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 computationThu, 13 Nov 2008 10:39:30 -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/13/t1226598032svidxc5hx40r7ra.htm/, Retrieved Sun, 19 May 2024 09:24:18 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24729, Retrieved Sun, 19 May 2024 09:24:18 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywordshundrasmet
Estimated Impact141

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] [pork quality Q4] [2008-11-13 17:39:30] [fb0a4305582623ea5408efbbf6f8b708] [Current]
Feedback Forum
2008-11-17 13:30:25 [Hundra Smet] [reply] 
hier is een fout antwoord gegeven, de getallen zijn wel juist.
de juiste conclusie is:
we willen type 1 en 2 fout laten dalen (pakkans vergroten). dit doen we door de steekproef te vergroten, waardoor de variantie daalt. we zien in de berekening dat we de steekproef moeten verhogen naar 32 466,5. dit kost echter veel tijd en geld en is bijgevolg niet haalbaar.
2008-11-20 08:52:42 [Gert-Jan Geudens] [reply] 
Het antwoord is niet correct. Uit de correcte berekeningen blijkt dat we de steekproef moeten vergroten tot 32467. Dit is praktisch niet haalbaar. Het is te tijdrovend en de omvang is bijna onrealistisch. Het zou best wel eens kunnen zijn dat, in dit geval, de steekproef groter is dan de levering want zeer onlogisch is.
2008-11-22 15:34:18 [Angelique Van de Vijver] [reply] 
De student heeft wel een goede berekening maar heeft niet geantwoord op de vraag. Wat de student zegt is juist maar is geen antwoord op de vraag.
Uit de berekening kunnen we afleiden dat we de steekproef moeten vergroten tot 32466 om de pakkans te vergroten. Deze steekproef is veel groter dan deze die we gebruikt hebben in het voorbeeld (27). Deze sample size is echter veel te groot en dit zal dus ook veel te duur zijn waardoor dit niet haalbaar is.
2008-11-23 14:09:09 [Liese Drijkoningen] [reply] 
De tabel die de student heeft gegeven is correct. De interpretatie daarentegen is niet correct.
Om de waarschijnlijkheid dat we de fout opstporen tot 95% op te schroeven, moeten we de steekproef uitbreiden tot 32466,5. Dit is zeer veel. Het zal dan ook problemen geven omdat het te duur is, te omslagtig is en er zal niets van de levering overblijven om te verkopen. Deze steekproefgrootte is dus niet haalbaar.
2008-11-23 14:16:58 [Maarten Van Gucht] [reply] 
Het antwoord van de student is geen antwoord op de vraag. de berekeningen van de student zijn wel juist, maar kan de juiste conclusie niet trekken. We kunnen deze proef nauwkeuriger maken en de pakkans groter door de variantie te verkleinen.
Om dit te bereiken te bereiken moet de steekproefgrootte naar 32466.5 verhoogd worden. Dit kost echter veel geld en tijd om deze nauwkeurigheid te bekomen. Een steekproef van deze grootte is economisch niet realistisch en dus niet haalbaar. het zou teveel tijd en geld in beslag nemen.

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'George Udny Yule' @ 72.249.76.132

\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 & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24729&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]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24729&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24729&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'George Udny Yule' @ 72.249.76.132






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=24729&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=24729&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24729&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')