FreeStatistics.org

Free Statistics

of Irreproducible Research!

Description of Statistical Computation

Author's title

Author*Unverified author*
R Software Modulerwasp_hypothesismean4.wasp
Title produced by softwareTesting Mean with known Variance - Sample Size
Date of computationThu, 13 Nov 2008 11:13:35 -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/13/t1226600134dj0kll1cb8555y6.htm/, Retrieved Sun, 19 May 2024 04:19:43 +0000
Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24746, Retrieved Sun, 19 May 2024 04:19:43 +0000
QR Codes:

Original text written by user:
IsPrivate?No (this computation is public)
User-defined keywords
Estimated Impact178

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 - Sample Size] [pork Q4] [2008-11-13 18:13:35] [1a15026c70cce1c14dcfcc267c5d8133] [Current]
Feedback Forum
2008-11-20 17:49:29 [Toon Wouters] [reply] 
Goed berekend en geconcludeerd. Om de type 2 fout te beperken tot 5 % zouden we 32 467 steekroeven moeten nemen, maar dit is niet haalbaar. Het zou veel geld en tijd kosten
2008-11-21 15:21:05 [Thomas Plasschaert] [reply] 
goede resultaten en goed beredeneerd, hier zouden we meer dan 32000 waarnemingen moeten hebben, wat niet haalbaar is.
2008-11-21 15:25:11 [Stephanie Vanderlinden] [reply] 
Hier zijn de juiste berekeningen toegepast en is er ook een correct conclusie.
2008-11-22 16:53:17 [Carole Thielens] [reply] 
De studente maakte de juiste berekeningen en conclusie, maar verantwoorde deze praktisch niet. Daarom zou bijkomende uitleg in dit geval wel nuttig zijn.
We maken de proef nauwkeuriger en de pakkans groter door de variantie te verkleinen. De grenzen worden dus strenger worden gemaakt. Dit impliceert dat de kritische waarden/ de grenzen van 13.8% en 16.2% naar elkaar toegeschoven worden. Als gevolg hiervan verkleint de variantie. Om dit te bereiken moet de steekproefgrootte naar 32466.5 verhoogd worden. Dit gebeurde door in de berekening type II error te verkleinen tot 0.05.

Wat zijn de problemen die hiermee gepaard gaan?
*Type I error en Type II error zijn onlosmakelijk met elkaar verbonden. Wanneer je de grenzen strenger maakt, dan zal je uiteraard ook meer fraude detecteren en zal type II error dalen. Als gevolg hiervan zal de leverancier ook vaak vals beschuldigd worden wanneer hij geen productiefouten maakte. Met andere woorden, type I error stijgt.
* Ook kost het veel geld om de opgelegde nauwkeurigheid te verkrijgen, waardoor we kunnen besluiten dat de steekproefgrootte van 32466.5 niet haalbaar is.

2008-11-24 19:22:36 [Angelique Van de Vijver] [reply] 
De student maakt de juiste berekening en de juiste conclusie. We gaan de pakkans vergroten en hierdoor de variantie verkleinen. De grenzen worden hierdoor strenger gemaakt. de type I error en type II error zijn echter wel negatief gecorreleerd dus als de ene stijgt zal de andere dalen. De sample size in inderdaad veel te groot en zal dus niet haalbaar zijn.

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 time1 seconds
R Server'George Udny Yule' @ 72.249.76.132

\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 & 1 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24746&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]1 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24746&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24746&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 time1 seconds
R Server'George Udny Yule' @ 72.249.76.132






Testing Mean with known Variance
population variance0.012
null hypothesis about mean0.15
alternative hypothesis about mean0.152
type I error0.05
type II error0.05
sample size32466.5214491449

\begin{tabular}{lllllllll}
\hline
Testing Mean with known Variance \tabularnewline
population variance & 0.012 \tabularnewline
null hypothesis about mean & 0.15 \tabularnewline
alternative hypothesis about mean & 0.152 \tabularnewline
type I error & 0.05 \tabularnewline
type II error & 0.05 \tabularnewline
sample size & 32466.5214491449 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24746&T=1

[TABLE]
[ROW][C]Testing Mean with known Variance[/C][/ROW]
[ROW][C]population variance[/C][C]0.012[/C][/ROW]
[ROW][C]null hypothesis about mean[/C][C]0.15[/C][/ROW]
[ROW][C]alternative hypothesis about mean[/C][C]0.152[/C][/ROW]
[ROW][C]type I error[/C][C]0.05[/C][/ROW]
[ROW][C]type II error[/C][C]0.05[/C][/ROW]
[ROW][C]sample size[/C][C]32466.5214491449[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24746&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24746&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
population variance0.012
null hypothesis about mean0.15
alternative hypothesis about mean0.152
type I error0.05
type II error0.05
sample size32466.5214491449


Figures (Output of Computation)

Input Parameters & R Code

Parameters (Session):
par1 = 0.012 ; par2 = 0.15 ; par3 = 0.152 ; par4 = 0.05 ; par5 = 0.05 ;
Parameters (R input):
par1 = 0.012 ; par2 = 0.15 ; par3 = 0.152 ; par4 = 0.05 ; 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))
if (par2 == par3)
{
conclusion <- 'Error: the null hypothesis and alternative hypothesis must not be equal.'
}
ua <- abs(qnorm(par4))
ub <- qnorm(par5)
c <- (par2+ua/ub*(-par3))/(1-(ua/ub))
sqrtn <- ua*sqrt(par1)/(c - par2)
samplesize <- sqrtn * sqrtn
ua
ub
c
sqrtn
samplesize
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,'population variance',header=TRUE)
a<-table.element(a,par1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'null hypothesis about mean',header=TRUE)
a<-table.element(a,par2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alternative hypothesis about mean',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'type I error',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'type II 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#ex4','sample size','example'),header=TRUE)
a<-table.element(a,samplesize)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')