FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*The author of this computation has been verified*
R Software Modulerwasp_hypothesismean1.wasp
Title produced by softwareTesting Mean with known Variance - Critical Value
Date of computationTue, 11 Nov 2008 12:15:28 -0700
Cite this page as followsStatistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/11/t1226431038gu5dghbrrcbjgrf.htm/, Retrieved Mon, 27 May 2024 19:02:49 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23857, Retrieved Mon, 27 May 2024 19:02:49 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact134

Tree of Dependent Computations

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)
F       [Testing Mean with known Variance - Critical Value] [marlies.polfliet_...] [2008-11-11 19:15:28] [e221948dd14811c7d88a6530ac2a8702] [Current]
Feedback Forum
2008-11-17 20:05:37 [Stefan Temmerman] [reply] 
De juiste berekingsmethode wordt gebruikt, maar fout geïnterpreteerd.
Hier moet gebruik gemaakt worden van een 1 sided test: Hoe minder vet de leverancier in zijn geleverde pork verwerkt, hoe beter. Minder vet kan dus geen kwaad.
Type I error betekent dat de leverancier het vetgehalte in zijn worsten zou overschrijden en schuldig wordt verklaard, maar dit ten onrechte.
Om te onderzoeken of men de nulhypothese H0 moet verwerpen, moet er gekeken worden naar de critical value. Deze is gelijk aan 0.184676559191704. Pas als het gemiddelde deze waarde overschrijdt, ga je H0 verwerpen, en een klacht indienen, omdat het vetpercentage dan significant groter is dan het gemiddelde & niet groter is door toeval.
In dit geval ga je dus geen klacht indienen.
2008-11-19 13:46:42 [7bf28d4d60530086dbc44ae6b648927e] [reply] 
juiste methode. men moet kijken naar het confidence interval(two tailed). Er kan zowel te veel als te weinig vet aanwezig zijn. De sample mean valt in dit interval dus de grenswaarden worden niet overschreden. Het verschil is aan toeval te wijten. Men mag de nul hypthese niet verwerpen. Men mag geen klacht indienen.
2008-11-20 16:32:36 [6066575aa30c0611e452e930b1dff53d] [reply] 
De conclusie is niet echt correct. Het is een tweezijdig probleem omdat er zowel te weinig als te veel vet in kan zitten. Bovendien daalt bij te veel vet de kwaliteit en bij te weinig vet is er geen smaak meer. We dienen hier geen klacht in omdat de grenswaarden niet overschreden worden. 15,46 ligt perfect binnen het confidence interval (two-tailed).
2008-11-22 09:47:07 [Roel Geudens] [reply] 
Het is hier inderdaad een foutief geinterpreteerd probleem. Als men een two-sided test neemt, valt de waarde 15.46 binnen het interval en kunnen we daardoor toeval niet uitsluiten. De uitleg van de student is te beknopt om uit te maken of hij/zij het goed begrepen heeft.
2008-11-24 02:20:11 [Anna Hayan] [reply] 
Hieruit kunnen we afleiden dat er sprake is van een toevallige afwijking ten opzichte van het contractueel bepaalde vetgehalte (15%).
We verwerpen de nulhypothese niet.We dienen dus geen klacht in, omdat de contractueel afgesproken waardes niet overschreden worden.Dus de afwijking is toe te schrijven aan het toeval.
2008-11-24 02:20:47 [Anna Hayan] [reply] 
Even om te voegen dat de berekeningsmethode juist is , maar de interpretatie is niet volledig
2008-11-24 18:06:46 [94a54c888ac7f7d6874c3108eb0e1808] [reply] 
De conclusie van de student is niet correct. Men maakt gebruik van de one-tailed test. We kunnen eventueel ook een two-tailed test gebruiken. Het vetpercentage kan ook te laag zijn, waardoor de smaak van het vlees verminderd.
De critical value is groter dan de sample mean en hieruit kunnen we afleiden dat er sprake is van een toevallige afwijking tov het contractueel bepaalde vetgehalte.
2008-11-24 19:25:31 [Birgit Van Dyck] [reply] 
De student heeft de juiste berekeningsmethode gebruikt, maar een foutieve interpretatie. Het is een tweezijdig probleem. Er kan zowel te veel vet als te weinig vet aanwezig zijn. De waarde 15, 46 valt binnen het interval, we dienen dus geen klacht in.

