Beispiel für Ereignisrate in Poisson-Modellen, 2 Stichproben

Ein Analytiker für einen Postdienstleister möchte die Anzahlen der Kundenbesuche von zwei Postfilialen vergleichen. Der Analytiker zählt die Anzahl der Kunden, die in einem Zeitraum von 40 Werktagen die beiden Postfilialen aufsuchen.

Der Analytiker führt einen Test auf Ereignisrate in Poisson-Modellen bei zwei Stichproben durch, um festzustellen, ob sich die tägliche Rate der Kundenbesuche für die beiden Postfilialen unterscheidet.

  1. Öffnen Sie die Beispieldaten Postfilialbesuche.MTW.
  2. Wählen Sie Statistik > Statistische Standardverfahren > Ereignisrate in Poisson-Modellen, 2 Stichproben aus.
  3. Wählen Sie in der Dropdownliste die Option Jede Stichprobe befindet sich in einer eigenen Spalte aus.
  4. Geben Sie im Feld Stichprobe 1 die Spalte Filiale A ein.
  5. Geben Sie im Feld Stichprobe 2 die Spalte Filiale B ein.
  6. Klicken Sie auf OK.

Interpretieren der Ergebnisse

Die Nullhypothese besagt, dass die Differenz beim Kundenaufkommen pro Tag zwischen den zwei Postfilialen 0 ist. Da der p-Wert von 0,031 kleiner als das Signifikanzniveau (als α oder Alpha bezeichnet) 0,05 ist, verwirft der Analyst die Nullhypothese und schlussfolgert, dass sich das Kundenaufkommen pro Tag zwischen den zwei Postfilialen unterscheidet. Das 95%-KI gibt an, dass das Kundenaufkommen in Filiale B wahrscheinlich höher als in Filiale A ist.

Test und KI für Ereignisrate in Poisson-Modellen bei zwei Stichproben : Filiale A; Filiale B

Methode λ₁: Poisson-Rate von Filiale A λ₂: Poisson-Rate von Filiale B Differenz: λ₁ - λ₂
Deskriptive Statistik Ereignishäufigkeit Rate der Stichprobe N gesamt Stichprobe Filiale A 40 9983 249,575 Filiale B 40 10291 257,275
Schätzwert für Differenz Geschätzte 95%-KI für Differenz Differenz -7,7 (-14,6768; -0,723175)
Test Nullhypothese H₀: λ₁ - λ₂ = 0 Alternativhypothese H₁: λ₁ - λ₂ ≠ 0
Methode z-Wert p-Wert Exakt 0,031 Normal-Approximation -2,16 0,031
Durch Ihre Nutzung dieser Website stimmen Sie zu, dass Cookies verwendet werden. Cookies dienen zu Analysezwecken und zum Bereitstellen personalisierter Inhalte.  Lesen Sie unsere Richtlinien