二项测试
二项测试是什么?
二项测试,有时被称为二项式精确测试,测试用于抽样统计信息来评估一个二进制变量的比例是否等于某个假设值。在本文中,我们探索的关键特性测试和穿过一个测试例子。
二项测试的假设是什么?
二项测试的假设如下:
- 零假设(H0)的人口比例的结果等于一个特定的假设值(这可以表示为π=πo)。
- 备择假设(H1)的人口比例结果不等于一个特定的假设值(π≠πo)。
有时你可能还想测试一个零假设的人口比例是大于虚拟价值特别(或小),而不是在任何方向不同,在这种情况下,您将执行一个尾随显著性检验,但更常见的正反的方法是使用。
请注意,没有测试数据生成二项测试是常见的其他统计测试等Mann-Whitney U测试或者是未配对的学生的学习任务由于假定值直接计算。
何时使用二项测试
二项式测试时使用感兴趣的一个二进制变量(变量可以只有两个可能值如死亡(死/活))正在调查和你有一个猜测或期望值进行比较。测试时只能使用样本量小而人口哪些你想做出推断。
二项分布的形状变化在不同价值观的成功的比例,p,和试验的数量,n。
二项式测试来源于二项分布,可以认为是紧随其后的分布“成功”或“失败”的数量在一定数量,n独立重复试验或试验。在统计语言,我们可以说分布依赖于的值n和p(任何试验成功的概率),而这些都是二项分布的参数。有用的是,随着样本量的价值n)增加,分布变得更加对称和收敛于正态分布。
二项测试的假设
假设为二项测试如下,可以很容易地记住使用“垃圾箱”缩写:
- B -应该是一个变量的兴趣二进制结果意味着它只能取两个值之一(如掷硬币(正面和反面),存在一种疾病(yes / no),道德(死/活))。这有时也被称为一个二分变量。
- 我——观察应该是独立的,这意味着一个观察的概率应该没有任何影响。
- N -实验应该有一个固定的样本大小表示n。
- S -所有独立的观察应该有相同概率的结果。这类似于独立的假设,可以通过随机抽样。
二项测试例子
假设一个人口健康研究进行一个小随机抽样调查估计患病率(受影响人口的比例)的单纯疱疹病毒(HSV),一种常见的病毒感染,会导致生殖器和口腔疱疹。样本是随机选择的成员共有20人选择(n= 20),从一个另一个是独立的和有相同的概率的结果,和感兴趣的一个二进制的结果(HSV的存在;是的/不)。
- 零假设(H0)调查参与者的比例(30%)与HSV等于20% (0.2)。
- 另一种假说(H1)是,受访者的比例(30%)与HSV不等于20% (0.2)。
我们可以因此概念化这一系列的20个独立试验与感染的人口比例,p,后二项分布。假设在调查中发现6(30%)的20个参与者HSV。一个给定的概率调查参与者有疾病因此p = 0.3。还假设先前的一项调查显示HSV的患病率为20%(这可以从相同的人口或类似的人口)——研究人员使用这个运行二项测试的假设值为当前调查比例。
下一步是运行二项测试并生成一个假定值,表示的概率的人口比例与HSV极端或比如果真正的观察更极端p等于假设值。统计软件包等占据,SPSS或R工作室可以依靠生成二项测试假定值,但为了便于说明下面的公式是详细的。如果我们有n独立试验的概率有HSVp我们可以计算的概率值HSV的假设数量情况下,r(在这种情况下r= 4 20%的20是4),使用下面的公式:
通过将值插入二项式公式0.196,6或更少的HSV的概率情况下的20(一个跟踪测试)。因为我们假设感兴趣的是观察和猜测值是否在任何方向不同,我们想生成一个正反测验,所以我们乘以2得到最后的假定值为0.392。
使用的显著性水平α= 0.05我们不能拒绝零假设,因为p > 0.05,得出结论,没有证据HSV的患病率之间的统计上的显著差异在当前调查较调查样本容量。
艾略特特工是一个研究员在流行病学和统计学在伦敦卫生与热带医学学院的