İki Oranı Karşılaştırma Hipotezi Testi

Bu makalede, bir hipotez testiveya iki nüfus oranının farkı için önem testi. Bu, bilinmeyen iki oranı karşılaştırmamıza ve birbirlerine eşit değilse veya biri diğerinden büyükse çıkarımda bulunmamıza olanak tanır.

Hipotez testimizin özelliklerine girmeden önce hipotez testleri çerçevesine bakacağız. Bir önem testinde, bir nüfusun değeriyle ilgili bir ifade olduğunu göstermeye çalışıyoruz. parametre (veya bazen nüfusun kendisinin doğası) doğru olabilir.

Bu ifadeye ilişkin kanıtları, istatistiksel örnek. Bu örnekten bir istatistik hesaplıyoruz. Bu istatistiğin değeri, orijinal ifadenin gerçekliğini belirlemek için kullandığımız değerdir. Bu süreç belirsizlik içerir, ancak bu belirsizliği ölçebiliriz

Bir hipotez testi için genel süreç aşağıdaki listeden verilir:

1. Testimiz için gerekli koşulların sağlandığından emin olun.
2. Açıkça belirtin sıfır ve alternatif hipotezler. Alternatif hipotez, tek taraflı veya iki taraflı bir testi içerebilir. Ayrıca Yunanca alfa harfiyle belirtilecek olan önem düzeyini de belirlemeliyiz.
instagram viewer
3. Test istatistiğini hesaplayın. Kullandığımız istatistiğin türü yaptığımız teste bağlıdır. Hesaplama istatistiksel örneğimize dayanmaktadır.
4. Hesapla p-değeri. Test istatistiği bir p değerine çevrilebilir. P değeri, sıfır hipotezinin doğru olduğu varsayılarak test istatistiğimizin değerini üretme şansının tek başına olasılığıdır. Genel kural, p değeri ne kadar küçük olursa, sıfır hipotezine karşı kanıt o kadar büyük olur.
5. Bir sonuç çıkar. Son olarak, bir eşik değeri olarak seçilmiş olan alfa değerini kullanıyoruz. Karar kuralı, p değeri alfa değerinden küçük veya ona eşitse, sıfır hipotezini reddederiz. Aksi takdirde reddetmek sıfır hipotezi.

Şimdi bir hipotez testinin çerçevesini gördüğümüze göre, iki popülasyon oranının farkı için bir hipotez testinin özelliklerini göreceğiz.

İki nüfus oranının farkı için bir hipotez testi, aşağıdaki koşulların karşılanmasını gerektirir:

• İki tane var basit rastgele örnekler büyük popülasyonlardan. Burada "büyük", popülasyonun numunenin boyutundan en az 20 kat daha büyük olduğu anlamına gelir. Örnek boyutları ile gösterilir n₁ ve n₂.
• Örneklerimizdeki bireyler birbirlerinden bağımsız olarak seçilmiştir. Popülasyonların kendileri de bağımsız olmalıdır.
• Her iki örnekte de en az 10 başarı ve 10 başarısızlık vardır.

Bu koşullar yerine getirildiği sürece hipotez testimize devam edebiliriz.

Şimdi anlamlılık testimiz için hipotezleri dikkate almamız gerekiyor. Sıfır hipotezi, etkisizlik ifademizdir. Bu özel hipotez testinde sıfır hipotezimiz, iki popülasyon oranı arasında fark olmamasıdır. Bunu H olarak yazabiliriz₀: p₁ = p₂.

Alternatif hipotez, test ettiğimiz şeyin özelliklerine bağlı olarak üç olasılıktan biridir:

• 'H_bir: p₁ daha büyüktür p₂. Bu tek kuyruklu veya tek taraflı bir testtir.
• 'H_bir: p₁ daha az p₂. Bu aynı zamanda tek taraflı bir testtir.
• 'H_bir: p₁ eşit değildir p₂. Bu iki kuyruklu veya iki yönlü sınama.

Her zaman olduğu gibi, temkinli olabilmek için, örneğimizi elde etmeden önce aklımızda bir yön yoksa, iki taraflı alternatif hipotezi kullanmalıyız. Bunu yapmanın nedeni, sıfır hipotezini iki taraflı bir testle reddetmenin daha zor olmasıdır.

