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_hypothesismean4.wasp
Title produced by softwareTesting Mean with known Variance - Sample Size
Date of computationWed, 12 Nov 2008 02:03:09 -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/12/t12264806461skkr13qi810xjw.htm/, Retrieved Sun, 19 May 2024 08:51:05 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24021, Retrieved Sun, 19 May 2024 08:51:05 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact220

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 - Sample Size] [Testing Mean with...] [2008-11-12 09:03:09] [96839c4b6d4e03ef3851369c676780bf] [Current]
Feedback Forum
2008-11-20 16:52:35 [Bénédicte Soens] [reply] 
Er is een goede conclusie! Het is inderdaad zo dat men door een verhoging van de steekproefgrootte een beter beeld zal krijgen. Hier zal men i.p.v. 27 steekproeven er 32466 moeten uitvoeren. Maar zoals reeds werd vermeld is dit te omslachtig (te veel tijd en te duur) waardoor dit niet realistisch is.
2008-11-24 21:26:55 [Jonas Scheltjens] [reply] 
De student is juist wanneer hij stelt dat de kans dat men de fout niet detecteert moet verkleind worden. De methode die de student gebruikt is correct: de variantie te verkleinen om dit probleem aan te pakken is een goede methode. Hierbij gaat men dus de testpopulatie verhogen tot 32 466 stukken vlees (berekenen met de Testing Mean with Known Variance). Onmiddellijk merken we dat dit niet haalbaar is aangezien dit zeer veel tijd, geld, middelen, arbeidskrachten,… gaat vergen en dus niet rendabel meer blijft. De variantie aldus verkleinen heeft hier niet veel zin. Een andere methode is de Type 2 Error verlagen, wat met zich meebrengt dat de Type 1 Error verhoogt, wat ook niet steeds wenselijk is aangezien dan nog meer goede stukken vlees worden afgekeurd.
2008-11-24 21:39:57 [Marlies Polfliet] [reply] 
Deze vraag is opnieuw correct berekend en beargumenteerd.
Het werkelijke vetpercentage moet tussen min oneindig en 0,189276559191704 liggen en bovendien ligt 0,1546 (gemiddelde van de steekproef) onder 0,189276559191704 en dus binnen het 95%betrouwbaarheidsinterval. Maar om de variantie te verkleinen, moet men zoals de student correct heeft opgemerkt de steekproefgrootte verhogen naar 32466,5 metingen, wat praktisch gezien (financieel niet haalbaar en enorm tijdrovend) niet realiseerbaar is.
  2008-11-24 21:50:56 [Marlies Polfliet] [reply] 
Dit was mijn foute versie ( mijn excuses).
2008-11-24 21:50:07 [Marlies Polfliet] [reply] 
Het is inderdaad zo dat men door een verhoging van de steekproefgrootte een beter beeld zal krijgen. Maar om van 6% pakkans (zie Q3) naar 95% pakkans te gaan moet men 32466,5 steekproeven uitvoeren (i.p.v. 27). En zoals de student terecht concludeert is dit praktisch gezien niet realiseerbaar (financieel niet haalbaar en enorm tijdrovend).

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'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\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 & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24021&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]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24021&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24021&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'Sir Ronald Aylmer Fisher' @ 193.190.124.24






Testing Mean with known Variance
population variance0.012
null hypothesis about mean0.15
alternative hypothesis about mean0.152
type I error0.05
type II error0.05
sample size32466.5214491449

\begin{tabular}{lllllllll}
\hline
Testing Mean with known Variance \tabularnewline
population variance & 0.012 \tabularnewline
null hypothesis about mean & 0.15 \tabularnewline
alternative hypothesis about mean & 0.152 \tabularnewline
type I error & 0.05 \tabularnewline
type II error & 0.05 \tabularnewline
sample size & 32466.5214491449 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24021&T=1

[TABLE]
[ROW][C]Testing Mean with known Variance[/C][/ROW]
[ROW][C]population variance[/C][C]0.012[/C][/ROW]
[ROW][C]null hypothesis about mean[/C][C]0.15[/C][/ROW]
[ROW][C]alternative hypothesis about mean[/C][C]0.152[/C][/ROW]
[ROW][C]type I error[/C][C]0.05[/C][/ROW]
[ROW][C]type II error[/C][C]0.05[/C][/ROW]
[ROW][C]sample size[/C][C]32466.5214491449[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24021&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24021&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
population variance0.012
null hypothesis about mean0.15
alternative hypothesis about mean0.152
type I error0.05
type II error0.05
sample size32466.5214491449


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 0.012 ; par2 = 0.15 ; par3 = 0.152 ; par4 = 0.05 ; par5 = 0.05 ;
Parameters (R input):
par1 = 0.012 ; par2 = 0.15 ; par3 = 0.152 ; par4 = 0.05 ; 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))
if (par2 == par3)
{
conclusion <- 'Error: the null hypothesis and alternative hypothesis must not be equal.'
}
ua <- abs(qnorm(par4))
ub <- qnorm(par5)
c <- (par2+ua/ub*(-par3))/(1-(ua/ub))
sqrtn <- ua*sqrt(par1)/(c - par2)
samplesize <- sqrtn * sqrtn
ua
ub
c
sqrtn
samplesize
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,'population variance',header=TRUE)
a<-table.element(a,par1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'null hypothesis about mean',header=TRUE)
a<-table.element(a,par2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alternative hypothesis about mean',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'type I error',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'type II error',header=TRUE)
a<-table.element(a,par5)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('ht_mean_knownvar.htm#ex4','sample size','example'),header=TRUE)
a<-table.element(a,samplesize)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')