FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_hypothesismean2.wasp
Title produced by softwareTesting Mean with known Variance - p-value
Date of computationTue, 11 Nov 2008 04:54:10 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/11/t1226404651m8tqktgfxprqhs6.htm/, Retrieved Sun, 19 May 2024 12:19:24 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23347, Retrieved Sun, 19 May 2024 12:19:24 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywordsk_vanderheggen
Estimated Impact134

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Testing Mean with known Variance - p-value] [The Pork Quality ...] [2008-11-11 11:54:10] [547f3960ab1cda94661cd6e0871d2c7b] [Current]
Feedback Forum
2008-11-15 12:37:44 [Käthe Vanderheggen] [reply] 
Het gaat hier over one-tailed test (je denkt dat er teveel vet in het vlees werd gedaan, niet te weinig). Je hebt dus niet 82,72% kans dat je klacht ongerechtvaardigd is maar 41% kans. Je hebt zo nog steeds een te grote kans dat je verdenking onjuist is. Verwerp daarom de nulhypothese (die stelt dat niet teveel vet in het vlees werd gedaan) niet!
2008-11-17 13:15:35 [] [reply] 
je hebt inderdaad al een vermoeden, daarom kan de fraude slechts in 1 richting gaan (= teveel vet voor een financ. voordeel te bekomen).
we zien dat de one tailed p value slechts 41% is (geen 82,72% zoals ik zei in de conclusie), dit is de kans dat je je vergist bij het verwerpen van de nulhypothese. (en dus niet de kans op een onrechtvaardige klacht, zoals Käthe zei)

we zien ook dat de p value groter is dan de alfa fout; dit wil zeggen dat we de nulhypothese niet gaan verwerpen. (het verschil hiertussen is aan toeval te wijten)
2008-11-17 13:16:48 [Hundra Smet] [reply] 
de vorige comment was van mij, ik was me vergeten aanmelden.
2008-11-20 08:44:00 [Gert-Jan Geudens] [reply] 
In de opdracht is sprake van 'cheap' pork. Cheap pork bevat veel vet dus moeten we de one-tailed test gebruiken. Hier zien we dan ook dat de p-waarde gelijk is aan 0.41. Je hebt dus met andere woorden 41% kans dat je klacht ongerechtvaardigd is. Het is dus niet echt slim om een klacht in te dienen aangezien je bij verlies, al de gerechtskosten en dergelijke zal moeten betalen.
2008-11-22 15:10:01 [Angelique Van de Vijver] [reply] 
De student heeft hier gebruik gemaakt van de tweezijdige p-value. Ik zou de 1-zijdige p-value nemen omdat het hier gaat over “goedkoop” vlees wat er dus op wijst dat het vlees bestaat uit meer vet en minder vlees. Hier moeten we dus zien of het vetpercentage niet meer is dan die 15%. Goede conclusie van de student : zowel bij de one-tailed als bij de two-tailed test mag de nulhypothese niet verworpen worden.
Hier kunnen we dus afleiden dat je 41% kans hebt dat je u vergist bij het verwerpen van de nulhypothese. Dit betekent dus dat je een grote kans hebt dat je klacht ongerechtvaardigd is. Meestal als de p-value groter is dan 5 % gaat men ervan uit dat toeval heeft meegespeeld. In dit voorbeeld is het verschil tussen die 15% en 15.48% dus veroorzaakt door toeval.
2008-11-23 12:47:07 [Liese Drijkoningen] [reply] 
De student haalt hier de two-sided test aan, maar we zouden eigelijk gebruik moeten maken van de one-sided test omdat we enkel te veel vet kunnen hebben. De p-waarde (41,36%) is de kans dat je je vergist, indien je een klacht indient. Deze waarde is veel te hoog. Je zal dus geen advocaat aanstellen om een klacht in te dienen. Je zou veel te vele gerechtskosten moeten betalen.
Het verschil tussen de 15% en de 15,46%is dus aan toeval te wijten.
2008-11-23 14:01:12 [Maarten Van Gucht] [reply] 
De student heeft hier gebruik gemaakt van de tweezijdige p-value. Dit is niet juist. In de opgave staat dat je een sterk vermoeden hebt dat er fraude is, teveel vet, dan ga ervan uit dat de fraude maar in 1 richting kan gaan; nl teveel vet. niemand gaat te weinig vet en teveel vlees gebruiken want vlees is duurder dan vet. Door deze beredenering gebruiken we de One tailed. zoals je kan afleiden in de student zijn berekeningen is de p-value van de eenzijdige test 41%. Deze p-waarde geeft de percentage kan weer dat je je vergist bij het verwerpen van de nulhypothese. Deze 41% betekent dat er een grote kans is dat je klacht ongerechtvaardigd is. Meestal kan je deze conclusie trekken als de p-value groter is dan 5% (wat in dit geval zo is). De nulhypothese mag dus NIET verworpen worden. In dit voorbeeld is het verschil tussen die 15% en 15.48% dus veroorzaakt door toeval. de conclusie van de student is dus goed, enkel moest hij gebruik maken van de one-tailed.
2008-11-23 22:29:51 [Peter Van Doninck] [reply] 
Verkeerde conclusie. De kans dat je een vergissing maakt, indien je een klacht indient, bedraagt 41%. Dit is de gevonden p-waarde. De null hypothese mag niet verworpen worden want de p-waarde is merkbaar groter dan de alfa-fout. Hieruit kan geconcludeerd worden dat het verschil tussen 15% en 15,46% louter aan toeval te wijten is.