Üç hipotez, nasıl yapılacağını belirterek yeniden yazılabilir. p₁ - p₂ değeri sıfır ile ilişkilidir. Daha spesifik olmak gerekirse, sıfır hipotezi H olur₀:p₁ - p₂ = 0. Potansiyel alternatif hipotezler şöyle yazılabilir:

• 'H_bir: p₁ - p₂ > 0, "p₁ daha büyüktür p₂."
• 'H_bir: p₁ - p₂ <0 ifadesi "p₁ daha az p₂."
• 'H_bir: p₁ - p₂ ≠ 0, "p₁ eşit değildir p₂."

Bu eşdeğer formülasyon aslında bize sahne arkasında olanlardan biraz daha fazlasını gösteriyor. Bu hipotez testinde yaptığımız şey iki parametreyi çevirmek p₁ ve p₂ tek parametreye p₁ - p_2. Daha sonra bu yeni parametreyi sıfır değerine karşı test ediyoruz.

Test istatistiği için formül yukarıdaki resimde verilmiştir. Her bir terimin açıklaması aşağıdaki gibidir:

• İlk popülasyondaki örneklem büyüklüğe sahiptir n_1. Bu örnekten (yukarıdaki formülde doğrudan görülmeyen) başarıların sayısı k_1.
• İkinci popülasyondan alınan numunenin büyüklüğü n_2. Bu örnekten elde edilen başarı sayısı: k_2.
• Örnek oranları p₁-şapka = k₁ / n₁ ve P₂-hat = k₂ / n₂ .
• Daha sonra bu örneklerin her ikisinden elde edilen başarıları birleştirir veya birleştiririz ve elde ederiz: p-şapka = (k₁ + k₂) / (n₁ + n₂).

Her zaman olduğu gibi, hesaplama yaparken işlem sırasına dikkat edin. Köklerin altındaki her şey karekök almadan önce hesaplanmalıdır.

Bir sonraki adım, test istatistiğimize karşılık gelen p-değerini hesaplamaktır. İstatistiğimiz için standart bir normal dağılım kullanırız ve bir değerler tablosuna başvururuz veya istatistiksel yazılım kullanırız.

P-değeri hesaplamamızın ayrıntıları kullandığımız alternatif hipoteze bağlıdır:

• H için_bir: p₁ - p₂ > 0, normal dağılımın daha büyük olan Z.
• H için_bir: p₁ - p₂ <0, normal dağılımın daha küçük olan oranını hesaplıyoruz. Z.
• H için_bir: p₁ - p₂ ≠ 0, normal dağılımın büyük olan oranını hesaplıyoruz |Z|, mutlak değeri Z. Bundan sonra, iki kuyruklu bir testimiz olduğu gerçeğini hesaba katmak için, oranı iki katına çıkarıyoruz.

Şimdi sıfır hipotezini reddetmek (ve böylece alternatifi kabul etmek) veya sıfır hipotezini reddetmemek konusunda karar veriyoruz. Bu kararı p-değerimizi alfa önem düzeyi ile karşılaştırarak veririz.

• P değeri alfa değerinden küçük veya ona eşitse, sıfır hipotezini reddederiz. Bu, istatistiksel olarak anlamlı bir sonucumuz olduğu ve alternatif hipotezi kabul edeceğimiz anlamına gelir.
• Eğer p değeri alfadan büyükse, sıfır hipotezini reddedemeyiz. Bu, sıfır hipotezinin doğru olduğunu kanıtlamaz. Bunun yerine, sıfır hipotezini reddetmek için yeterince ikna edici kanıt elde etmediğimiz anlamına gelir.

iki nüfus oranının farkı için güven aralığı başarıları bir araya getirmezken, hipotez testi yapar. Bunun nedeni, sıfır hipotezimizin p₁ - p₂ = 0. Güven aralığı bunu kabul etmez. Bazı istatistikçiler bu hipotez testinin başarılarını bir araya getirmez ve bunun yerine yukarıdaki test istatistiklerinin biraz değiştirilmiş bir versiyonunu kullanırlar.