အစားထိုးယူဆချက်

အားဖြင့် Benjamin Anderson ဩဂုတ် 3, 2023 စာရင်းအင်းများ 0 မှတ်ချက်များ

ဤဆောင်းပါးသည် ကိန်းဂဏန်းစာရင်းဇယားတွင် အစားထိုးယူဆချက်တစ်ခုဖြစ်ကြောင်း ရှင်းပြထားသည်။ ၎င်းသည် အခြားယူဆချက်များ၏နမူနာများနှင့် အခြားယူဆချက်သည် null hypothesis နှင့် မည်သို့ကွာခြားသည်ကိုပြသသည်။

အစားထိုးယူဆချက်ဆိုသည်မှာ အဘယ်နည်း။

စာရင်းဇယားများတွင်၊ အခြားယူဆချက် တစ်ခု (သို့မဟုတ် အခြားယူဆချက် ) သည် သီအိုရီစမ်းသပ်မှုတစ်ခုတွင် အဆိုပြုထားသည့် ယူဆချက်တစ်ခုဖြစ်သည်။ ပို၍တိကျသည်မှာ၊ အစားထိုးယူဆချက်သည် အမှန်ဖြစ်ကြောင်း သက်သေပြလိုသော သုတေသနပြုချက်ဖြစ်သည်။

တစ်နည်းဆိုရသော် အစားထိုးယူဆချက်သည် သုတေသီ၏ ယူဆချက်တစ်ခုဖြစ်ပြီး ၎င်းသည် မှန်ကြောင်းသက်သေပြရန် ကြိုးပမ်းရာတွင် ကိန်းဂဏန်းဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုကို ဆောင်ရွက်မည်ဖြစ်သည်။ ထို့ကြောင့်၊ သီအိုရီစမ်းသပ်မှု၏အဆုံးတွင်၊ ရရှိလာသောရလဒ်ပေါ်မူတည်၍ အခြားယူဆချက်အား လက်ခံမည် သို့မဟုတ် ငြင်းပယ်မည်ဖြစ်သည်။

အခြားယူဆချက်အတွက် သင်္ကေတ သို့မဟုတ် အတိုကောက်သည် H ₁ ဖြစ်သည်။

$H_1:\text{Hip\'otesis alternativa}$

ထို့ကြောင့် အခြားယူဆချက်သည် ကိန်းဂဏန်းလေ့လာမှုကို လုပ်ဆောင်သည့်အခါ သုတေသီမှ ငြင်းပယ်ရန် ရည်ရွယ်ထားသည့် အစားထိုးယူဆချက်နှင့် ဆန့်ကျင်ဘက်ဖြစ်သော အယူအဆဖြစ်သည်။ အောက်တွင် ကျွန်ုပ်တို့သည် null hypothesis နှင့် အခြားရွေးချယ်စရာများကြား ခြားနားချက်အကြောင်းကို အသေးစိတ်ဖော်ပြပါမည်။

အစားထိုးယူဆချက်တစ်ခု၏ ဥပမာ

ယခု ကျွန်ုပ်တို့သည် အခြားသီအိုရီ၏ အဓိပ္ပါယ်ဖွင့်ဆိုချက်ကို သိရှိပြီး၊ ၎င်း၏အဓိပ္ပာယ်ကို ပိုမိုနားလည်ရန် ဤစာရင်းအင်းဆိုင်ရာ အယူအဆ၏ ဥပမာတစ်ခုကို လေ့လာကြည့်ကြပါစို့။

ဥပမာအားဖြင့်၊ ကိန်းဂဏန်းဆိုင်ရာ စုံစမ်းစစ်ဆေးမှုတစ်ခုတွင် အချို့သောစက်မှထုတ်လုပ်သည့်အစိတ်အပိုင်းတစ်ခုသည် ပျမ်းမျှအရှည် 25 စင်တီမီတာရှိကြောင်း သက်သေပြလိုပါက၊ အခြားယူဆချက်မှာ ယင်းအစိတ်အပိုင်း၏ပျမ်းမျှအရှည်မှာ 25 စင်တီမီတာဖြစ်သည်ကို သက်သေပြလိုမည်ဖြစ်သည်။

$H_1: \mu = 25 \text{ cm}$

အတိုချုပ်အားဖြင့်၊ အစားထိုးယူဆချက်သည် ကိန်းဂဏန်းဆိုင်ရာလေ့လာမှုတစ်ခုပြုလုပ်ခြင်းဖြင့် ကျွန်ုပ်တို့စမ်းသပ်လိုသောယူဆချက်ဖြစ်သည်။

Alternative hypothesis နှင့် null hypothesis

null hypothesis သည် အခြား hypothesis နှင့် ဆန့်ကျင်ဘက် hypothesis ဖြစ်ပြီး၊ ဆိုလိုသည်မှာ null hypothesis သည် hypothesis test တစ်ခုတွင် ကျွန်ုပ်တို့ ငြင်းပယ်လိုသော ယူဆချက်ဖြစ်သည်။ null hypothesis ကို H ₀ သင်္ကေတဖြင့် ကိုယ်စားပြုသည်။

