ပြီးပြည့်စုံသော လမ်းညွှန်- r တွင် hypothesis testing

သီအိုရီစစ်ဆေးမှု သည် ကိန်းဂဏန်းဆိုင်ရာ ယူဆချက်တစ်ခုကို ငြင်းပယ်ရန် သို့မဟုတ် ပျက်ကွက်ရန် ကျွန်ုပ်တို့အသုံးပြုသည့် တရားဝင်စာရင်းအင်းဆိုင်ရာ စမ်းသပ်မှုတစ်ခုဖြစ်သည်။

ဤကျူတိုရီရယ်တွင် R တွင် အောက်ပါယူဆချက်စမ်းသပ်မှုများကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြထားသည်။

• နမူနာ t စမ်းသပ်မှု
• နမူနာ T-test နှစ်ခု
• တွဲထားသော နမူနာများ t-test

စမ်းသပ်မှုအမျိုးအစားတစ်ခုစီကိုလုပ်ဆောင်ရန် R ရှိ t.test() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 #one sample t-test
t. test (x, y = NULL,
       alternative = c(" two.sided ", " less ", " greater "),
       mu = 0, paired = FALSE, var.equal = FALSE ,
       conf.level = 0.95, …)

ရွှေ-

• x၊ y- ဒေတာနမူနာနှစ်ခု။
• အခြားရွေးချယ်စရာ- စမ်းသပ်မှု၏ အခြားယူဆချက်။
• mu- ပျမ်းမျှတန်ဖိုး။
• တွဲထားသည်- တွဲထားသော t-test ကို လုပ်ဆောင်ရန် ရှိ၊ မရှိ၊
• var.equal- နမူနာများကြားတွင် ကွဲလွဲမှုများ တူညီသည်ဟု ယူဆရမလား။
• conf.level- အသုံးပြုရန် ယုံကြည်မှုအဆင့် ။

အောက်ဖော်ပြပါ ဥပမာများသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ 1- R တွင် နမူနာ t-test တစ်ခု

နမူနာတစ်ခု t-test ကို လူဦးရေ၏ပျမ်းမျှတန်ဖိုးသည် အချို့သောတန်ဖိုးနှင့် ညီမျှခြင်းရှိ၊မရှိ စမ်းသပ်ရန်အသုံးပြုသည်။

ဥပမာအားဖြင့်၊ အချို့သောလိပ်မျိုးစိတ်များ၏ ပျမ်းမျှအလေးချိန်မှာ ပေါင် ၃၁၀ ရှိ၊မရှိ သိလိုသည်ဆိုကြပါစို့။ ကျွန်ုပ်တို့သည် အပြင်ထွက်ပြီး အောက်ဖော်ပြပါ အလေးချိန်များဖြင့် ရိုးရှင်းသော ကျပန်းနမူနာကို ကောက်ယူပါသည်။

အလေးချိန် : 300၊ 315၊ 320၊ 311၊ 314၊ 309၊ 300၊ 308၊ 305၊ 303၊ 305၊ 301၊ 303

အောက်ပါကုဒ်သည် ဤ t-test နမူနာကို R တွင် မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

 #define vector of turtle weights
turtle_weights <- c(300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303)

#perform one sample t-test
t. test (x=turtle_weights,mu=310)

	One Sample t-test

data: turtle_weights
t = -1.5848, df = 12, p-value = 0.139
alternative hypothesis: true mean is not equal to 310
95 percent confidence interval:
 303.4236 311.0379
sample estimates:
mean of x 
 307.2308

ရလဒ်မှ ကျွန်ုပ်တို့ မြင်နိုင်သည်-

• t-စမ်းသပ်စာရင်းအင်း -1.5848
• လွတ်လပ်မှု ဒီဂရီ ၁၂
• p-တန်ဖိုး- 0.139
• စစ်မှန်သော ဆိုလိုရင်းအတွက် ယုံကြည်မှု 95% ကြားကာလ- [303.4236, 311.0379]
• လိပ်များ၏ ပျမ်းမျှအလေးချိန်မှာ 307,230 ဖြစ်သည်။

စာမေးပွဲ၏ p-value (0.139) သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။

