무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
이 비디오에서는 검정력 애니메이션을 사용하여 파일을 사용하는 1-표본 t 검정에 대한 표본 크기와 검정력 간의 관계를 탐색합니다. 직경 테스트.jmp .
먼저 Diameter에 대한 1표본 t 검정을 수행합니다. 이를 위해 분석 메뉴에서 배포 플랫폼을 사용합니다. Y, Column으로 Diameter를 선택하고 OK를 클릭합니다.
그런 다음 분석을 위해 빨간색 삼각형에서 검정 평균을 선택합니다.
평균 직경이 16.12mm라는 귀무 가설을 평균이 16.12가 아니라는 대안에 대해 테스트할 것입니다.
양측 검정의 p-값은 0.0036입니다. 참 평균이 16.12라는 귀무가설을 기각할 수 있습니다.
이 테스트의 성능을 알아보기 위해 Power 애니메이션을 사용합니다. 이를 위해 검정 평균의 빨간색 삼각형에서 Power Animation을 선택합니다.
추정된 평균과 실제 평균은 표본 평균 16.1406으로 설정됩니다.
빨간색 곡선은 귀무 가설 하에서 표본 평균의 분포를 나타냅니다. 파란색 곡선은 추정된 평균이 실제 평균을 나타낸다는 가설에 따른 표본 분포입니다.
각 꼬리의 빨간색 음영은 유의 수준인 알파를 나타내고 파란색 음영은 위음성 비율인 베타를 나타냅니다.
추정값과 가정값의 차이는 0.0206mm입니다. 이 검정의 검정력 1 빼기 베타는 0.85입니다. 이 검정은 추정된 평균과 가정된 값 간의 차이를 쉽게 감지할 수 있습니다.
50개가 아닌 20개의 관측값만 있으면 어떻게 될까요? 이 차이를 탐지하는 검정력이 상당히 떨어집니다.
샘플 크기를 다시 50으로 설정합니다.
수단이 더 가깝다면? 가정된 평균에 대한 곡선을 끌어 평균 간의 차이를 늘리거나 줄일 수 있습니다. 차이를 줄이면 평균을 서로 더 가깝게 이동할수록 검정의 검정력이 감소합니다.
평균 간의 차이가 작을수록 검정이 차이를 탐지하는 데 더 적은 검정력이 있습니다.
