解释 双样本 Poisson 率 的主要结果

请完成以下步骤来解释双样本 Poisson 率检验。主要输出包括差值估计值、置信区间和 p 值。

步骤 1:确定总体率差值的置信区间

首先考虑采样率中的差值,然后检查置信区间。

估计的差值是对总体发生率中差值的估计值。由于差值基于样本数据而不是整个总体,因此样本差值不可能等于总体差值。使用差值的置信区间可以更好地估计总体差值。

置信区间提供两个总体发生率之间差值的可能值范围。例如,95% 置信水平表明,如果从总体中随机抽取 100 个样本,则可预期约 95 个样本将生成包含总体差值的区间。该置信区间有助于评估结果的实际意义。使用您的专业知识可以确定置信区间是否包括对您的情形有实际意义的值。如果区间因太宽而毫无用处,请考虑增加样本数量。有关更多信息,请转到获得更加精确的置信区间的方法

差值的估计值 估计的 差值 差值的 95% 置信区间 -7.7 (-14.6768, -0.723175)
主要结果:估计的差值、差值的 95% 置信区间

在这些结果中,客户对两个邮局的访问次数之间的差值的总体发生率估计值是 −7.7。总体发生率差值约介于 −14.7 到 −0.7 之间的可信度为 95%。

步骤 2:确定方差在统计意义上是否显著

要确定发生率的差值在统计意义上是否显著,请将 p 值与显著性水平进行比较。通常,显著性水平(用 α 或 alpha 表示)为 0.05 即可。显著性水平 0.05 指示在实际上不存在差值时得出存在差值的风险为 5%。
P 值 ≤ α:率的差值在统计意义上显著(否定 H0
如果 p 值小于或等于显著性水平,则决策为否定原假设。您可以得出总体率的差值不等于假设差值的结论。如果您没有指定假设差值,Minitab 将检验率之间是否不存在差值(假设差值 = 0)。请使用您的专业知识确定差值在实际意义上是否显著。有关更多信息,请转到统计显著性和实际显著性
P 值 > α:率的差值在统计意义上不显著(无法否定 H0
如果 p 值大于显著性水平,则决策为无法否定原假设。您没有足够的证据得出总体率存在差异的结论。您应该确保检验具有足够的功效来检测到在实际意义上显著的差值。有关更多信息,请转到双样本 Poisson 率的功效和样本数量
方法 Z 值 P 值 精确 0.031 正态近似 -2.16 0.031
主要结果:P 值

在这些结果中,原假设声明两家邮局的客户数之间的差值为 0。由于 p 值 0.031 小于显著性水平 0.05,因此分析员否定原假设并得出两家邮局的客户数不同的结论。95% 置信区间表明,分支 B 的客户率可能高于分支 A 的客户率。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策