စာရင်းအင်းဆိုင်ရာ အခြားယူဆချက်တစ်ခုကား အဘယ်နည်း။

မကြာခဏဆိုသလို စာရင်းဇယားများတွင် ကျွန်ုပ်တို့သည် လူဦးရေကန့်သတ်ချက် တစ်ခုနှင့်ပတ်သက်သော အယူအဆတစ်ခု မှန်ကန်မှုရှိမရှိ စမ်းသပ်လိုပါသည်။

ဥပမာအားဖြင့်၊ လိပ်တစ်ကောင်၏ပျမ်းမျှအလေးချိန်မှာ ပေါင် 300 ရှိသည်ဟု ကျွန်ုပ်တို့ယူဆနိုင်သည်။

ဤယူဆချက်သည် မှန်ကန်ခြင်းရှိမရှိ ဆုံးဖြတ်ရန်၊ ကျွန်ုပ်တို့သည် လိပ် နမူနာ တစ်ခုကို စုဆောင်းပြီး တစ်ခုစီကို ချိန်ဆပါမည်။ ဤနမူနာဒေတာကို အသုံးပြု၍ ကျွန်ုပ်တို့သည် ယူဆချက်စမ်းသပ်မှုကို လုပ်ဆောင်ပါမည်။

သီအိုရီစမ်းသပ်ခြင်း၏ ပထမအဆင့်မှာ null နှင့် အခြား hypotheses ကို သတ်မှတ်ရန်ဖြစ်သည်။

ဤယူဆချက်နှစ်ခုသည် အပြန်အလှန်သီးသန့်ဖြစ်ရမည်၊ ထို့ကြောင့် တစ်ခုမှန်လျှင် နောက်တစ်ခုသည် လွဲမှားနေရမည်ဖြစ်သည်။

ဤယူဆချက်နှစ်ခုကို အောက်ပါအတိုင်း သတ်မှတ်သည်။

Null hypothesis (H ₀ ) : နမူနာဒေတာသည် လူဦးရေကန့်သတ်ချက်နှင့်ပတ်သက်သော လွှမ်းမိုးထားသောယုံကြည်ချက်နှင့် ကိုက်ညီပါသည်။

Alternative Hypothesis ( _HA ) : null hypothesis တွင်ဖော်ပြထားသော ယူဆချက်သည် မမှန်ကြောင်း နမူနာဒေတာက အကြံပြုထားသည်။ တစ်နည်းဆိုရသော်၊ ကျပန်းမဟုတ်သော အကြောင်းအရင်းသည် ဒေတာကို လွှမ်းမိုးပါသည်။

အစားထိုးယူဆချက်အမျိုးအစားများ

အစားထိုးယူဆချက် နှစ်မျိုးရှိသည်။

တစ်ဖက်သတ်ယူဆချက် တစ်ခုတွင် “ ကြီးသည်ထက်” သို့မဟုတ် “ ထက်နည်း” ဟူသောဖော်ပြချက်တစ်ခုပြုလုပ်ခြင်းပါဝင်သည်။ ဥပမာအားဖြင့်၊ အမေရိကန်ပြည်ထောင်စုရှိ အမျိုးသားတစ်ဦး၏ ပျမ်းမျှအရပ်သည် လက်မ 70 သို့မဟုတ် ထို့ထက်ကြီးသည်ဆိုပါစို့။

ဤကိစ္စတွင် null နှင့် အစားထိုးယူဆချက်များသည်-

• Null hypothesis- µ ≥ 70 လက်မ
• အစားထိုးယူဆချက်- µ < 70 လက်မ

နှစ်ဘက်ယူဆချက် တစ်ခုတွင် “ ညီမျှသည်” သို့မဟုတ် “ မညီမျှသော” ကြေငြာချက်တစ်ခုပြုလုပ်ခြင်း ပါဝင်သည်။ ဥပမာအားဖြင့်၊ အမေရိကန်ပြည်ထောင်စုတွင် အမျိုးသားတစ်ဦး၏ ပျမ်းမျှအရပ်သည် လက်မ 70 ဖြစ်သည်ဆိုပါစို့။

ဤကိစ္စတွင် null နှင့် အစားထိုးယူဆချက်များသည်-

• Null hypothesis- µ = 70 လက်မ
• အစားထိုးယူဆချက်- µ ≠ 70 လက်မ

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

အစားထိုးယူဆချက် နမူနာများ

အောက်ဖော်ပြပါ ဥပမာများသည် မတူညီသော သုတေသနပြဿနာများအတွက် null နှင့် အခြား hypotheses များကို သတ်မှတ်ပုံဖော်ပြသည်။

ဥပမာ 1- ဇီဝဗေဒပညာရှင်တစ်ဦးသည် လိပ်တစ်ကောင်၏ပျမ်းမျှအလေးချိန်သည် အများလက်ခံထားသော ပျမ်းမျှပေါင် 300 အလေးချိန်နှင့် ကွာခြားမှုရှိမရှိ စမ်းသပ်လိုပါသည်။