Post a new message

Dataset

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 1 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23347&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]1 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Gwilym Jenkins' @ 72.249.127.135[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23347&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23347&T=0

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time1 seconds
R Server'Gwilym Jenkins' @ 72.249.127.135






Testing Mean with known Variance
sample size27
population variance0.012
sample mean0.1546
null hypothesis about mean0.15
type I error0.05
Z-value0.218197158551618
p-value (one-tailed)0.413637749448374
p-value (two-tailed)0.827275498896748
conclusion for one-tailed test
Do not reject the null hypothesis.
conclusion for two-tailed test
Do not reject the null hypothesis

\begin{tabular}{lllllllll}
\hline
Testing Mean with known Variance \tabularnewline
sample size & 27 \tabularnewline
population variance & 0.012 \tabularnewline
sample mean & 0.1546 \tabularnewline
null hypothesis about mean & 0.15 \tabularnewline
type I error & 0.05 \tabularnewline
Z-value & 0.218197158551618 \tabularnewline
p-value (one-tailed) & 0.413637749448374 \tabularnewline
p-value (two-tailed) & 0.827275498896748 \tabularnewline
conclusion for one-tailed test \tabularnewline
Do not reject the null hypothesis. \tabularnewline
conclusion for two-tailed test \tabularnewline
Do not reject the null hypothesis \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23347&T=1

[TABLE]
[ROW][C]Testing Mean with known Variance[/C][/ROW]
[ROW][C]sample size[/C][C]27[/C][/ROW]
[ROW][C]population variance[/C][C]0.012[/C][/ROW]
[ROW][C]sample mean[/C][C]0.1546[/C][/ROW]
[ROW][C]null hypothesis about mean[/C][C]0.15[/C][/ROW]
[ROW][C]type I error[/C][C]0.05[/C][/ROW]
[ROW][C]Z-value[/C][C]0.218197158551618[/C][/ROW]
[ROW][C]p-value (one-tailed)[/C][C]0.413637749448374[/C][/ROW]
[ROW][C]p-value (two-tailed)[/C][C]0.827275498896748[/C][/ROW]
[ROW][C]conclusion for one-tailed test[/C][/ROW]
[ROW][C]Do not reject the null hypothesis.[/C][/ROW]
[ROW][C]conclusion for two-tailed test[/C][/ROW]
[ROW][C]Do not reject the null hypothesis[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23347&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23347&T=1

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Testing Mean with known Variance
sample size27
population variance0.012
sample mean0.1546
null hypothesis about mean0.15
type I error0.05
Z-value0.218197158551618
p-value (one-tailed)0.413637749448374
p-value (two-tailed)0.827275498896748
conclusion for one-tailed test
Do not reject the null hypothesis.
conclusion for two-tailed test
Do not reject the null hypothesis


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 27 ; par2 = 0.012 ; par3 = 0.1546 ; par4 = 0.15 ; par5 = 0.05 ;
Parameters (R input):
par1 = 27 ; par2 = 0.012 ; par3 = 0.1546 ; par4 = 0.15 ; par5 = 0.05 ;
R code (references can be found in the software module):
par1<-as.numeric(par1)
par2<-as.numeric(par2)
par3<-as.numeric(par3)
par4<-as.numeric(par4)
par5<-as.numeric(par5)
c <- 'NA'
csn <- abs(qnorm(par5))
csn2 <- abs(qnorm(par5/2))
z <- (par3 - par4) / (sqrt(par2/par1))
p <- 1-pnorm(z)
if (par3 == par4)
{
conclusion <- 'Error: the null hypothesis and sample mean must not be equal.'
conclusion2 <- conclusion
} else {
if (p < par5/2)
{
conclusion2 <- 'Reject the null hypothesis'
} else {
conclusion2 <- 'Do not reject the null hypothesis'
}
}
if (p < par5)
{
conclusion <- 'Reject the null hypothesis.'
} else {
conclusion <- 'Do not reject the null hypothesis.'
}
p
conclusion
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('ht_mean_knownvar.htm','Testing Mean with known Variance','learn more about Statistical Hypothesis Testing about the Mean when the Variance is known'),2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'sample size',header=TRUE)
a<-table.element(a,par1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'population variance',header=TRUE)
a<-table.element(a,par2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'sample mean',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'null hypothesis about mean',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'type I error',header=TRUE)
a<-table.element(a,par5)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Z-value',header=TRUE)
a<-table.element(a,z)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value (one-tailed)',header=TRUE)
a<-table.element(a,p)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'p-value (two-tailed)',header=TRUE)
a<-table.element(a,p*2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'conclusion for one-tailed test',2,header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,conclusion,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'conclusion for two-tailed test',2,header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,conclusion2,2)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')