Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_hypothesismean6.wasp

Title produced by software

Testing Sample Mean with known Variance - Confidence Interval

Date of computation

Wed, 12 Nov 2008 12:49:14 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/12/t1226519428qgc5ixwhhd7j8gw.htm/, Retrieved Sun, 19 May 2024 04:35:37 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=24420, Retrieved Sun, 19 May 2024 04:35:37 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

154

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

F       [Testing Sample Mean with known Variance - Confidence Interval] [] [2008-11-12 19:49:14] [e7fa5259715477c9f32960f5b339b707] [Current]

Feedback Forum

2008-11-15 17:05:26 [Charis Berrevoets] [reply] 
Je had voor deze vraag de methode: testing mean with known variance - critical value moeten gebruiken.  
Dan had je op het volgende gekomen: http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/13/t12265844389ht34uragyo5414.htm 
 
Je moet deze methode gebruiken omdat je aan de hand van de critical value kan zien of de gemeten waarde (in dit geval 15,46%) deze al dan niet overschrijdt. Dat is hier niet het geval: 0,1546 < 0.184676559191704. De nulhypothese wordt dus niet verworpen en het is niet nodig een klacht in te dienen. 
2008-11-16 13:18:58 [Vincent Vanden Poel] [reply] 
Je zou dit moeten berekenen aan de hand van 'Testing Mean with known Variance - Critical Value'. Dit kan zowel voor een eenzijdig als tweezijdig probleem mits goede argumentatie. Hier volgt een voorbeeld van een eenzijdig probleem. Men gaat er vanuit dat de leverancier enkel economisch voordeel heeft indien deze vlees met teveel vet levert. http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/12/t1226511452zv3k6apqgdz83t9.htm 
Zowel bij eenzijdig als bij tweezijdig probleem zien we dat de kritische waarde perfect binnen de norm ligt en een klacht dus ongegrond zou zijn.
2008-11-19 11:42:27 [Eline Van Meirhaeghe] [reply] 
In dit geval is de critical value (0.184676559191704) groter dan de sample mean (0.1546= steekproefgemiddelde). Daardoor kunnen we concluderen dat er sprake is van toevallige afwijking ten opzichte van het contractueel bepaalde vetgehalte (15%). We gaan geen klacht indienen (dus de nulhypothese word ook niet verworpen). 
We gebruiken de one-sided test omdat de leverancier enkel daar een economisch voordeel kan halen. De one-sided test meet de afwijking naar boven. 
 
Opnieuw, we dienen dus geen klacht in, omdat de contractueel afgesproken waarden niet overschreden worden. De aangereikte sample mean ligt lager dan de critical value. De afwijking is toe te schrijven aan het toeval. De leverancier produceert  waarschijnlijk aan een vetgehalte van 15%. 
http://www.freestatistics.org/blog/index.php?v=date/2008/Nov/14/t1226651446bkswv0hhq7yqres.htm 
2008-11-21 14:56:05 [Stephanie Vanderlinden] [reply] 
Er is een verkeerde test gebruikt. Je had de test 'testing mean with known variance-critical value' moeten gebruiken. Hieruit kon je dan zien dat de criticle value groter is dan het sample mean. Daaruit kan je afleiden dat de afwijking in het vetpercentage te wijten is aan toeval en de nulhypothese wordt dus niet verworpen. Je moet kijken naar de two-tailed test omdat je nog niet weet dat er gefraudeerd wordt. Er mag niet te veel vet zijn, maar er mag ook niet te weinig vet zijn. Er wordt geen klacht ingediend aangezien de grenzen niet overschreden worden.

