Auswählen der Analyseoptionen für Test von Anteilen, 1 Stichprobe

Statistik > Statistische Standardverfahren > Test von Anteilen, 1 Stichprobe > Optionen

Geben Sie das Konfidenzniveau für das Konfidenzintervall an, legen Sie Alternativhypothese fest, oder geben Sie die Methode für den Test und das Konfidenzintervall an.

Konfidenzniveau

Geben Sie im Feld Konfidenzniveau das Konfidenzniveau für das Konfidenzintervall ein.

In der Regel ist ein Konfidenzniveau von 95 % gut geeignet. Ein Konfidenzniveau von 95 % gibt an, dass bei einer Entnahme von 100 Zufallsstichproben aus der Grundgesamtheit die Konfidenzintervalle für etwa 95 der Stichproben den Parameter der Grundgesamtheit abdecken.

Für einen bestimmten Datensatz erzeugt ein niedrigeres Konfidenzniveau ein schmaleres Konfidenzintervall, während mit einem höheren Konfidenzniveau ein breiteres Konfidenzintervall erzielt wird. Die Breite des Intervalls nimmt zudem bei größeren Stichprobenumfängen tendenziell ab. Daher empfiehlt es sich unter Umständen, je nach Stichprobenumfang ein anderes Konfidenzintervall als 95 % zu verwenden.

Wenn Ihre Stichprobengröße klein ist, ist ein Konfidenzintervall von 95 % möglicherweise zu breit, um nützlich zu sein. Die Verwendung eines niedrigeren Konfidenzniveaus, z. B. 90%, führt zu einem engeren Intervall. Die Wahrscheinlichkeit, dass das Intervall den Bevölkerungsanteil abdeckt, nimmt jedoch ab.
Wenn Ihre Stichprobengröße groß ist, sollten Sie eine höhere Konfidenzstufe verwenden, z. B. 99 %. Bei einer großen Stichprobe kann mit einem 99%-Konfidenzniveau möglicherweise immer noch ein hinreichend schmales Intervall erzielt werden, während gleichzeitig die Wahrscheinlichkeit steigt, dass das Intervall den Anteil der Grundgesamtheit Abdeckung.

Alternativhypothese

Wählen Sie im Feld Alternativhypothese die zu testende Hypothese aus.

Hinweis

In der Webanwendung verändert die Auswahl der alternativen Hypothese die verfügbare Methode, um einen exakten Test auszuwählen.

Anteil < Hypothesenanteil

Verwenden Sie diesen einseitigen Test, um zu ermitteln, ob der Anteil der Grundgesamtheit kleiner als der hypothetische Anteil ist, und um eine Obergrenze zu erhalten. Dieser einseitige Test ist stärker als ein zweiseitiger Test, kann aber nicht erkennen, ob der Populationsanteil größer als der hypothetische Anteil ist.

Ein Techniker verwendet diesen einseitigen Test beispielsweise, um zu ermitteln, ob der Anteil fehlerhafter Teile kleiner als 0,001 (0,1 %) ist. Dieser einseitige Test hat größere Leistung, um festzustellen, ob der Anteil kleiner als 0,001 ist, kann aber nicht erkennen, ob der Anteil größer als 0,001 ist.

Anteil ≠ Hypothesenanteil

Verwenden Sie diesen zweiseitigen Test, um festzustellen, ob der Populationsanteil von dem hypothetischen Anteil abweicht, und um ein zweiseitiges Konfidenzintervall zu erhalten. Ein beidseitiger Test kann Unterschiede erkennen, die kleiner oder größer als der hypothetische Wert sind, hat jedoch weniger Leistung als ein einseitiger Test.

Zum Beispiel prüft ein Bankmanager, ob der Anteil der Kunden, die in diesem Jahr Sparkonten haben, vom Anteil des Vorjahres abweicht, nämlich 0,57 (57 %). Da jeder Unterschied zum Anteil des Vorjahres wichtig ist, verwendet der Manager diesen zweiseitigen Test, um zu bestimmen, ob der Anteil dieses Jahres größer oder niedriger ist als der des Vorjahres.

Anteil > Hypothesenanteil

Verwenden Sie diesen einseitigen Test, um zu ermitteln, ob der Anteil der Grundgesamtheit größer als der hypothetische Anteil ist, und um eine Untergrenze zu erhalten. Dieser einseitige Test ist stärker als ein zweiseitiger Test, kann aber nicht erkennen, ob der weniger als der hypothetische Anteil ist.

