R语言 已知方差的群体均值的上尾检验中的第二类错误
传统上,在上尾检验中,无效假设指出真实的群体平均值(μo )小于假设的平均值(μ)。如果在选定的显著性水平下,测试统计量小于临界值,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平均值的上尾检验的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,即使真实的群体均值μo 大于假设的均值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.种群所有可能样本的样本均值近似于正态分布。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。
让我们尝试通过考虑一个案例研究来理解II型错误。
假设数据标签公司表示,任何一页上的标记标签的错误都少于2个。假设每页的实际平均错误量为2.12,而群体标准差为0.2。在0.05的显著性水平下,对于40页的样本量,出现II型错误的概率是多少?
例子
让我们先计算一下平均值的标准误差,如图所示
n = 40 # sample size
sigma = 0.2 # population standard deviation
sem = sigma/sqrt(n);
sem # standard error
输出
0.03162277
然后,计算无效假设μo ≤ 2不会被拒绝的样本平均值的上限。
alpha = .05 # significance level
mu0 = 2 # hypothetical upper bound
q = qnorm(alpha, mean=mu0, sd=sem,
lower.tail=FALSE);
q
输出
2.0520148
上限值表示,只要假设检验中的样本平均数小于2.0520,就不会拒绝无效假设。由于我们假设实际的人口平均数是2.12,我们可以计算出样本平均数低于2.0520的概率,从而找出第二类错误的概率。
mu = 2.12 # assumed actual mean
pnorm(q, mean=mu, sd=sem)
输出
0.015782371207159
如果样本量为40,每页的实际平均错误量为2.12,群体标准差为0.2,那么在0.05的显著性水平下,检验无效假设μ≤2的II型错误概率为1.57%,假设检验的力量为98.43%。