Post a new message

Dataset

Tables (Output of Computation)





Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time2 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 2 seconds \tabularnewline
R Server & 'Sir Ronald Aylmer Fisher' @ 193.190.124.24 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23857&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]2 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'Sir Ronald Aylmer Fisher' @ 193.190.124.24[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23857&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23857&T=0

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Inputview raw input (R code)
Raw Outputview raw output of R engine
Computing time2 seconds
R Server'Sir Ronald Aylmer Fisher' @ 193.190.124.24






Testing Mean with known Variance
sample size27
population variance0.012
sample mean0.1546
null hypothesis about mean0.15
type I error0.05
critical value (one-tailed)0.184676559191704
confidence interval (two-tailed)(sample mean)[ 0.113280331179696 , 0.195919668820304 ]
conclusion for one-tailed test
Do not reject the null hypothesis.
conclusion for two-tailed test
Do not reject the null hypothesis

\begin{tabular}{lllllllll}
\hline
Testing Mean with known Variance \tabularnewline
sample size & 27 \tabularnewline
population variance & 0.012 \tabularnewline
sample mean & 0.1546 \tabularnewline
null hypothesis about mean & 0.15 \tabularnewline
type I error & 0.05 \tabularnewline
critical value (one-tailed) & 0.184676559191704 \tabularnewline
confidence interval (two-tailed)(sample mean) & [ 0.113280331179696 ,  0.195919668820304 ] \tabularnewline
conclusion for one-tailed test \tabularnewline
Do not reject the null hypothesis. \tabularnewline
conclusion for two-tailed test \tabularnewline
Do not reject the null hypothesis \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23857&T=1

[TABLE]
[ROW][C]Testing Mean with known Variance[/C][/ROW]
[ROW][C]sample size[/C][C]27[/C][/ROW]
[ROW][C]population variance[/C][C]0.012[/C][/ROW]
[ROW][C]sample mean[/C][C]0.1546[/C][/ROW]
[ROW][C]null hypothesis about mean[/C][C]0.15[/C][/ROW]
[ROW][C]type I error[/C][C]0.05[/C][/ROW]
[ROW][C]critical value (one-tailed)[/C][C]0.184676559191704[/C][/ROW]
[ROW][C]confidence interval (two-tailed)(sample mean)[/C][C][ 0.113280331179696 ,  0.195919668820304 ][/C][/ROW]
[ROW][C]conclusion for one-tailed test[/C][/ROW]
[ROW][C]Do not reject the null hypothesis.[/C][/ROW]
[ROW][C]conclusion for two-tailed test[/C][/ROW]
[ROW][C]Do not reject the null hypothesis[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23857&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23857&T=1

As an alternative you can also use a QR Code:  
QR Code


The GUIDs for individual cells are displayed in the table below:

Testing Mean with known Variance
sample size27
population variance0.012
sample mean0.1546
null hypothesis about mean0.15
type I error0.05
critical value (one-tailed)0.184676559191704
confidence interval (two-tailed)(sample mean)[ 0.113280331179696 , 0.195919668820304 ]
conclusion for one-tailed test
Do not reject the null hypothesis.
conclusion for two-tailed test
Do not reject the null hypothesis


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 27 ; par2 = 0.012 ; par3 = 0.1546 ; par4 = 0.15 ; par5 = 0.05 ;
Parameters (R input):
par1 = 27 ; par2 = 0.012 ; par3 = 0.1546 ; par4 = 0.15 ; par5 = 0.05 ;
R code (references can be found in the software module):
par1<-as.numeric(par1)
par2<-as.numeric(par2)
par3<-as.numeric(par3)
par4<-as.numeric(par4)
par5<-as.numeric(par5)
c <- 'NA'
csn <- abs(qnorm(par5))
csn2 <- abs(qnorm(par5/2))
if (par3 == par4)
{
conclusion <- 'Error: the null hypothesis and sample mean must not be equal.'
conclusion2 <- conclusion
} else {
cleft <- par3 - csn2 * sqrt(par2) / sqrt(par1)
cright <- par3 + csn2 * sqrt(par2) / sqrt(par1)
c2 <- paste('[',cleft)
c2 <- paste(c2,', ')
c2 <- paste(c2,cright)
c2 <- paste(c2,']')
if ((par4 < cleft) | (par4 > cright))
{
conclusion2 <- 'Reject the null hypothesis'
} else {
conclusion2 <- 'Do not reject the null hypothesis'
}
}
if (par3 > par4)
{
c <- par4 + csn * sqrt(par2) / sqrt(par1)
if (par3 < c)
{
conclusion <- 'Do not reject the null hypothesis.'
} else {
conclusion <- 'Reject the null hypothesis.'
}
}
if (par3 < par4)
{
c <- par4 - csn * sqrt(par2) / sqrt(par1)
if (par3 > c)
{
conclusion <- 'Do not reject the null hypothesis.'
} else {
conclusion <- 'Reject the null hypothesis.'
}
}
c
conclusion
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('ht_mean_knownvar.htm','Testing Mean with known Variance','learn more about Statistical Hypothesis Testing about the Mean when the Variance is known'),2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'sample size',header=TRUE)
a<-table.element(a,par1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'population variance',header=TRUE)
a<-table.element(a,par2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'sample mean',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'null hypothesis about mean',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'type I error',header=TRUE)
a<-table.element(a,par5)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('ht_mean_knownvar.htm#overview','critical value (one-tailed)','about the critical value'),header=TRUE)
a<-table.element(a,c)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'confidence interval (two-tailed)
(sample mean)',header=TRUE)
a<-table.element(a,c2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'conclusion for one-tailed test',2,header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,conclusion,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'conclusion for two-tailed test',2,header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,conclusion2,2)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')