Ein Qualitätsanalytiker verwendet diesen einseitigen Test beispielsweise, um zu ermitteln, ob der Anteil akzeptabler elektrischer Schalter größer als 0,98 ist. Dieser einseitige Test hat größere Macht zu bestimmen, ob der Anteil größer als 0,98 ist, aber er kann nicht feststellen, ob der Anteil kleiner als 0,98 ist.

Weitere Informationen zum Auswählen einer einseitigen oder beidseitigen Alternativhypothese finden Sie unter Informationen zur Nullhypothese und zur Alternativhypothese.

Methode

Wählen Sie unter Methodedie Methode zum Berechnen des Hypothesentests und des Konfidenzintervalls aus.

Angepasster Blaker (exakt): Standardmäßig verwendet Minitab die angepasste exakte Blaker-Methode, da die Konfidenzintervalle präziser sind als die exakte Clopper-Pearson-Methode. Intervalle aus der angepassten Blaker-Exact-Methode sind verschachtelt. Diese Eigenschaft bedeutet, dass Konfidenzintervalle mit höheren Konfidenzniveaus Konfidenzintervalle mit niedrigeren Konfidenzniveaus enthalten. Ein exaktes, zweiseitiges Blaker-Konfidenzintervall von 95 % enthält z. B. das entsprechende Konfidenzintervall von 90 %.; In der Web-App ändert sich beim Auswählen Anteil < Hypothesenanteil von oder Anteil > Hypothesenanteil die exakte Methode zur Clopper-Pearson-Methode, weil die angepasste Blaker-exakte Methode für die Hypothese Anteil ≠ Hypothesenanteil ist. Verwenden Sie die Clopper-Pearson-Methode für diese Hypothesen, wenn Sie einen exakten Test wollen.; Die Clopper-Pearson-exakte Methode ist in der Regel übermäßig konservativ für zweiseitige Intervalle, sodass das tatsächliche Konfidenzniveau des Intervalls höher ist als das angegebene Konfidenzniveau. Für einseitige Intervalle ist die Clopper-Pearson-Methode weniger konservativ als für den zweiseitigen Fall.; In der Desktop-App verwendet die Analyse beim Auswählen Anteil < Hypothesenanteil von oder Anteil > Hypothesenanteil und das Methode ist Angepasster Blaker (exakt) die Clopper-Pearson-exakte Methode.
Clopper-Pearson (exakt) (Web-App): In der Web-App ändert sich beim Auswählen Anteil < Hypothesenanteil von oder Anteil > Hypothesenanteil die exakte Methode zur Clopper-Pearson-Methode, weil die angepasste Blaker-exakte Methode für die Hypothese Anteil ≠ Hypothesenanteil ist. Verwenden Sie die Clopper-Pearson-Methode für diese Hypothesen, wenn Sie einen exakten Test wollen.
Wilson-Partitur: Die Wilson-Score-Methode ist für viele praktische Anwendungen eine sinnvolle Wahl. Das tatsächliche Konfidenzniveau des Wilson-Score-Intervalls liegt oft unter dem nominalen Konfidenzniveau, das Sie in der Analyse angeben. Verwenden Sie die Dauerkorrektur, sodass das tatsächliche Konfidenzniveau mindestens das nominale Konfidenzniveau in der Analyse entspricht.
Agresti-Coull: In vielen Statistik-Lehrbüchern wird das Agresti-Coull-Intervall gelehrt. Das Agresti-Coull-Intervall verwendet keine iterativen Berechnungen, so dass die Ergebnisse für die Schüler leichter manuell zu berechnen sind als das angepasste Blaker-Intervall oder das Wilson-Score-Intervall. Das Agresti-Coull-Intervall hat den gleichen Mittelpunkt wie das Wilson-Score-Konfidenzintervall ohne Kontinuitätskorrektur. Das Agresti-Coull-Intervall enthält das Wilson-Score-Intervall, wodurch das Agresti-Coull-Intervall konservativer ist als das Wilson-Score-Intervall.
Normal-Approximation: Viele Statistiklehrbücher lehren das Wald-Normalapproximationsintervall. Das Wald-Intervall verwendet keine iterativen Berechnungen, so dass die Ergebnisse für die Schüler leichter manuell zu berechnen sind als das angepasste Blaker-Intervall oder das Wilson-Score-Intervall. Der Mittelpunkt des Wald-Intervalls ist die beobachtete Wahrscheinlichkeit.