ဤသုတေသနလေ့လာမှုအတွက် null နှင့် အစားထိုးယူဆချက်မှာ-

• Null hypothesis- µ = 300 ပေါင်
• အစားထိုးယူဆချက်- µ ≠ ပေါင် 300

အကယ်၍ ကျွန်ုပ်တို့သည် null hypothesis ကိုငြင်းပယ်ပါက၊ ဤလိပ်လူဦးရေ၏စစ်မှန်သောပျမ်းမျှအလေးချိန်သည် ပေါင် 300 နှင့်ကွာခြားကြောင်းနမူနာဒေတာမှသက်သေအလုံအလောက်ရှိသည်ဟုဆိုလိုသည်။

ဥပမာ 2- အင်ဂျင်နီယာတစ်ဦးသည် ဘက်ထရီအသစ်တစ်လုံးသည် လက်ရှိစက်မှုလုပ်ငန်းစံနှုန်းထက် 50 watts ထက် ပျမ်းမျှ watts ပိုမိုထုတ်လုပ်နိုင်မှုရှိမရှိ စမ်းသပ်လိုပါသည်။

ဤသုတေသနလေ့လာမှုအတွက် null နှင့် အစားထိုးယူဆချက်မှာ-

• Null hypothesis- µ ≤ 50 ဝပ်
• အစားထိုးယူဆချက်- µ > 50 ဝပ်

အကယ်၍ ကျွန်ုပ်တို့သည် null အယူအဆကို ငြင်းပယ်ပါက၊ ဘက်ထရီအသစ်မှထုတ်သော စစ်မှန်သောပျမ်းမျှပါဝါသည် လက်ရှိစက်မှုလုပ်ငန်းစံနှုန်း 50 watts ထက်ပိုမိုမြင့်မားသည်ဟုဆိုရန် နမူနာဒေတာမှ လုံလောက်သောသက်သေအထောက်အထားများရှိသည်။

ဥပမာ 3- ရုက္ခဗေဒပညာရှင်တစ်ဦးသည် ဥယျာဉ်စိုက်ပျိုးခြင်းနည်းလမ်းအသစ်သည် အမှိုက်ပေါင် 20 ထုတ်ပေးသည့် စံစိုက်ဥယျာဉ်နည်းလမ်းထက် အမှိုက်နည်းသည်ဆိုသည်ကို သိလိုပါသည်။

ဤသုတေသနလေ့လာမှုအတွက် null နှင့် အစားထိုးယူဆချက်မှာ-

• Null hypothesis- µ ≥ 20 ပေါင်
• အစားထိုးယူဆချက်- µ < 20 ပေါင်

အကယ်၍ ကျွန်ုပ်တို့သည် null hypothesis ကိုငြင်းပယ်ပါက၊ ဤဥယျာဉ်စိုက်ပျိုးနည်းအသစ်မှထုတ်လုပ်သောစစ်မှန်သောပျမ်းမျှအလေးချိန်သည်ပေါင် 20 ထက်နည်းသည်ဟုဆိုရန်နမူနာဒေတာမှသက်သေအလုံအလောက်ရှိသည်ဆိုလိုသည်။

null hypothesis ကို ဘယ်အချိန်မှာ ငြင်းပယ်မလဲ။

ကျွန်ုပ်တို့သည် သီအိုရီစမ်းသပ်မှုပြုလုပ်သည့်အခါတိုင်း၊ ကျွန်ုပ်တို့သည် စမ်းသပ်စာရင်းအင်းနှင့် သက်ဆိုင်သော p-တန်ဖိုးကို တွက်ချက်ရန်အတွက် နမူနာဒေတာကို အသုံးပြုပါသည်။

p-value သည် အချို့သော အရေးပါမှုအဆင့်အောက်တွင် ရှိနေပါက (အများအားဖြင့် ရွေးချယ်မှုများသည် 0.10၊ 0.05 နှင့် 0.01)၊ ထို့နောက် null hypothesis ကို ငြင်းပယ်ပါသည်။

ဆိုလိုသည်မှာ null hypothesis မှ ပြုလုပ်သော အယူအဆသည် မမှန်ကြောင်း ပြောရန် ဒေတာနမူနာများမှ လုံလောက်သော အထောက်အထားများ ကျွန်ုပ်တို့တွင် ရှိသည်ဟု ဆိုလိုပါသည်။

p-value သည် အချို့သော အရေးပါမှုအဆင့်ထက် မ နည်းပါက၊ null hypothesis ကို ငြင်းပယ်ရန် ပျက်ကွက်ပါသည်။

ဆိုလိုသည်မှာ ကျွန်ုပ်တို့၏နမူနာဒေတာသည် null hypothesis မှပြုလုပ်သော သီအိုရီသည် မမှန်ကြောင်း သက်သေမပြနိုင်ပါ။

ထပ်လောင်းအရင်းအမြစ်- P တန်ဖိုးများနှင့် ၎င်းတို့၏ စာရင်းအင်းဆိုင်ရာ အရေးပါမှုဆိုင်ရာ ရှင်းလင်းချက်