R တွင် one-prop z test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း (ဥပမာများဖြင့်)

one-proportion z-test ကို သီအိုရီအချိုးအစားနှင့် သတိပြုမိသောအချိုးအစားကို နှိုင်းယှဉ်ရန် အသုံးပြုသည်။

ဤစစ်ဆေးမှုသည် အောက်ပါ null hypotheses ကိုအသုံးပြုသည်-

• H ₀ : p = p ₀ (လူဦးရေ အချိုးအစားသည် စိတ်ကူးအချိုးအစား p ₀ နှင့် ညီမျှသည်)

အခြားယူဆချက်သည် နှစ်ဘက်၊ ဘယ် သို့မဟုတ် ညာဘက် ဖြစ်နိုင်သည်-

• H ₁ (အမြီးနှစ်ကောင်): p ≠ p ₀ (လူဦးရေအချိုးအစားသည် တွေးခေါ်မှုတန်ဖိုး p ₀ နှင့် မညီမျှ)
• H ₁ (ဘယ်ဘက်) : p < p ₀ (လူဦးရေအချိုးသည် တွေးခေါ်မှုတန်ဖိုး p ₀ ထက်နည်းသည်)
• H ₁ (ညာဘက်) : p > p ₀ (လူဦးရေအချိုးသည် တွေးခေါ်မှုတန်ဖိုး p ₀ ထက်ကြီးသည်)

စာမေးပွဲစာရင်းကို အောက်ပါအတိုင်း တွက်ချက်သည်။

z = (စစ ₀ ) / √ p ₀ (1-p ₀ )/n

ရွှေ-

• p- နမူနာအချိုးအစားကို လေ့လာခဲ့သည်။
• p ₀ : လူဦးရေ၏ အချိုးအစား အချိုးအစား
• n: နမူနာအရွယ်အစား

z test statistic နှင့် ကိုက်ညီသော p-value သည် ရွေးချယ်ထားသော အရေးပါမှုအဆင့်ထက် နည်းနေပါက (အများအားဖြင့် ရွေးချယ်မှုများမှာ 0.10၊ 0.05 နှင့် 0.01)၊ ထို့နောက် null hypothesis ကို ငြင်းပယ်နိုင်ပါသည်။

R တွင် အချိုး Z Test တစ်ခု

z-test ကို R တွင် အချိုးအစားဖြင့် လုပ်ဆောင်ရန်၊ အောက်ပါလုပ်ဆောင်ချက်များထဲမှ တစ်ခုကို အသုံးပြုနိုင်ပါသည်။

• အကယ်၍ n ≤ 30- binom.test(x၊ n၊ p = 0.5၊ အစားထိုး = “ နှစ်ဖက်” )
• အကယ်၍ n> 30: prop.test(x၊ n၊ p = 0.5၊ အစားထိုး = “နှစ်ဖက်”၊ မှန်သည် = TRUE)

ရွှေ-

• x- အောင်မြင်မှုအရေအတွက်
• n- ကြိုးစားမှုအရေအတွက်
• p- လူဦးရေ၏ အချိုးအစား အချိုးအစား
• အခြားရွေးချယ်စရာ- အခြားယူဆချက်
• မှန်ကန်သည်- Yates ၏ အဆက်မပြတ် တည့်မတ်မှုကို ကျင့်သုံးသည်ဖြစ်စေ၊

အောက်ဖော်ပြပါ ဥပမာသည် R တွင် one-proportion z-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသထားသည်။

ဥပမာ- R တွင် အချိုး Z Test တစ်ခု

ဥပဒေတစ်ရပ်ရပ်ကို ထောက်ခံသော ခရိုင်တစ်ခုတွင် နေထိုင်သူအချိုးသည် 60% နှင့် ညီမျှသည်ဆိုပါစို့ ကျွန်ုပ်တို့ သိလိုသည်ဆိုပါစို့။ ၎င်းကို စမ်းသပ်ရန်အတွက် ကျွန်ုပ်တို့သည် ကျပန်းနမူနာတစ်ခုတွင် အောက်ပါဒေတာကို စုဆောင်းပါသည်-

• p ₀ : လူဦးရေ၏ အချိုးအစား အချိုးအစား = 0.60
• x : ဥပဒေ၏ ထောက်ခံမဲ : ၆၄
• n: နမူနာအရွယ်အစား = 100

ကျွန်ုပ်တို့၏နမူနာအရွယ်အစားသည် 30 ထက်ကြီးသောကြောင့်၊ နမူနာ z-test တစ်ခုလုပ်ဆောင်ရန် prop.test() လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-

 prop.test(x=64, n=100, p=0.60, alternative=" two.sided ")


	1-sample proportions test with continuity correction

data: 64 out of 100, null probability 0.6
X-squared = 0.51042, df = 1, p-value = 0.475
alternative hypothesis: true p is not equal to 0.6
95 percent confidence interval:
 0.5372745 0.7318279
sample estimates:
   p 
0.64

ရလဒ်မှ p-value သည် 0.475 ဖြစ်ကြောင်း တွေ့နိုင်ပါသည်။ ဤတန်ဖိုးသည် α = 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။ ဥပဒေကို ထောက်ခံသည့် လူဦးရေ အချိုးသည် ၀.၆၀ နှင့် ကွာခြားသည်ဟု ဆိုရန် လုံလောက်သော အထောက်အထား မရှိပါ။

ဥပဒေကို ထောက်ခံသည့် ခရိုင်နေထိုင်သူ အချိုးအမှန်အတွက် ယုံကြည်မှု 95% ကြားကာလမှာလည်း-

95% CI = [0.5373, 7318]

ဤယုံကြည်မှုကြားကာလသည် အချိုးအစား 0.60 ပါ၀င်သောကြောင့်၊ ဥပဒေအားထောက်ခံသောနေထိုင်သူများ၏အချိုးအစားမှာ 0.60 နှင့် ကွဲပြားကြောင်း ကျွန်ုပ်တို့တွင်အထောက်အထားမရှိပါ။ ၎င်းသည် စမ်းသပ်မှု၏ p-value ကိုသာ အသုံးပြု၍ နိဂုံးချုပ်ချက်နှင့် ကိုက်ညီပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

Single Proportion Z Test ကို မိတ်ဆက်ခြင်း။
Proportion Z စမ်းသပ်ဂဏန်းတွက်စက်တစ်ခု
Excel တွင် One Proportion Z Test ကိုမည်သို့လုပ်ဆောင်ရမည်နည်း။