Questions tagged «power»

是假设检验方法的一个属性:假设原假设为假,则拒绝原假设的可能性,即不犯II型错误的可能性。测试的功效取决于样本量,效应量和显着性(α)测试水平。

3
当零假设为
我想对来自二项式数据的单个样本进行功效分析,H0:p=0H0:p=0H_0: p = 0,而H1:p=0.001H1:p=0.001H_1: p = 0.001,其中ppp是总体中成功的比例。如果0&lt;p&lt;10&lt;p&lt;10 < p <1,我可以使用任一的正态近似二项式,或χ2χ2\chi^2 -test,但与p=0p=0p =0,这些都失败。我很想知道是否可以进行这种分析。我非常感谢您的任何建议,评论或参考。非常感谢!

1
Fisher精确检验(置换检验)的功效令人惊讶
我遇到了所谓的“精确测试”或“置换测试”的自相矛盾行为,其原型是费舍尔测试。这里是。 想象一下,您有两组,每组400个人(例如400名对照vs 400例),以及一个具有两种模式(例如暴露/未暴​​露)的协变量。在第二组中只有5个暴露的个体。Fisher测试是这样的: &gt; x &lt;- matrix( c(400, 395, 0, 5) , ncol = 2) &gt; x [,1] [,2] [1,] 400 0 [2,] 395 5 &gt; fisher.test(x) Fisher's Exact Test for Count Data data: x p-value = 0.06172 (...) 但是现在,第二组(病例)存在某种异质性,例如疾病的形式或募集中心。它可以分为4组,每组100个人。这样的事情可能会发生: &gt; x &lt;- matrix( c(400, 99, 99 , 99, 98, …

2
女士品尝茶的力量
在著名的费舍尔实验中,可观察到的是具有杯子和两种的校正猜想杯子的数量。通常,给定测试的大小,计算临界区域以拒绝零假设(女士在随机猜测)是很有趣的。使用超几何分布很容易做到这一点。以相同的方式,我可以在给定关键区域的情况下计算测试的大小。一kkkAAABBBαα\alpha 一个不同的问题是:给定替代假设,如何计算检验的功效?例如,假设女士能够在单个杯子上概率正确地猜测()。假设杯子的总数等于并且一种杯子的总数等于,那么测试的功效是什么?(不幸的是)那位女士认识。p=90%p=90%p=90\%P(guessA|trueA)=P(guess B|true B)=0.9P(guessA|trueA)=P(guess B|true B)=0.9P(\text{guess} A|\text{true} A)=P(\text{guess } B|\text{true } B)=0.9N=8N=8N=8n=N/2=4n=N/2=4n=N/2=4nnn 换句话说:如果女士知道存在一种杯子,则(替代假设下正确杯子的数量)的分布是什么?k=k=k=nnn
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.