Post a new message

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	2 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=24420&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=24420&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24420&T=0

As an alternative you can also use a QR Code:

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

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	2 seconds
R Server	'Sir Ronald Aylmer Fisher' @ 193.190.124.24

Testing Sample Mean with known Variance
Population variance	0.012
Sample size	27
Null hypothesis (H0)	0.15
Confidence interval	0.95
Type of Interval	Left tail	Right tail
Two-sided confidence interval at 0.95	0.108680331179696	0.191319668820304
Left one-sided confidence interval at 0.95	0.115323440808296	+inf
Right one-sided confidence interval at 0.95	-inf	0.184676559191704
more information about confidence interval

\begin{tabular}{lllllllll}
\hline
Testing Sample Mean with known Variance \tabularnewline
Population variance & 0.012 \tabularnewline
Sample size & 27 \tabularnewline
Null hypothesis (H0) & 0.15 \tabularnewline
Confidence interval & 0.95 \tabularnewline
Type of Interval & Left tail & Right tail \tabularnewline
Two-sided confidence interval at  0.95 & 0.108680331179696 & 0.191319668820304 \tabularnewline
Left one-sided confidence interval at  0.95 & 0.115323440808296 & +inf \tabularnewline
Right one-sided confidence interval at  0.95 & -inf & 0.184676559191704 \tabularnewline
more information about confidence interval \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=24420&T=1

[TABLE]
[ROW][C]Testing Sample Mean with known Variance[/C][/ROW]
[ROW][C]Population variance[/C][C]0.012[/C][/ROW]
[ROW][C]Sample size[/C][C]27[/C][/ROW]
[ROW][C]Null hypothesis (H0)[/C][C]0.15[/C][/ROW]
[ROW][C]Confidence interval[/C][C]0.95[/C][/ROW]
[ROW][C]Type of Interval[/C][C]Left tail[/C][C]Right tail[/C][/ROW]
[ROW][C]Two-sided confidence interval at  0.95[/C][C]0.108680331179696[/C][C]0.191319668820304[/C][/ROW]
[ROW][C]Left one-sided confidence interval at  0.95[/C][C]0.115323440808296[/C][C]+inf[/C][/ROW]
[ROW][C]Right one-sided confidence interval at  0.95[/C][C]-inf[/C][C]0.184676559191704[/C][/ROW]
[ROW][C]more information about confidence interval[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=24420&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=24420&T=1

As an alternative you can also use a QR Code:

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

Testing Sample Mean with known Variance
Population variance	0.012
Sample size	27
Null hypothesis (H0)	0.15
Confidence interval	0.95
Type of Interval	Left tail	Right tail
Two-sided confidence interval at 0.95	0.108680331179696	0.191319668820304
Left one-sided confidence interval at 0.95	0.115323440808296	+inf
Right one-sided confidence interval at 0.95	-inf	0.184676559191704
more information about confidence interval

Parameters (Session):

par1 = 0.012 ; par2 = 27 ; par3 = 0.15 ; par4 = 0.95 ;

Parameters (R input):

par1 = 0.012 ; par2 = 27 ; par3 = 0.15 ; par4 = 0.95 ;

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)
sigma <- sqrt(par1)
sqrtn <- sqrt(par2)
ua <- par3 - abs(qnorm((1-par4)/2))* sigma / sqrtn
ub <- par3 + abs(qnorm((1-par4)/2))* sigma / sqrtn
ua
ub
ul <- par3 - qnorm(par4) * sigma / sqrtn
ul
ur <- par3 + qnorm(par4) * sigma / sqrtn
ur
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('ht_mean_knownvar.htm','Testing Sample Mean with known Variance','learn more about Statistical Hypothesis Testing about the Mean when the Variance is known'),3,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Population variance',header=TRUE)
a<-table.element(a,par1,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Sample size',header=TRUE)
a<-table.element(a,par2,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Null hypothesis (H0)',header=TRUE)
a<-table.element(a,par3,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Confidence interval',header=TRUE)
a<-table.element(a,par4,2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'Type of Interval',header=TRUE)
a<-table.element(a,'Left tail',header=TRUE)
a<-table.element(a,'Right tail',header=TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,paste('Two-sided confidence interval at ',par4), header=TRUE)
a<-table.element(a,ua)
a<-table.element(a,ub)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,paste('Left one-sided confidence interval at ',par4), header=TRUE)
a<-table.element(a,ul)
a<-table.element(a,'+inf')
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,paste('Right one-sided confidence interval at ',par4), header=TRUE)
a<-table.element(a,'-inf')
a<-table.element(a,ur)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a, hyperlink('ht_mean_knownvar.htm#ex6', 'more information about confidence interval','example'),3,TRUE)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code