此处解释了检验有关总体均值的假设的完整过程。
估计总体均值需要样本呈正态分布。数据应从随机选择的样本中收集,没有抽样偏差。样本量需要高于 30,最重要的是,总体标准差应该已经已知。
在大多数现实情况下,总体标准差通常是未知的,但在极少数情况下,当它已知时,可以使用正态性假设和 z 分布轻松检验有关总体平均值的声明。
假设(null 和 alternatives)应该清楚地陈述,然后用象征性的方式表达。原假设是一个中性陈述,表明总体均值等于某个确定值。备择假设可以基于假设中声明的平均值,但带有不等式符号。右尾、左尾或双尾假设检验可以根据备择假设中使用的符号来决定。
由于该方法需要正态分布,因此使用 z 分布 (z 表) 计算临界值。它是在所需的置信水平(最常见的是 95% 或 99%)下计算的。根据传统方法,将从样本数据计算的 z 统计量与 z 分数进行比较。P 值是根据 P 值方法根据数据计算的。这两种方法都有助于得出假设检验的结论。
暴露于不同的光波长可能会影响斑马鱼的产卵率。
因此,进行了一项实验,将一组 50 条斑马鱼暴露在蓝光下,并将它们的产卵率与具有相同样本量的对照组进行比较。
为了检验该说法,我们从原假设开始,即暴露组和对照组的平均产卵率相同,以及蓝光增加平均产卵率的替代假设。
实验表明,暴露组的平均产卵率为每条鱼 550 条,而对照组为 250 条。
根据这些数据计算检验统计量需要事先了解总体标准差,即 146,从以前的研究中得知。
使用这些数据,我们可以计算 z 统计量,并观察到它落在显著性水平为 0.05 的关键区域。
此外,此 z 统计量的 P 值小于 0.05,得出结论,蓝光提高了斑马鱼的产卵率。
Related Videos
Hypothesis Testing
11.0K 浏览
Hypothesis Testing
8.2K 浏览
Hypothesis Testing
11.9K 浏览
Hypothesis Testing
6.9K 浏览
Hypothesis Testing
26.4K 浏览
Hypothesis Testing
5.4K 浏览
Hypothesis Testing
4.0K 浏览
Hypothesis Testing
27.9K 浏览
Hypothesis Testing
4.2K 浏览
Hypothesis Testing
3.3K 浏览
Hypothesis Testing
2.7K 浏览
Hypothesis Testing
3.5K 浏览
Hypothesis Testing
2.5K 浏览