解释单比率的主要结果

请完成以下步骤来解释单比率检验。主要输出包括比率估计值、置信区间和 p 值。

关于本主题

步骤 1：确定总体比例的置信区间
步骤 2：确定检验结果在统计意义上是否显著

步骤 1：确定总体比例的置信区间

首先考虑样本比率，然后检查置信区间。

样本比例是总体比例的估计值。由于该比例基于样本数据，而不是整个总体，因此样本比例不太可能等于总体比例。使用置信区间可以更好地估计总体比率。

置信区间提供总体比率的可能值范围。例如，95% 的置信水平表示，如果从总体中随机抽取 100 个样本，则预计大约 95 个样本将产生覆盖总体比例的区间。置信区间可帮助您评估结果的实际意义。使用您的专业知识来确定置信区间是否包含对您的情况具有实际意义的值。如果区间太宽而无法使用，请考虑增加样本数量。有关详细信息，请转到获得更加精确的置信区间的方法。

描述性统计量

N	事件	样本 p	p 的 95% 置信区间
1000	87	0.087000	(0.070617, 0.106130)

关键结果：样本 p，95% CI

在这些结果中，进行采购的家庭的总体比率估计值为 0.087。总体比率介于大约 0.07 和 0.106 之间的可信度为 95%。

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 表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：比率间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。请使用您的专业知识确定差值在实际意义上是否显著。有关详细信息，请转到统计显著性和实际显著性。
P 值 > α：比率间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。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。有关详细信息，请转到单比率的功效和样本数量。

检验

原假设	H₀: p = 0.065
备择假设	H₁: p ≠ 0.065

P 值
0.007

关键结果：P 值

在这些结果中，原假设声明购买新产品的家庭所占的比率等于 6.5%。由于 p 值为 0.007，小于显著性水平 0.05，因此样本为原假设提供了强有力的证据。该决定是否定原假设，并得出结论，即购买新产品的家庭的人口比例与6.5%不同。

解释 单比率 的主要结果