একটি নমুনা টি-টেস্টে, ভেরিয়েন্স অনুমানকারীতে যদি নমুনাটির অর্থ


10

একটি এক নমুনা t-test এর, যেখানে নাল হাইপোথিসিস অনুমান । পরিসংখ্যানটি তখন t = ¯ x - μ 0 হয়μ=μ0 নমুনা স্ট্যানডার্ড ডেভিয়েশন ব্যবহারগুলি। প্রাক্কলনেগুলি, এক নমুনা পর্যবেক্ষণ তুলনা গড়¯এক্স:t=x¯μ0s/nssx¯

s=1n1i=1n(xix¯)2

যাইহোক, যদি আমরা ধরে নিই একটি প্রদত্ত সত্য হতে পারে, এক এছাড়াও স্ট্যানডার্ড ডেভিয়েশন অনুমান পারে গুলি * ব্যবহার μ 0 নমুনা পরিবর্তে গড় ¯ এক্স :μ0sμ0x¯

s=1n1i=1n(xiμ0)2

আমার কাছে, এই পদ্ধতিটি আরও প্রাকৃতিক দেখায় যেহেতু আমরা ফলস্বরূপ নকল অনুমানটি এসডি অনুমানের জন্যও ব্যবহার করি। ফলাফলের পরিসংখ্যান কোনও পরীক্ষায় ব্যবহৃত হয় কিনা বা কেউ জানে, কেন নয়?


s2=1n(xiμ0)2σ2x¯μ0s/n

উত্তর:


6

এই পোস্টে মূল সিমুলেশন নিয়ে একটি সমস্যা ছিল, যা এখন আশা করা যায় যে এটি ঠিক হয়ে গেছে।

μ0s/n

x¯μ

এর অর্থ পরীক্ষার আর শূন্যের অধীনে টি-বিতরণ নেই। এটি মারাত্মক ত্রুটি নয়, তবে এর অর্থ আপনি কেবল সারণী ব্যবহার করতে পারবেন না এবং আপনি যে তাত্পর্যটি চান তা অর্জন করতে পারবেন না (যেমনটি আমরা এক মিনিটের মধ্যে দেখতে পাব)। অর্থাৎ, পরীক্ষাটি রক্ষণশীল হয়ে যায় এবং এটি ক্ষমতাকে প্রভাবিত করে।

এন বড় হওয়ার সাথে সাথে এই নির্ভরতা কোনও সমস্যার চেয়ে কম হয়ে যায় (কমপক্ষে নয় কারণ আপনি সংখ্যার জন্য সিএলটি আবেদন করতে পারেন এবং পরিবর্তিত পরিসংখ্যানগুলির জন্য একটি অ্যাসিম্পটোটিক সাধারণ বিতরণ আছে তার চেয়ে স্লটস্কির উপপাদ্যটি ব্যবহার করতে পারেন)।

μ0sn=10

এন = 10

এখানে চিত্র বর্ণনা লিখুন

আপনি দেখতে পাবেন যে পাওয়ার বক্ররেখা কম (এটি নিম্ন নমুনার আকারে আরও খারাপ হয়ে যায়), তবে এটির বেশিরভাগ অংশটি মনে হয় কারণ অংকের এবং ডিনোমিনেটরের মধ্যে নির্ভরতা তাত্পর্য স্তরটিকে কমিয়ে দিয়েছে। আপনি যদি সমালোচনামূলক মানগুলি যথাযথভাবে সমন্বয় করেন তবে n = 10 এও তাদের মধ্যে সামান্য কিছু থাকবে।

n=30

এন = 30

এখানে চিত্র বর্ণনা লিখুন

এটি প্রস্তাব দেয় যে অ-ক্ষুদ্র নমুনার আকারগুলিতে যতক্ষণ না খুব ক্ষুদ্র তাত্পর্যপূর্ণ স্তরগুলি ব্যবহার করার প্রয়োজন হয় না, ততক্ষণ তাদের মধ্যে এতটা কিছু নেই।


আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.