آزمون خطای استاندارد میانگین: تفاوت میان نسخهها
محتوای حذفشده محتوای افزودهشده
بدون خلاصۀ ویرایش برچسب: متن دارای ویکیمتن نامتناظر |
جز اضافه کردن لینک بیشتر برچسب: متن دارای ویکیمتن نامتناظر |
||
خط ۱:
[[پرونده:Null-hypothesis-reigon-fa.png||بندانگشتی]]
'''آزمون Z''' نوعی آزمون آماری است که توزیع آمارهی آزمون تحت فرضیهی صفر میتواند به صورت یک توزیع نرمال تخمین زدهشود. به علت
اگر ''T'' یک آماره باشد که تحت فرض صفر به صورت تقریبی از توزیع نرمال پیروی کند، قدم بعدی برای انجام دادن آزمون ''Z'' محاسبهی امید ریاضی ''T'' است. فرض کنید مقدار آن θ باشد. در این صورت اگر [[انحراف معیار]] ''T'' را نیز حساب کنیم و آنرا ''s'' بنامیم، عدد ''Z'' بهدست آمده برابر <math> Z = \frac{(T - \theta)}{s} </math> خواهد بود که با استفاده از این عدد میتوانیم [[پی-مقدار]] یکطرفه یا دوطرفه را حساب کنیم. این مقدار برای آزمون یکطرفه برابر <math> \Phi(Z) </math> برای سمت راست یا <math> \Phi(-Z) </math> برای سمت چپ است. در آزمون دوطرفه نیز این مقدار برابر <math> 2\Phi(|Z|) </math> است که <math> \Phi </math> همان تابع استاندارد توزیع تجمعی نرمال است.
== شرایط ==
برای اینکه آزمون ''Z'' قابل اعمال روی دادهها باشد باید در شرایطی صدق کنند:
* پارامترهای [[:en:Nuisance parameter|Nuisance]] باید مشخص باشد یا با دقت بالایی تخمین زدهشود (یکی از مثالهای این پارمتر [[انحراف معیار]] است). آزمون ''Z'' فقط روی یک پارمتر تمرکز دارد و تمام پارمترهای نامشخص را به صورت ثابت در مقدار واقعی [و نا مشخص] آنها فرض میکند.
* آمارهی آزمون باید از توزیع نرمال پیروی کند. بعضیها ممکن است با
== مثال ==
فرض کنید که در یک منطقهی جغرافیایی میانگین و [[انحراف معیار]] نمرات یک امتحان به ترتیب ۱۰۰ نمره و ۱۲ نمره باشد. میخواهیم نمرات ۵۵ دانشآموز را در مدرسهای بررسی کنیم. میانگین نمرات این دانشآموزان ۹۶ است. حال سوال این است که آیا میانگین این دانشآموزان به صورت معنا داری پایینتر از دانشآموزان منطقه است یا خیر.
یا به عبارتی دیگر آیا میانگین نمرات این دانشآموزان به صورت شگفت انگیزی پایینتر از دانشآموزان منطقه است یا خیر.
خط ۱۹:
:<math>\mathrm{SE} = \frac{\sigma}{\sqrt n} = \frac{12}{\sqrt{55}} = \frac{12}{7.42} = 1.62 \,\!</math>
که <math>{\sigma}</math> [[انحراف معیار]] جمعیت است.
سپس باید مقدار ''Z'' را حساب کنیم که برابر است با اختلاف میانگین نمونهها و جمعیت تقسیم بر خطای استاندارد میانگین:
خط ۲۵:
:<math>Z = \frac{M - \mu}{\mathrm{SE}} = \frac{96 - 100}{1.62} = -2.47 \,\!</math>
در این مثال فرض کردیم که [[واریانس]] نمونهها و جمعیت مشخص است، که این فرض در صورتی که از تمام دانشآموزان منطقه امتحان را بگیریم فرض درستی است. وقتی که پارامترهای جمعیت نامشخص باشند باید از آزمون t استفاده کرد.
میانگین مدرسه برابر ۹۶ است که ۲/۴۷- تا واحد [[انحراف معیار]] استاندارد از میانگین جمعیت (که برابر با ۱۰۰ است) دورتر است. حال اگر این مقدار را در جدول مقادیر توزیع نرمال استاندارد (توزیع نرمالی با میانگین ۰ و [[انحراف معیار]] ۱) جستوجو کنیم، احتمال اینکه عدد ۲/۴۷- یا کمتر را مشاهده کنیم تقریباً برابر ۰/۰۰۶۸ = ۰/۴۹۳۲ - ۰/۵ است. این [[پی-مقدار]] یکطرفه برای فرضیهی صفر "۵۵ دانشآموز این مدرسه در امتحان میانگین نمره یکسانی با دانشآموزان منطقه دارند" است. همچنین [[پی-مقدار]] دوطرفهی آن نیز برابر ۰/۰۱۴ (دو برابر [[پی-مقدار]] یکطرفه) است.
به عبارتی دیگر به احتمال ۰/۹۸۶ یک نمونهگیری تصادفی ۵۵ تایی از دانشآموزان میانگینی خواهند داشت که داخل بازهی ۴ [[انحراف معیار]] از میانگین جمعیت است. یعنی با اطمینان ۹۸/۶٪ ما فرضیهی صفر را رد میکنیم (چون میانگینی که بهدست آوردیم فقط به احتمال ۰/۰۱۴ به وقوع میپیوندد)
== استفادههای دیگر آزمون ''Z'' ==
|