1-표본 비율에 대한 랜덤화 검정에 대한 데이터 입력

계산 > 재표본 추출 > 1-표본 비율에 대한 랜덤화 검정

데이터를 가장 잘 설명하는 옵션을 선택하십시오.

표본 데이터가 한 열에 있음

데이터가 워크시트의 한 열에 있는 경우 다음 단계를 수행하십시오.

드롭다운 리스트에서 표본 데이터가 한 열에 있음을 선택합니다.
표본에 분석하려는 데이터 열을 입력합니다. 열에는 True 및 False와 같은 두 개의 고유한 값이 포함되어야 합니다.
사건에서 Minitab이 사건(성공이라고도 함)으로 사용하는 결과를 선택합니다. 표본 비율은 사건 수를 총 시도 횟수로 나눈 값과 같습니다.
재표본 수에 Minitab에서 데이터의 재표본을 가져와야 하는 횟수를 입력합니다. 각 재표본의 표본 크기는 원래 데이터 집합의 표본 크기와 같습니다. 1부터 10,000까지의 값을 입력할 수 있습니다. 보통 많은 수의 재표본이 가장 적합한 방법입니다.
귀무 가설에서의 비율에 값을 입력합니다. 귀무 가설에서의 비율은 귀무 가설을 정의합니다(H₀: ρ = ρ₀). 이 값을 목표값 또는 기준 값으로 생각하십시오. 예를 들어, 한 분석가는 우편물 광고에 응답하는 고객의 비율이 4.3%와 다른지 여부를 확인하기 위해 0.043을 입력합니다(H₀: p = 0.043).

이 워크시트에서 구입은 표본이며 한 가구에서 광고를 받은 후 제품을 구입했는지 여부를 나타냅니다. 사건은 예입니다.

사건 발생 횟수와 시행 회수를 알고 있지만 워크시트에 실제 표본 데이터가 없는 경우 다음 단계를 수행하십시오.

드롭다운 리스트에서 요약 데이터를 선택합니다.
사건 발생 횟수에 성공 횟수를 입력합니다. 예를 들어, 불량 부품의 비율을 확인하려면 사건의 수가 불량 부품의 수와 같아야 합니다.
시행 횟수에 총 관측치 수를 입력합니다. 예를 들어, 불량 부품의 비율을 확인하려면 시행 횟수가 표본으로 추출한 부품의 총 수와 같아야 합니다.
재표본 수에 Minitab에서 데이터의 재표본을 가져와야 하는 횟수를 입력합니다. 각 재표본의 표본 크기는 원래 데이터 집합의 표본 크기와 같습니다. 1부터 10,000까지의 값을 입력할 수 있습니다. 보통 많은 수의 재표본이 가장 적합한 방법입니다.
귀무 가설에서의 비율에 값을 입력합니다. 귀무 가설에서의 비율은 귀무 가설을 정의합니다(H₀: ρ = ρ₀). 이 값을 목표값 또는 기준 값으로 생각하십시오. 예를 들어, 한 분석가는 우편물 광고에 응답하는 고객의 비율이 4.3%와 다른지 여부를 확인하기 위해 0.043을 입력합니다(H₀: p = 0.043).