选择 单比率 的分析选项

统计 > 基本统计 > 单比率 > 选项

指定置信区间的置信水平、定义备择假设,或者指定检验的方法和置信区间。

置信水平

置信水平 中,输入置信区间的置信水平。

通常,置信水平为 95% 即可。 95% 的置信水平表示,如果从总体中随机抽取 100 个样本,则大约 95 个样本的置信区间将涵盖总体参数。

对于给定的数据集,置信水平越低,生成的置信区间越窄;置信水平越高,生成的置信区间越宽。样本数量越大,区间的宽度也往往会降低。因此,您可能希望使用 95% 以外的置信水平,具体取决于您的样本数量。
  • 如果样本数量较小,则 95% 置信区间可能太宽而无用。使用较低的置信水平(如 90%)会产生较窄的区间。但是,区间覆盖总体比例的可能性降低。
  • 如果样本数量较大,请考虑使用较高的置信水平,例如 99%。对于较大的样本,99% 置信水平仍可生成合理的窄区间,同时增加区间封面总体比率的可能性。

备择假设

从中备择假设,选择要检验的假设。

比率 < 假设比率

使用此单侧检验确定总体比率是否小于假设比率,并且获取上限。虽然此单侧检验比双侧检验的功效更高,但是它无法检测总体比率是否大于假设比率。

例如,一位工程师使用此单侧检验确定缺陷部件比率是否小于 .001 (.1%)。虽然此单侧检验在确定该比率是否小于 .0.001 方面具有更高的功效,但是它无法检测比率是否大于 .0.001。

比率 ≠ 假设比率

使用此双侧检验确定总体比率是否不同于假设比率,并且获取双侧置信区间。双侧检验可以检测小于或大于假设值的差值,但是它比单侧检验的功效要低。

例如,一位银行经理要检验今年具有储蓄帐户的客户所占比率是否不同于去年的比率 ..57 (57%)。因为与去年比率的任何差异都很重要,所以该经理使用此双侧检验确定今年的比率是大于还是小于去年的比率。

比率 > 假设比率

使用此单侧检验确定总体比率是否大于假设比率,并且获取下限。虽然此单侧检验比双侧检验的功效更高,但是它无法检测总体比率是否小于假设比率。

例如,一位质量分析师使用此单侧检验确定合格电气开关的比率是否大于 ..98。虽然此单侧检验在确定该比率是否大于 ..98 方面具有更高的功效,但是它无法确定比率是否小于 ..98。

有关选择单侧或双侧备择假设的更多信息,关于原假设和备择假设请转到。

方法

方法中,选择用于计算假设检验和置信区间的方法。
调整后的 Blaker (精确)
默认情况下,Minitab 使用校正的 Blaker 精确方法,因为置信区间比 Clopper-Pearson 精确方法更精确。将嵌套调整后的 Blaker 精确方法的区间。此属性意味着具有较高置信度的置信区间包含具有较低置信度的置信区间。例如,精确的双侧 Blaker 95% 置信区间包含相应的 90% 置信区间。
当您选择 比率 < 假设比率比率 > 假设比率 方法调整后的 Blaker (精确)时,分析将使用 Clopper-Pearson 精确方法,因为调整后的 Blaker 精确方法适用于假设 比率 ≠ 假设比率。对于双侧区间,Clopper-Pearson 精确方法通常过于保守,因此区间的实际置信水平大于指定的置信水平。对于单侧区间,Clopper-Pearson 方法不如双侧情况保守。
威尔逊得分
威尔逊评分法是许多实际应用的合理选择。Wilson 分数区间的实际置信水平通常低于您在分析中指定的名义置信水平。使用连续性校正,使实际置信水平至少为分析中的名义置信水平。
Agresti-Coull
许多统计学教科书都教授 Agresti-Coull 区间。Agresti-Coull 区间不使用迭代计算,因此与调整后的 Blaker 区间或 Wilson 分数区间相比,学生更容易手动计算结果。Agresti-Coull 区间与威尔逊评分置信区间具有相同的中点,无需连续性校正。Agresti-Coull 区间包含 Wilson-score 区间,这使得 Agresti-Coulll 区间比 Wilson-score 区间更保守。
正态近似 (Web 应用程序)
许多统计学教科书都教授 Wald 正态近似区间。Wald 区间不使用迭代计算,因此与调整后的 Blaker 区间或 Wilson 分数区间相比,学生更容易手动计算结果。Wald 区间的中点是观测到的概率。