Yapmanız gereken Nüfus oranlarını (büyük örnek büyüklüğü) test etmektir. Nüfus oranını içeren istatistikler genellikle büyük (n => 30) örnek büyüklüğüne sahiptir, bu nedenle örneklem oranının (ölenlerin kan basıncı) = nüfus oranı (herkes) ölenler dahil hastalığı olanlar).
Yani, örnek boyutu 30'dan büyük veya ona eşit olduğunda, örnek standart sapma p-şapkasının değerini kullanarak örnek oranını popülasyon oranıyla karşılaştırmak, örnek standart sapmasını tahmin etmek için z skor istatistiklerini kullanabiliriz, p bilinmiyorsa.
P (oran) örnek dağılımı, ortalama veya beklenen bir değerle yaklaşık normaldir, E (P) = p-şapkası ve standart hata, sigma (r) = sqrt (p * q / n).
Aşağıdakiler, birinin iki oranı karşılaştırırken sorabileceği muhtemel test hipotezi sorularıdır:
- (İki kuyruklu test)
H0: p-şapka = p vs H1: p-şapka p'ye eşit değil
- (Sağ kuyruklu test)
H0: p-şapka = p vs H1: p-şapka> p
- (Sol kuyruklu test)
H0: p-şapka = p vs H1: p-şapka <p
Büyük örneklem büyüklüğünü test etmek için kullanılan istatistikler;
Test istatistikleri standart normal dağılımla ilgilidir:
Oranlar için z skor istatistikleri
p-hat-p / sqrt (pq / n)
burada p = oran tahmini, q = 1-p ve nüfus oranıdır.
Oran ortalaması:
np / n = p-şapkası = x / n
Standart sapma:
= sqrt (npq / n) = sqrt (pq / n)
Karar kuralları:
Üst Kuyruklu Test (): (H0: P-şapkası> = P)
Z <= Z (1-alfa) ise H0'ı kabul edin
Z> Z (1-alfa) ise H0'ı reddet
Düşük Kuyruklu Test (Ha: P-şapkası <= P):
Z> = Z (1-alfa) ise H0'ı kabul edin
Z ise H0'ı reddet
İki Kuyruklu Test (Ha: P-şapkası P'ye eşit değildir):
Z (alfa / 2) <= Z <= Z (1-alfa / 2) ise H0'ı kabul edin
Z <Z (alfa / 2) veya Z> Z (1-alfa / 2) ise H0'ı reddet