单样本比率的随机化检验输入数据

计算 > 重新采样 > 单样本比率的随机化检验

选择最能准确描述您数据的选项。

样本数据在一列中

如果您的数据位于工作表的一列中,请完成以下步骤:

  1. 从数据下拉列表中,选择样本数据在一列中
  2. 样本中,输入要分析的数据列。 列中必须包括两个不同的值(如真和假)。
  3. 事件列中,选择 Minitab 用作事件的结果(又称为成功)。 样本比率等于事件数除以试验总数。
  4. 重新采样的样本数中,输入 Minitab 应对数据重新采样的次数。每个重新采样样本的抽样数量等于原始数据集的样本数量。您可以输入从 1 到 10,000 的任何值。通常,重新采样的次数越多越好。
  5. 假设比率中输入一个值。假设比率定义原假设(H0: ρ = ρ0)。请将此值视为目标值或参考值。例如,一位分析师输入 0.043 以确定对直邮优惠做出响应的客户所占的比率是否不等于 4.3%(H0: p = 0.043)。
在此工作表中,购买是样本,表示家庭是否在收到广告后进行购买。事件为
C1
购买

汇总数据

如果您知道事件数和试验数,而工作表中没有实际样本数据,请完成以下步骤。

  1. 从数据下拉列表中,选择汇总数据
  2. 事件数中,输入成功数。例如,如果您想要确定缺陷部件的比率,则事件数将等于缺陷部件数。
  3. 试验数中,输入观测值总数。例如,如果您想要确定缺陷部件的比率,则试验次数等于已抽样的部件总数。
  4. 重新采样的样本数中,输入 Minitab 应对数据重新采样的次数。每个重新采样样本的抽样数量等于原始数据集的样本数量。您可以输入从 1 到 10,000 的任何值。通常,重新采样的次数越多越好。
  5. 假设比率中输入一个值。假设比率定义原假设(H0: ρ = ρ0)。请将此值视为目标值或参考值。例如,一位分析师输入 0.043 以确定对直邮优惠做出响应的客户所占的比率是否不等于 4.3%(H0: p = 0.043)。
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