ဆိုလိုသည်မှာ ဤလိပ်မျိုးစိတ်များ၏ ပျမ်းမျှအလေးချိန်မှာ ပေါင် ၃၁၀ မှလွဲ၍ အခြားမည်သည့်အရာဖြစ်သည်ဆိုရန် လုံလောက်သော အထောက်အထားမရှိဟု ဆိုလိုပါသည်။

ဥပမာ 2- R တွင် နမူနာ t-test နှစ်ခု

နမူနာနှစ်ခု t-test ကို လူဦးရေ နှစ်ခု၏ အဓိပ္ပါယ်သည် ညီမျှခြင်း ရှိ၊ မရှိ စမ်းသပ်ရန် အသုံးပြုပါသည်။

ဥပမာအားဖြင့်၊ မတူညီသောလိပ်မျိုးစိတ်နှစ်ခု၏ ပျမ်းမျှအလေးချိန်သည် ညီမျှခြင်းရှိမရှိ သိလိုသည်ဆိုပါစို့။ ၎င်းကို စမ်းသပ်ရန်အတွက် အောက်ပါအလေးချိန်များဖြင့် မျိုးစိတ်တစ်ခုစီမှ ရိုးရှင်းသော ကျပန်းနမူနာကို လိပ်များကို စုဆောင်းပါသည်။

နမူနာ 1 : 300၊ 315၊ 320၊ 311၊ 314၊ 309၊ 300၊ 308၊ 305၊ 303၊ 305၊ 301၊ 303

နမူနာ 2 : 335၊ 329၊ 322၊ 321၊ 324၊ 319၊ 304၊ 308၊ 305၊ 311၊ 307၊ 300၊ 305

အောက်ပါကုဒ်သည် R တွင် ဤ t-test နမူနာနှစ်ခုကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

 #define vector of turtle weights for each sample
sample1 <- c(300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303)
sample2 <- c(335, 329, 322, 321, 324, 319, 304, 308, 305, 311, 307, 300, 305)

#perform two sample t-tests
t. test (x = sample1, y = sample2)

	Welch Two Sample t-test

data: sample1 and sample2
t = -2.1009, df = 19.112, p-value = 0.04914
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -14.73862953 -0.03060124
sample estimates:
mean of x mean of y 
 307.2308 314.6154

ရလဒ်မှ ကျွန်ုပ်တို့ မြင်နိုင်သည်-

• t-စမ်းသပ်စာရင်းအင်း -2.1009
• လွတ်လပ်မှုဒီဂရီ- 19,112
• p-တန်ဖိုး- 0.04914
• စစ်မှန်သောပျမ်းမျှကွာခြားချက်အတွက် 95% ယုံကြည်မှုကြားကာလ- [-14.74၊ -0.03]
• နမူနာ၏ပျမ်းမျှအလေးချိန် 1: 307.2308
• နမူနာ 2 ၏ပျမ်းမျှအလေးချိန်: 314.6154

စမ်းသပ်မှု၏ p-တန်ဖိုး (0.04914) သည် 0.05 ထက်နည်းသောကြောင့်၊ ကျွန်ုပ်တို့သည် null hypothesis ကို ငြင်းပယ်ပါသည်။

ဆိုလိုသည်မှာ မျိုးစိတ်နှစ်ခုကြားရှိ ပျမ်းမျှအလေးချိန်သည် မညီမျှဟု ဆိုရန် လုံလောက်သော သက်သေအထောက်အထားများ ကျွန်ုပ်တို့တွင်ရှိသည်ကို ဆိုလိုပါသည်။

ဥပမာ 3- R တွင် Paired-samples t-test

နမူနာတစ်ခုရှိ ရှုမြင်မှုတစ်ခုစီရှိ အခြားနမူနာတစ်ခုရှိ စူးစမ်းမှုတစ်ခုနှင့် ဆက်စပ်နိုင်သောအခါ နမူနာနှစ်ခု၏နည်းလမ်းကို နှိုင်းယှဉ်ရန် တွဲထားသောနမူနာကို t-test ကို အသုံးပြုသည်။

