Hypothesis testing နိဒါန်း

Statistical hypothesis သည် လူဦးရေ ကန့်သတ်ချက် နှင့် ပတ်သက်သော ယူဆချက် တစ်ခု ဖြစ်သည်။

ဥပမာအားဖြင့်၊ အမေရိကန်ပြည်ထောင်စုရှိ အမျိုးသားတစ်ဦး၏ ပျမ်းမျှအရပ်သည် လက်မ 70 ဖြစ်သည်ဟု ကျွန်ုပ်တို့ ယူဆနိုင်သည်။

အရပ်နှင့်ပတ်သက်သော ယူဆချက်မှာ ကိန်းဂဏန်းဆိုင်ရာ အယူအဆ ဖြစ်ပြီး အမေရိကန်ပြည်ထောင်စုရှိ အမျိုးသားတစ်ဦး၏ ပျမ်းမျှအရပ်သည် လူဦးရေကန့်သတ်ချက် ဖြစ်သည်။

သီအိုရီစစ်ဆေးမှု သည် ကိန်းဂဏန်းဆိုင်ရာ ယူဆချက်တစ်ခုကို ငြင်းပယ်ရန် သို့မဟုတ် ပျက်ကွက်ရန် ကျွန်ုပ်တို့အသုံးပြုသည့် တရားဝင်စာရင်းအင်းဆိုင်ရာ စမ်းသပ်မှုတစ်ခုဖြစ်သည်။

စာရင်းအင်းဆိုင်ရာ ယူဆချက် နှစ်မျိုး

လူဦးရေကန့်သတ်ချက်နှင့်ပတ်သက်သော ကိန်းဂဏန်းဆိုင်ရာ ယူဆချက်တစ်ခု မှန်ကန်ခြင်းရှိ၊ မရှိ စမ်းသပ်ရန်၊ ကျွန်ုပ်တို့သည် လူဦးရေထံမှ ကျပန်းနမူနာကို ရယူပြီး နမူနာဒေတာတွင် သီအိုရီစမ်းသပ်မှုကို လုပ်ဆောင်ပါသည်။

ကိန်းဂဏန်းဆိုင်ရာ ယူဆချက် နှစ်မျိုးရှိသည်။

_H0 ကိုရည်ညွှန်းသည့် null hypothesis သည် နမူနာဒေတာသည် အခွင့်အလမ်းတစ်ခုတည်းမှ လာသည်ဟု ယူဆချက်ဖြစ်သည်။

_H1 သို့မဟုတ် _Ha ကို ရည်ညွှန်းသည့် အခြားယူဆချက်မှာ နမူနာဒေတာသည် ကျပန်းမဟုတ်သော အကြောင်းတရားကြောင့် လွှမ်းမိုးထားကြောင်း ယူဆချက်ဖြစ်သည်။

ယူဆချက် စမ်းသပ်ခြင်း။

စမ်းသပ်မှု တစ်ခုတွင် အဆင့်ငါးဆင့်ပါဝင်သည်-

1. ယူဆချက်များကိုဖော်ပြပါ။

null နှင့် အစားထိုးယူဆချက်များအား ဖော်ပြပါ။ ဤယူဆချက်နှစ်ခုသည် အပြန်အလှန်သီးသန့်ဖြစ်ရမည်၊ ထို့ကြောင့် တစ်ခုမှန်လျှင် နောက်တစ်ခုသည် လွဲမှားနေရမည်ဖြစ်သည်။

2. ယူဆချက်အတွက် အသုံးပြုရန် အရေးပါမှုအဆင့်ကို သတ်မှတ်ပါ။

အရေးပါမှုအဆင့်ကို ဆုံးဖြတ်ပါ။ ဘုံရွေးချယ်မှုများမှာ .01၊ .05၊ နှင့် .1 ဖြစ်သည်။

3. စမ်းသပ်စာရင်းအင်းကိုရှာပါ။

စမ်းသပ်စာရင်းအင်းနှင့် သက်ဆိုင်ရာ p-value ကို ရှာပါ။ မကြာခဏဆိုသလို ကျွန်ုပ်တို့သည် လူဦးရေ ပျမ်းမျှ သို့မဟုတ် အချိုးအစားကို ပိုင်းခြားစိတ်ဖြာပြီး စမ်းသပ်စာရင်းအင်းရှာဖွေခြင်းအတွက် ယေဘူယျဖော်မြူလာမှာ- (နမူနာစာရင်းအင်း – လူဦးရေကန့်သတ်ချက်) / (ကိန်းဂဏန်းစံသွေဖည်မှု)

4. null hypothesis ကို ငြင်းပယ်ခြင်း သို့မဟုတ် ငြင်းပယ်ခြင်းမပြုပါနှင့်။

စမ်းသပ်မှုစာရင်းအင်း သို့မဟုတ် p-တန်ဖိုးကိုအသုံးပြု၍ အရေးပါမှုအဆင့်အပေါ်အခြေခံ၍ null hypothesis ကို ငြင်းပယ်နိုင်၊ မရှိ ဆုံးဖြတ်ပါ။

p-value သည် null hypothesis ကို ထောက်ခံသည့် အထောက်အထားများ၏ ခွန်အားကို ပြောပြသည်။ p-value သည် အရေးပါမှုအဆင့်ထက်နည်းပါက၊ null hypothesis ကို ငြင်းပယ်ပါသည်။

