假设测试计算器


左尾假设检验




















这个假设测试计算器确定替代假设是否为真。 基于是否为真决定我们是否接受或拒绝该假设。 我们接受真假设,拒绝错误假设。

零假设是要求的假设,我们将对其进行测试。

备选假设是我们实际上相信是真实的假设。

例如,假设一家公司声称它每年平均只收到20个消费者投诉。 然而,我们认为,它很可能收到更多。在这种情况下,零假设是公司声称的假设,平均投诉是20。 另一种假设是,平均投诉大于20,这是我们怀疑的。 因此,当我们做测试时,我们看到哪个假设实际上是真的,零假设或替代假设(我们相信它)。

您选择的显着性水平将决定拒绝区域的面积的宽度。 显着性水平表示正常标准曲线的总排斥面积。 因此,如果您选择以1%的显着性水平进行计算, 则您选择的是正常标准分布,其拒收面积为总100%的1%。 如果选择显着性水平为5%,则将拒收面积增加到100%的5%。 如果选择显着性水平为20%, 则将标准正常曲线的拒收面积增加到100%的20%。 你越增加显着性水平,拒绝的面积就越大。 这意味着,假设将被拒绝的机会较大,并且接受假设的机会较小,因为非拒斥区域减小。 因此,显着性水平越大,非拒斥区域越小或越窄。 显着性水平越小,非拒斥区域越大。

有3种类型的假设检验,我们可以做。

有左尾,右尾和两尾假设检验。

左尾

左尾假说测试如下所示:

左尾假设检验

我们使用左尾假设检验来看z分数是否高于显着性水平截止点,在这种情况下,我们接受零假设为真。

左尾方法,就像右尾,有一个截止点。 您选择的显着性水平决定了这个截止点。 在左尾方法中低于该截止值的任何值表示排斥面积。 这意味着如果我们获得低于截止点的z分数,则z分数将在拒绝区域中。 这意味着假设是假的。 如果z分数高于截止点,这意味着它在非拒斥区域,并且我们接受该假设为真。

如果我们想要确定样本均值是否小于假设均值,则使用左尾方法。例如,假设假设平均值为40,000, 代表卫生工作者的平均工资,我们要确定这个工资在过去几年是否在下降。这意味着我们想看看样本均值是否小于40,000的假设均值。这是一个经典的左尾假设检验, 其中样本均值小于零假设。如果z分数低于显着性水平截止点,这意味着我们拒绝该假设,因为假设比真实平均值高得多。因此,这是假的,我们拒绝该假设。在这种情况下, 替代假设是真实的。如果z分数高于显着性水平截止点, 这意味着我们接受零假设,并拒绝表示其更少的替代假设,因为真实平均值实际上大于假设平均值。

右尾

右尾假设检验如下图所示:

右尾假设检验

我们使用右尾假设检验来查看z分数是否低于显着性水平截止点,在这种情况下,我们接受零假设为真。

右尾方法,就像左尾,有一个截止点。 您选择的显着性水平决定了这个截止点。 在右尾方法中高于此截止值的任何值表示排除面积。 这意味着如果我们获得高于截止点的z分数,则z分数将在拒绝区域中。 这意味着零假设声明是假的。 如果z分数低于截止点,这意味着它在非拒斥区域,并且我们接受该假设为真。

如果我们想要确定样本均值是否大于假设均值,则使用右尾方法。例如,假设一家公司声称它每年有400个工人事故。这意味着零假设是400.然而,我们怀疑是有比这更多的事故。因此,我们想要确定这一数量的事故是否大于索赔的数量。这意味着我们想要看看样本均值是否大于400的假设均值。这是一个经典的右尾假设检验,其中样本均值大于零假设。这是替代假设。零假设是平均每年400个工人事故。另一个假设是,平均每年大于400起事故。如果计算的z分数高于显着性水平截止点,这意味着我们拒绝零假设并接受替代假设,因为假设平均值远低于真实平均值。因此,它是假的,替代假说是真实的。这意味着,每年真的有400多个工人事故,公司的索赔是不准确的。如果z分数低于显着性水平截止点,这意味着我们接受零假设,并拒绝表示更多的替代假设,因为实际平均值实际上小于假设平均值。这真的意味着每年少于400个工人事故,公司的索赔是正确的。

两尾

两尾假设检验如下所示:

两尾假设检验

我们使用两尾法来观察实际样本均值是否不等于假设均值中所要求的均值。

因此,如果假设均值被声称为100.替代假设可以声称样本均值不是100。

两尾法有2个截止点。 您选择的显着性水平决定了这些截止点。 如果选择1%的显着性水平,则正常曲线的2个端点将各自包括0.5%以组成完整的1%显着性水平。 如果选择5%的显着性水平,则正常曲线的2个端部将各自包括2.5%以组成端部。

如果计算的z分数在2个端点之间,则接受零假设并拒绝备选假设。 这是因为z分数将在非拒收区域中。 如果z分数超出此范围, 则我们拒绝零假设并接受替代,因为它在范围之外。 因此,样本均值实际上不同于零假设均值,其是所要求的均值。

要使用此计算器,用户选择零假设平均值(要求保护的平均值),样本均值,标准偏差,样本大小和显着性水平,然后单击“计算”按钮。 结果答案将自动计算并显示如下,并解释答案。

假设检验可用于任何类型的科学,以显示我们是否拒绝或接受基于定量计算的假设。 即使在电子的某些领域,它可能是有用的。