解释单样本比率的随机化检验的主要结果

请完成以下步骤来解释单样本比率的随机化检验。 主要输出包括直方图和 p 值。

步骤 1:检查自举分布的形状

使用直方图可以检查自举分布的形状。自举分布是每个重新采样样本的均值分布。自举分布看上去应当为正态分布。如果自举分布不是正态分布,您将无法信任结果。
50 个重新采样的样本
1000 个重新采样的样本

通常,重新采样的样本越多,越便于确定自举分布。例如,在这些数据中,对于 50 个重新采样样本,分布看上去不明确。对于 1000 个重新采样样本,分布形状看上去接近正态。

在该直方图中,自举分布看上去为正态分布。

步骤 2:确定检验结果在统计意义上是否显著

要确定总体比率与假设比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异时得出存在差异的风险为 5%。
P 值 ≤ α:比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。您可以得出总体比率与假设比率之间的差值在统计意义上显著的结论。要计算置信区间并确定差值实际上是否显著,请使用单样本函数引导。有关更多信息,请转到统计显著性和实际显著性
P 值 > α:比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 0.05,则决策为无法否定原假设。您的证据不足,无法得出总体比率与假设比率之间的差值在统计意义上显著的结论。

观测到的样本

N比率
2000.620000

随机化检验

原假设H₀: p = 0.5
备择假设H₁: p > 0.5
重新采样数平均P 值
10000.499420.002
主要结果:P 值

在这些结果中,备择假设声明拥有 PlayStation 控制台的读者的比率大于 0.5。由于 p 值为 0.002,小于显著性水平 0.05,因此决策为否定原假设并得出拥有 PlayStation 控制台的读者的比率大于 0.5 的结论。