5. ရလဒ်များကို ဘာသာပြန်ပါ။

မေးသောမေးခွန်း၏ ဆက်စပ်မှုတွင် သီအိုရီစမ်းသပ်မှု၏ရလဒ်များကို အဓိပါယ်ဖွင့်ဆိုပါ။

ဆုံးဖြတ်ချက်အမှား နှစ်မျိုးရှိသည်။

အယူအဆတစ်ခုကို စမ်းသပ်ရာတွင် ဆုံးဖြတ်ချက်အမှား နှစ်မျိုးရှိသည်။

Type I error- ၎င်းသည် အမှန်တကယ်မှန်သောအခါ null hypothesis ကို သင် ငြင်းပယ်ပါသည်။ Type I အမှားတစ်ခုကျူးလွန်ရန် ဖြစ်နိုင်ခြေသည် မကြာခဏ အယ်လ်ဖာ ဟုခေါ်သော၊ အဓိပ္ပါယ်ဖော်သော α အဆင့်နှင့် ညီမျှသည်။

အမျိုးအစား II အမှား- ၎င်းသည် အမှန်တကယ် လွဲမှားနေချိန်တွင် null hypothesis ကို သင် ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ Type II အမှားပြုလုပ်ခြင်း၏ဖြစ်နိုင်ခြေကို β ဖြင့်ဖော်ပြသော test power သို့မဟုတ် beta ဟုခေါ်သည်။

တစ်ဖက်သတ်နှင့် အပြန်အလှန်စမ်းသပ်မှုများ

ကိန်းဂဏန်းဆိုင်ရာ ယူဆချက်တစ်ခုသည် တစ်ဖက်သတ် သို့မဟုတ် နှစ်ဘက်ဖြစ်နိုင်သည်။

တစ်ဖက်သတ်ယူဆချက် တစ်ခုတွင် “ ကြီးသည်ထက်” သို့မဟုတ် “ ထက်နည်း” ဟူသောဖော်ပြချက်တစ်ခုပြုလုပ်ခြင်းပါဝင်သည်။

ဥပမာအားဖြင့်၊ အမေရိကန်ပြည်ထောင်စုရှိ အမျိုးသားတစ်ဦး၏ ပျမ်းမျှအရပ်သည် လက်မ 70 သို့မဟုတ် ထို့ထက်ကြီးသည်ဆိုပါစို့။ null hypothesis သည် H0: µ ≥ 70 inches ဖြစ်ပြီး အခြားယူဆချက်မှာ Ha: µ < 70 inches ဖြစ်ပါမည်။

နှစ်ဘက်ယူဆချက် တစ်ခုတွင် “ ညီမျှသည်” သို့မဟုတ် “ မညီမျှသော” ကြေငြာချက်တစ်ခုပြုလုပ်ခြင်း ပါဝင်သည်။

ဥပမာအားဖြင့်၊ အမေရိကန်ပြည်ထောင်စုတွင် အမျိုးသားတစ်ဦး၏ ပျမ်းမျှအရပ်သည် လက်မ 70 ဖြစ်သည်ဆိုပါစို့။ null hypothesis သည် H0: µ = 70 inches ဖြစ်ပြီး အခြားယူဆချက်မှာ Ha: µ ≠ 70 inches ဖြစ်ပါမည်။

မှတ်ချက်- “ ညီမျှခြင်း” နိမိတ်သည် =, ≥, သို့မဟုတ် ≤ ဖြစ်မဖြစ်၊ null hypothesis တွင် အမြဲပါဝင်သည်။

ဆက်စပ်- ဦးတည်ချက်ဆိုင်ရာ ယူဆချက်ဆိုသည်မှာ အဘယ်နည်း။

Hypothesis Testing အမျိုးအစားများ

သင်လုပ်ဆောင်နေသော ဒေတာအမျိုးအစားနှင့် သင်၏ခွဲခြမ်းစိတ်ဖြာမှုပန်းတိုင်အပေါ် မူတည်၍ သင်လုပ်ဆောင်နိုင်သော သီအိုရီစမ်းသပ်မှု အမျိုးအစားများစွာရှိသည်။

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် အသုံးအများဆုံး hypothesis testing အမျိုးအစားများကို ရှင်းပြပေးသည်-

နမူနာတစ်ခုတည်း t-test ကို မိတ်ဆက်ခြင်း။
နမူနာနှစ်ခု t စမ်းသပ်မှုမိတ်ဆက်
တွဲထားသောနမူနာ t-test မိတ်ဆက်
Single Proportion Z Test ကို မိတ်ဆက်ခြင်း။
အချိုးအစားနှစ်ခု Z စမ်းသပ်မှုမိတ်ဆက်