ဥပမာအားဖြင့်၊ လေ့ကျင့်ရေးအစီအစဉ်တစ်ခုသည် ဘတ်စကက်ဘောကစားသမားများ၏ အမြင့်ဆုံးဒေါင်လိုက်ခုန်ခြင်း (လက်မအတွင်း) ကို တိုးမြှင့်ပေးနိုင်ခြင်း ရှိ၊ မရှိ သိလိုသည်ဆိုကြပါစို့။

၎င်းကိုစမ်းသပ်ရန်အတွက်၊ ကျွန်ုပ်တို့သည် ကောလိပ်ဘတ်စကတ်ဘောကစားသမား ၁၂ ဦး၏ ရိုးရှင်းသောကျပန်းနမူနာကို စုဆောင်းနိုင်ပြီး ၎င်းတို့၏ အများဆုံး ဒေါင်လိုက်ခုန်ခြင်းများကို တိုင်းတာနိုင်သည်။ ထို့နောက် ကစားသမားတစ်ဦးစီအား တစ်လကြာ လေ့ကျင့်ရေးအစီအစဉ်ကို အသုံးပြုကာ လကုန်တွင် ၎င်းတို့၏အမြင့်ဆုံးဒေါင်လိုက်ခုန်ခြင်းကို ထပ်မံတိုင်းတာနိုင်သည်။

အောက်ပါအချက်အလက်များသည် ကစားသမားတစ်ဦးစီအတွက် လေ့ကျင့်ရေးပရိုဂရမ်ကို အသုံးမပြုမီနှင့် အပြီးတွင် အများဆုံးခုန်နိုင်သောအမြင့် (လက်မဖြင့်) ပြသသည်-

ရှေ့ : 22၊ 24၊ 20၊ 19၊ 19၊ 20၊ 22၊ 25၊ 24၊ 23၊ 22၊ 21

ပြီးနောက် : 23၊ 25၊ 20၊ 24၊ 18၊ 22၊ 23၊ 28၊ 24၊ 25၊ 24၊ 20

အောက်ပါကုဒ်သည် R တွင် ဤတွဲစပ်ထားသောနမူနာ t-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

 #define before and after max jump heights
before <- c(22, 24, 20, 19, 19, 20, 22, 25, 24, 23, 22, 21)
after <- c(23, 25, 20, 24, 18, 22, 23, 28, 24, 25, 24, 20)

#perform paired samples t-test
t. test (x = before, y = after, paired = TRUE )

	Paired t-test

data: before and after
t = -2.5289, df = 11, p-value = 0.02803
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -2.3379151 -0.1620849
sample estimates:
mean of the differences 
                  -1.25

ရလဒ်မှ ကျွန်ုပ်တို့ မြင်နိုင်သည်-

• t-စမ်းသပ်စာရင်းအင်း -2.5289
• လွတ်လပ်မှုဒီဂရီ : ၁၁
• p-တန်ဖိုး- 0.02803
• စစ်မှန်သောပျမ်းမျှကွာခြားချက်အတွက် 95% ယုံကြည်မှုကြားကာလ- [-2.34၊ -0.16]
• ရှေ့နှင့်နောက် အကြား ပျမ်းမျှ ကွာခြားချက်- ၁.၂၅

စာမေးပွဲ၏ p-value (0.02803) သည် 0.05 ထက်နည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ပါသည်။

ဆိုလိုသည်မှာ လေ့ကျင့်ရေးပရိုဂရမ်ကို အသုံးမပြုမီနှင့် အပြီးတွင် ပျမ်းမျှခုန်နှုန်းသည် ညီမျှခြင်းမရှိဟု ဆိုရန် လုံလောက်သော အထောက်အထားရှိသည်။

ထပ်လောင်းအရင်းအမြစ်များ

t-test အမျိုးမျိုးကို အလိုအလျောက်လုပ်ဆောင်ရန် အောက်ပါအွန်လိုင်းဂဏန်းတွက်စက်များကို အသုံးပြုပါ။

t-test calculator ၏ဥပမာ
နမူနာ t-test ဂဏန်းတွက်စက် နှစ်ခု
Paired Samples t-Test Calculator