ထို့ကြောင့် အခြားယူဆချက်နှင့် null hypothesis အကြား ခြားနားချက် မှာ ကျွန်ုပ်တို့သည် သီအိုရီစမ်းသပ်မှုတစ်ခုကို ပြုလုပ်သောအခါ၊ ကျွန်ုပ်တို့သည် အခြားယူဆချက်သည် မှန်ကြောင်း သက်သေပြလိုပြီး null hypothesis သည် မှားယွင်းကြောင်း သက်သေပြလိုပါသည်။

ယခင်နမူနာပြီးနောက်၊ အချို့သောစက်မှထုတ်လုပ်သည့်အစိတ်အပိုင်းတစ်ခုသည် ပျမ်းမျှအရှည် 25 စင်တီမီတာရှိကြောင်း ကိန်းဂဏန်းဆိုင်ရာ စုံစမ်းစစ်ဆေးမှုတစ်ခုမှ အတည်ပြုရန်ကြိုးပမ်းပါက၊ null hypothesis သည် အဆိုပါအပိုင်း၏ပျမ်းမျှအရှည်သည် 25 cm နှင့် ကွဲပြားနေမည်ဖြစ်သည်။ ယူဆချက်မှာ အခန်း၏ ပျမ်းမျှအလျားသည် 25 စင်တီမီတာနှင့် ညီမျှသည် ။

$\begin{array}{c}H_0: \mu \neq 25 \text{ cm}\\[2ex]H_1: \mu =25 \text{ cm}\end{array}$

လက်တွေ့တွင်၊ ဒေတာနမူနာတစ်ခု၏ စာရင်းအင်းစစ်ဆေးမှုဖြင့် အတည်ပြုရန် ရည်ရွယ်ထားသည့် သီအိုရီဖြစ်သောကြောင့် အစားထိုးယူဆချက်အား null hypothesis မတိုင်မီ ပုံဖော်ထားသည်။ null hypothesis သည် အစားထိုးယူဆချက်နှင့် ကွဲလွဲမှုမှ ဖြစ်ပေါ်လာသည်။

➤ ကြည့်ပါ- null hypothesis ဆိုတာ ဘာလဲ။

အစားထိုးယူဆချက်နှင့် p-တန်ဖိုး

နောက်ဆုံးတွင်၊ p-value နှင့် အခြား သီအိုရီများကြား ဆက်စပ်မှုကို ကျွန်ုပ်တို့တွေ့မြင်ရမည်ဖြစ်ပြီး ၎င်းတို့သည် ဆက်စပ်ကိန်းဂဏန်းဆိုင်ရာ အယူအဆနှစ်ခုဖြစ်ကြောင်း သီအိုရီစမ်းသပ်ခြင်းတွင် မကြာခဏအသုံးပြုကြသည်။

p-value ဟုခေါ်သော p-value သည် 0 နှင့် 1 ကြားရှိတန်ဖိုးတစ်ခုဖြစ်ပြီး သတိပြုမိသောကွာခြားချက်သည် အခွင့်အလမ်းကြောင့်ဖြစ်နိုင်ခြေကိုညွှန်ပြသည်။ ထို့ကြောင့် p-value သည် ရလဒ်တစ်ခု၏ အရေးပါမှုကို ညွှန်ပြပြီး အခြားယူဆချက်အား လက်ခံခြင်း သို့မဟုတ် ငြင်းပယ်ခြင်းရှိမရှိ ဆုံးဖြတ်ရန် အသုံးပြုသည်။

အထူးသဖြင့် p-value နှင့် အရေးပါမှုအဆင့် ကြားရှိ ဆက်နွယ်မှုအပေါ် အခြေခံ၍ အခြားယူဆချက်အား လက်ခံသည် သို့မဟုတ် ငြင်းပယ်သည် :

p-value သည် အရေးပါမှုအဆင့်အောက်တွင် ရှိနေပါက၊ အခြားယူဆချက်အား လက်ခံပါသည်။
p-value သည် အရေးပါမှုအဆင့်ထက် ကြီးပါက၊ အခြားယူဆချက်အား ပယ်ချပါသည်။

အစားထိုးယူဆချက်အား လက်ခံခြင်းသည် null hypothesis ကို ငြင်းပယ်ခြင်း ဖြစ်သည်၊ ထို့ကြောင့် ကနဦး သုတေသနပြုချက်အား အတည်ပြုကြောင်း မှတ်သားထားပါ။ သို့ရာတွင်၊ အစားထိုးယူဆချက်အား ငြင်းပယ်ခြင်းသည် null hypothesis ကိုလက်ခံခြင်းဖြစ်သည်၊ ထို့ကြောင့် ကနဦးယူဆချက်သည် အမှန်ဖြစ်ကြောင်း အထောက်အထားမရှိပါ။

ထို့အပြင်၊ ကိန်းဂဏန်းလေ့လာမှုတစ်ခုတွင် ကောက်ချက်ဆွဲထားသော ကောက်ချက်များသည် မှားယွင်းနေနိုင်သည်၊ အဘယ်ကြောင့်ဆိုသော် သီအိုရီကိုစမ်းသပ်ရာတွင် ယူဆချက်တစ်ခုအား ရွေးချယ်သော ယုံကြည်မှုအဆင့် ပေါ်မူတည်၍ လက်ခံသည် သို့မဟုတ် ပယ်ချခြင်းဖြစ်သောကြောင့် သတိပြုသင့်သည်။

စာရေးသူအကြောင်း

Benjamin Anderson

မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။