R တွင် နမူနာ z tests နှစ်ခုကို မည်သို့လုပ်ဆောင်ရမည်နည်း

R တွင် နမူနာတစ်ခုနှင့် ဥပမာ z စမ်းသပ်မှုနှစ်ခုကို လုပ်ဆောင်ရန် BSDA ပက်ကေ့ခ်ျမှ z.test() လုပ်ဆောင်ချက်ကို သင်အသုံးပြုနိုင်ပါသည်။

ဤလုပ်ဆောင်ချက်သည် အောက်ပါအခြေခံ syntax ကိုအသုံးပြုသည်-

 z.test(x, y, alternative=' two.sided ', mu= 0 , sigma.x=NULL, sigma.y=NULL,conf.level= .95 )

ရွှေ-

• x : ပထမနမူနာ၏တန်ဖိုးများ
• y : ဒုတိယနမူနာအတွက် တန်ဖိုးများ (ဥပမာ z စမ်းသပ်မှုနှစ်ခု လုပ်ဆောင်နေပါက)
• အခြားရွေးချယ်မှု – အခြားယူဆချက် (“ ပို” ၊ “ နည်း” ၊ “ မျက်နှာနှစ်ခု” )
• mu : ပျမ်းမျှ ကွာခြားချက် သုည သို့မဟုတ် ပျမ်းမျှ (နမူနာ နှစ်ခုအတွက်)
• sigma.x : ပထမနမူနာ၏ လူဦးရေ၏ စံသွေဖည်မှု
• sigma.y : ဒုတိယနမူနာ၏ လူဦးရေ၏ စံသွေဖည်မှု
• conf.level : အသုံးပြုရန် ယုံကြည်မှုအဆင့်

အောက်ဖော်ပြပါ ဥပမာများသည် ဤလုပ်ဆောင်ချက်ကို လက်တွေ့အသုံးချနည်းကို ပြသထားသည်။

ဥပမာ 1- R တွင် စမ်းသပ်ထားသော နမူနာ Z

လူအချို့၏ IQ ကို ပုံမှန်အားဖြင့် µ = 100 နှင့် စံသွေဖည်မှု σ = 15 ဖြင့် ဖြန့်ဝေသည်ဆိုပါစို့။

ဆေးအသစ်သည် IQ အဆင့်ကို သက်ရောက်မှုရှိမရှိ သိလိုသည်။ ထို့ကြောင့် သူမသည် ၎င်းကို တစ်လကြာအသုံးပြုရန် လူနာ အယောက် ၂၀ ကို စုဆောင်းကာ လကုန်တွင် ၎င်းတို့၏ IQ အဆင့်ကို မှတ်တမ်းတင်ခဲ့သည်။

ဆေးဝါးအသစ်သည် IQ အဆင့်ကို သိသာထင်ရှားစွာ ခြားနားစေခြင်း ရှိ၊ မရှိ ဆုံးဖြတ်ရန် R တွင် နမူနာ z-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို အောက်ပါကုဒ်တွင် ပြသသည်-

 library (BSDA)

#enter IQ levels for 20 patients
data = c(88, 92, 94, 94, 96, 97, 97, 97, 99, 99,
         105, 109, 109, 109, 110, 112, 112, 113, 114, 115)

#perform one sample z-test
z.test(data, mu= 100 , sigma.x= 15 )

	One-sample z-Test

data:data
z = 0.90933, p-value = 0.3632
alternative hypothesis: true mean is not equal to 100
95 percent confidence interval:
  96.47608 109.62392
sample estimates:
mean of x 
   103.05 

နမူနာ z test အတွက် စမ်းသပ်မှု ကိန်းဂဏန်းသည် 0.90933 ဖြစ်ပြီး သက်ဆိုင်ရာ p-value သည် 0.3632 ဖြစ်သည်။

ဤ p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကိုငြင်းပယ်ရန် လုံလောက်သောအထောက်အထားမရှိပါ။

