Come eseguire un test binomiale in r
Un test binomiale confronta una proporzione campionaria con una proporzione ipotetica. Il test si basa sulle seguenti ipotesi nulle e alternative:
H 0 : π = p (la proporzione della popolazione π è uguale a un valore p)
H A : π ≠ p (la proporzione della popolazione π non è uguale a un certo valore p)
Il test può anche essere eseguito con un’alternativa unilaterale secondo cui la percentuale reale della popolazione è maggiore o minore di un determinato valore p.
Per eseguire un test binomiale in R, è possibile utilizzare la seguente funzione:
binom.test(x, n, p)
Oro:
- x: numero di successi
- n: numero di prove
- p: probabilità di successo in una determinata prova
Gli esempi seguenti illustrano come utilizzare questa funzione in R per eseguire test binomiali.
Esempio 1: test binomiale a due code
Vuoi determinare se un dado si ferma o meno sul numero “3” per 1/6 dei tiri, quindi lanci il dado 24 volte e si ferma su “3” per un totale di 9 volte. Esegui un test binomiale per determinare se il dado si ferma effettivamente su “3” in un sesto dei tiri.
#perform two-tailed Binomial test binom.test(9, 24, 1/6) #output Exact binomial test date: 9 and 24 number of successes = 9, number of trials = 24, p-value = 0.01176 alternative hypothesis: true probability of success is not equal to 0.1666667 95 percent confidence interval: 0.1879929 0.5940636 sample estimates: probability of success 0.375
Il valore p del test è 0,01176 . Poiché questo è inferiore a 0,05, possiamo rifiutare l’ipotesi nulla e concludere che esiste prova che il dado non raggiunge il numero “3” su 1/6 dei lanci.
Esempio 2: test binomiale sinistro
Vuoi determinare se una moneta ha meno probabilità di ottenere testa che croce. Quindi lanci la moneta 30 volte e scopri che esce testa solo 11 volte. Esegui un test binomiale per determinare se la moneta ha effettivamente meno probabilità di dare testa che croce.
#perform left-tailed Binomial test binom.test(11, 30, 0.5, alternative="less") #output Exact binomial test date: 11 and 30 number of successes = 11, number of trials = 30, p-value = 0.1002 alternative hypothesis: true probability of success is less than 0.5 95 percent confidence interval: 0.0000000 0.5330863 sample estimates: probability of success 0.3666667
Il valore p del test è 0,1002 . Poiché questo valore non è inferiore a 0,05, non possiamo rifiutare l’ipotesi nulla. Non abbiamo prove sufficienti per affermare che la moneta ha meno probabilità di dare testa che croce.
Esempio 3: test binomiale della coda destra
Un negozio produce widget con un’efficienza dell’80%. Stanno implementando un nuovo sistema che sperano possa migliorare il tasso di efficienza. Selezionano casualmente 50 widget dalla produzione recente e notano che 46 di essi sono efficaci. Eseguire un test binomiale per determinare se il nuovo sistema porta ad una maggiore efficienza.
#perform right-tailed Binomial test binom.test(46, 50, 0.8, alternative="greater") #output Exact binomial test date: 46 and 50 number of successes = 46, number of trials = 50, p-value = 0.0185 alternative hypothesis: true probability of success is greater than 0.8 95 percent confidence interval: 0.8262088 1.0000000 sample estimates: probability of success 0.92
Il valore p del test è 0,0185 . Poiché questo è inferiore a 0,05, rifiutiamo l’ipotesi nulla. Abbiamo prove sufficienti per affermare che il nuovo sistema produce widget efficaci a un tasso superiore all’80%.