一个比例的尾 z 检验有什么问题?

机器算法验证 假设检验 部分 z检验 单尾测试
2022-03-14 07:28:25

回答后如何分析观察到的与预期时的预期只是一个比例?通过建议 OP 对他们的比例数据使用单尾 Z 检验,我在评论中与另一位用户进行了辩论,他们的观点在我身上丢失了。

在我的回答中,我主张测试H0:p=1/2vs.H1:p<1/2. 我提倡左尾测试,因为 OP 的观察比例是 0.2。

在评论中,另一个用户和我说:

亚历克西斯:你的替代假设不对应于零的恭维。

Statman:我提倡单尾测试。

Alexis:然后提出正确的单尾零假设:H0:p1/2.

Statman:但为什么是@Alexis?观察到的 p 为 0.2<0.5

我没有收到答案,但收到了健康的反对票。

现在,左尾检验在教科书中作为有效选项给出,例如在Milton人的概率与统计导论中。al,所以我的问题是@Alexis 试图对左尾 z 测试提出什么意见?

2个回答

我的评论特别是关于你对适当的单样本单边(又名单尾)零假设(不是关于单边检验 本身)的阐述,对于比例,它应该是H0:pp0H1:p<p0, 或者H0:pp0H1:p>p0. 请记住,在评估您的数据以确定拒绝决定的方向性之前,已经阐明了零假设。

您在答案中提出的零假设的形式为H0:p=p0它有适当的选择H1:pp0,因为根据定义,替代假设对应于原假设中的互补事件。但是,您提出了一个替代方案H1:p<p0,这不是你的 null 的补码。实际上,它甚至不对应于您在答案中链接到的网站上表达的替代假设。问题的症结在于,可能真的是这样p>p0,但这种自然状态不适合你的H0或者你的H1, 因为样本空间p没有完全由你的 null 和alternate 表示,它们不能很好地形成。

明确地说:单边单样本不等式检验没有任何问题,但是您为此类检验错误地阐明了原假设。

您的建议的一个问题是比例的正常近似值仅在某些情况下是合理的。大样本和观察到的比例远离 0 和 1 的边界。原始问题中都没有指定这些情况。请参阅此问题:测试两个二项式比例的相等性(一个接近 100 %)

我之前曾建议从教科书中省略比例置信区间的正态近似方法,从而引发了一些讨论。你可以在这里阅读:哪些统计方法是过时的,应该从教科书中省略?