ထို့ကြောင့် ဆေးဝါးအသစ်သည် IQ အဆင့်ကို သိသိသာသာ မထိခိုက်စေကြောင်း ကျွန်ုပ်တို့ ကောက်ချက်ချပါသည်။

ဥပမာ 2- R တွင် နမူနာ Z စမ်းသပ်မှု နှစ်ခု

မတူညီသောမြို့နှစ်မြို့မှ လူတစ်ဦးချင်းစီ၏ IQ အဆင့်အတန်းကို ပုံမှန်အတိုင်း ဖြန့်ဝေထားပြီး တစ်ခုစီတွင် လူဦးရေစံနှုန်းသွေဖည်မှု 15 ရှိသည်ဟု ယူဆပါ။

မြို့တော် A နှင့် မြို့ B တွင် လူတစ်ဦးချင်းစီ၏ ပျမ်းမျှ IQ အဆင့်သည် ကွာခြားမှုရှိမရှိ သိပ္ပံပညာရှင်တစ်ဦး သိလိုပါသည်။ ထို့ကြောင့် သူမသည် မြို့တစ်ခုစီမှ လူ 20 ဦး၏ ရိုးရှင်းသော ကျပန်းနမူနာကို ရွေးချယ်ကာ ၎င်းတို့၏ IQ အဆင့်များကို မှတ်တမ်းတင်သည်။

အောက်ဖော်ပြပါကုဒ်သည် မြို့နှစ်မြို့ကြားရှိ ပျမ်းမျှ IQ အဆင့် ကွာခြားခြင်းရှိမရှိ ဆုံးဖြတ်ရန် R တွင် နမူနာနှစ်ခု z-test ကို မည်သို့လုပ်ဆောင်ရမည်ကို ပြသသည်-

 library (BSDA)

#enter IQ levels for 20 individuals from each city
cityA = c(82, 84, 85, 89, 91, 91, 92, 94, 99, 99,
         105, 109, 109, 109, 110, 112, 112, 113, 114, 114)

cityB = c(90, 91, 91, 91, 95, 95, 99, 99, 108, 109,
         109, 114, 115, 116, 117, 117, 128, 129, 130, 133)

#perform two sample z-test
z.test(x=cityA, y=cityB, mu= 0 , sigma.x= 15 , sigma.y= 15 )

	Two-sample z-Test

data: cityA and cityB
z = -1.7182, p-value = 0.08577
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 -17.446925 1.146925
sample estimates:
mean of x mean of y 
   100.65 108.80

z စမ်းသပ်မှုနှစ်ခုနမူနာအတွက် စမ်းသပ်ကိန်းဂဏန်းမှာ -1.7182 ဖြစ်ပြီး သက်ဆိုင်ရာ p-တန်ဖိုးမှာ 0.08577 ဖြစ်သည်။

ဤ p-value သည် 0.05 ထက်မနည်းသောကြောင့်၊ null hypothesis ကိုငြင်းပယ်ရန် လုံလောက်သောအထောက်အထားမရှိပါ။

ထို့ကြောင့် ပျမ်းမျှ IQ အဆင့်သည် မြို့နှစ်မြို့ကြားတွင် သိသိသာသာ ကွဲပြားခြင်းမရှိကြောင်း ကျွန်ုပ်တို့ ကောက်ချက်ချပါသည်။

ထပ်လောင်းအရင်းအမြစ်များ

အောက်ဖော်ပြပါ သင်ခန်းစာများသည် R တွင် အခြားသော ဘုံကိန်းဂဏန်းစစ်ဆေးမှုများကို မည်သို့လုပ်ဆောင်ရမည်ကို ရှင်းပြသည်-

အချိုးအစား Z စမ်းသပ်နည်း
R တွင်တွဲထားသောနမူနာများကို t-test လုပ်နည်း
R တွင် Welch’s t-test ကို မည်သို့လုပ်ဆောင်ရမည်နည်း။