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 computationWed, 12 Nov 2008 05:09:34 -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/t1226491851nuzosin4mgshzhp.htm/, Retrieved Sun, 19 May 2024 12:34:46 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24151, Retrieved Sun, 19 May 2024 12:34:46 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact147

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] [Pork quality test...] [2008-11-12 12:09:34] [98255691c21504803b38711776845ae0] [Current]
Feedback Forum
2008-11-14 16:12:00 [407693b66d7f2e0b350979005057872d] [reply] 
Het antwoord is gedeeltelijk juist op deze vraag. Er is niets gezegd omtrent dat de eenzijdige p-waarde is hier gelijk aan 41% dat wil zeggen dat de kans dat je je vergist bij het indienen van de klacht gelijk is aan die 41%. Als de p-waarde niet kleiner is dan de alfa of type 1 fout dan mag je de nul hypothese niet verwerpen. Het verschil tussen 15% en 15.46% kunnen we toeschrijven aan toeval. De nul hypothese moet niet verworpen worden
2008-11-16 18:36:43 [006ad2c49b6a7c2ad6ab685cfc1dae56] [reply] 
Door de hoge kans dat je je vergist bij het verwerpen van de nulhypothese dienen we toch geen klacht in. Omdat de p-waarde groter is dan alfa (0,05)moet je de nulhypothese niet verwerpen. Het verschil tussen 15% en 15,46% is te wijten aan toeval.
2008-11-24 13:30:50 [Dave Bellekens] [reply] 
Je moet hier gebruik maken van de one-sided p-value, omdat er in de opgave sprake is van 'cheap' vlees. Dit wil zeggen dat we enkel willen nagaan of er te veel vet is toegevoegd. Daarom is enkel de one-sided p-value de correcte.

Deze p-waarde bedraagt 41%, wat wil zeggen dat de kans groot is dat we ons vergissen bij het indienen van een klacht. De waarde ligt veel hoger dan de type 1 fout, dus dienen we geen klacht in.
2008-11-24 18:55:33 [Kevin Vermeiren] [reply] 
Het klopt inderdaad dat de kans 83% is, bij een 2-zijdige test, dat we ons vergissen. We gaan dus, zoals de student vermeld, geen klacht indienen en een advocaat inhuren. Dit doen we omdat we niet met zekerheid kunnen zeggen of het werkelijke vetpercentages voldoen aan de contractuele vereisten 15% en niet aan 15.46% zoals de student vermeld. Verder klopt het inderdaad dat we de nul hypothese niet verwerpen. Om zeker te zijn moet de p-waarde kleiner zijn dan 0.05 (wordt correct vermeld door de student). Ook hier kon men voor een 1-sided test kiezen door dat de producent enkel voordeel kan halen uit een situatie waarin er teveel vet wordt verwerkt in het vlees. Ook bij deze test ligt de p-waarde beduidend hoger dan 0.05 waardoor we de nul hypothese niet gaan verwerpen. Bij deze opgave diende nog vermeld te worden dat we de type I error zelf bepaald hebben op 0.05. In de praktijk zal deze door het management bepaald worden. Als algemene conclusie kunnen we dus stellen dat we geen beroep gaan doen op een advocaat om een klacht in te dienen daar de kans op vergissen te groot is. Bijgevolg is de afwijking met de contractuele waarde(15%) niet significant en dus toevallig.

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 time0 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 & 0 seconds \tabularnewline
R Server & 'Gwilym Jenkins' @ 72.249.127.135 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24151&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]0 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=24151&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24151&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 time0 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=24151&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=24151&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24151&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')