,05 anlamlılık düzeyinde test edin.
1. p1’in bir hafta sonra semptomsuz olan tüm ilaç kullanıcılarının oranını ve p2’nin bir hafta sonra semptomsuz olan tüm plasebo kullanıcılarının oranını temsil etmesine izin verin.
2. Denklem (9.4) kullanarak İstatistiği test edin:
Not: Standart hata (SE) tabloda verilmiştir.
3. Boş hipotezle ilgili sonuç nedir ve neden?
4. İddiayla ilgili bir sonuç beyanı yazın.
• Nüfus Verileri Üzerine Bir Önem Testi: Bölüm 9.2’de anlatıldığı gibi, bazen nüfus verilerimiz oluyor ve bir tür önemli fark olup olmadığını belirlemek istiyoruz. Önemli bir fark, rastgele varyasyonun bir sonucu olma olasılığı düşük olandır. Böyle bir testin yürütülmesi, popülasyon verilerimiz olması ve örnek veriler gibi ele alınması dışında önceki testlerle aynıdır. Bir örnekle en iyi şekilde gösterilen bazı küçük ifade farklılıkları da vardır.
• Örnek 2 – Yağmurlu Hafta Sonları: 2012 yazında Acadia Ulusal Parkı’nda hafta içi günlere göre daha büyük oranda hafta sonu günlerinde yağmur yağdı. Burada yağmurlu hafta sonu günlerinin oranının hafta içi günlerden önemli ölçüde daha yüksek olup olmadığını test ediyoruz. Tablo, pˆ’lerin gerçekte popülasyon oranları olduğu bu bilgileri özetlemektedir, ancak biz bunları örnek oranlar gibi ele alıyoruz. Standart hata (SE), yazılım kullanmıyorsanız hesaplama süresinden tasarruf etmek için verilir.
Test: Hafta sonu yağmurlu günlerin oranının,
hafta içi. 0,05 anlamlılık düzeyi kullanın.
1. p1’in tüm hafta sonu yağmurlu günlerin oranı ve p2’nin tüm hafta içi yağmurlu günlerin oranı olmasına izin verirsek, p1> p2 veya p1 – p2> 0 iddiasını test ediyoruz.
2. Denklem (9.4) kullanarak İstatistiği test edin:
Standart hataya sahip olduğumuz için bu hesaplama çok daha kolay.
Burada, p = 0, popülasyon oranlarındaki varsayılmış farkı temsil eder.
3. Aşağıdakilerden herhangi biri nedeniyle H0’ı reddedin.
(a) Kritik Değer Yöntemi: 0.05’i sağ kuyruğa koymak zα = 1.645 verir ve test istatistiği ret bölgesinde bulunur.
(b) P Değeri Yöntemi: z tablosunu kullanarak, z = 1.92’nin sağ kuyruklu P değeri (1 – 0.9726) = 0.0274’tür ve bu, a’dan küçüktür. Yazılım kullanıyorsanız (yuvarlama olmadan), 0,0275’lik bir P değeri elde edersiniz.
4. Sonuç: Veriler, Acadia Milli Parkı’nda 2012 yazında yağmurlu hafta sonu günlerinin oranının hafta içi günlerden önemli ölçüde daha fazla olduğu iddiasını desteklemektedir. Bu, daha büyük oranın yalnızca rastgele varyasyonun bir sonucu olma ihtimalinin düşük olduğu anlamına gelir. P değeri bize bunun ne kadar olası olmadığını söyler. Spesifik olarak, bundan daha büyük bir farkın, yalnızca şans eseri% 2,75 oranında gerçekleşmesi beklenebilir. Bu küçük ama oldukça olası.
Sizin Sıranız: İddiayı 0,01 anlamlılık düzeyinde destekleyebilir misiniz?
