R语言 已知方差的群体均值的下尾检验中的第二类错误
传统上,在下尾检验中,无效假设指出真实的群体平均值(μo)大于假设的平均值(μ)。如果在选定的显著性水平上,测试统计量大于临界值,我们就不能拒绝无效假设。在这篇文章中,让我们讨论一下已知方差的群体均值的下尾测试的II型错误的概率百分比。
第二类错误是指,如果基于随机样本的假设检验未能拒绝无效假设,即使真实的群体平均数μo小于假设的平均值μ,也会出现这种错误。
这里的假设是人口方差σ2是已知的。从中心极限定理(CLT)来看,种群。一个种群的所有可能样本的样本均值近似地遵循正态分布。基于这一事实,我们可以计算出可能发生II型错误的样本均值范围,并得到II型错误的概率估计。
让我们通过考虑一个案例研究来尝试理解II型错误
假设制造商声称轮胎的平均寿命超过10,000公里。假设轮胎的实际平均寿命为9950公里,群体标准差为120公里。在0.05的显著性水平下,对于30个轮胎的样本量,出现II型错误的概率是多少?
例子
让我们先来计算一下平均值的标准误差,如图所示
# sample size
no_of_samples = 30
# population standard deviation
pop_standard_dev = 120
# standard error
std_error = pop_standard_dev/sqrt(no_of_samples);
std_error
输出
21.9089023002
然后,计算无效假设μo>=10000不会被拒绝的样本平均值的下限。
# significance level
alpha = .05
# sample mean
m0 = 10000
# upper bound
upper_bound = qnorm(alpha, mean=m0,
sd=std_error);
upper_bound
输出
9963.96
上限值表示,在假设检验中,只要样本平均值大于9964,就不会拒绝无效假设。现在,计算样本平均数大于9950的概率,因为我们已经选择了群体平均数为9950。这将有助于我们计算出第二类错误的概率。
population_mean = 9950
pnorm(upper_bound, mean=population_mean,
sd=std_error,
lower.tail=FALSE)
输出
0.2619
如果轮胎样本数为30,轮胎实际平均寿命为9950小时,群体标准差为120公里,那么在0.05的显著性水平下,检验无效假设μ≥10000公里的II型错误概率为26.2%,假设检验的力量为73.8%。