NộI Dung
Trong tất cả các bài kiểm tra giả thuyết thống kê, có hai thống kê đặc biệt quan trọng - alpha và beta. Các giá trị này tương ứng với xác suất của lỗi loại I và xác suất xảy ra lỗi loại II. Lỗi loại I là dương tính giả hoặc kết luận cho biết có mối quan hệ đáng kể trong dữ liệu khi thực tế không có mối quan hệ đáng kể. Lỗi loại II là âm tính giả hoặc kết luận cho biết không có mối quan hệ nào trong dữ liệu khi thực tế có mối quan hệ đáng kể. Thông thường, beta rất khó tìm. Tuy nhiên, nếu bạn đã có một giả thuyết alpha, bạn có thể sử dụng các kỹ thuật toán học để tính toán beta. Các kỹ thuật này yêu cầu thông tin bổ sung: giá trị alpha, kích thước mẫu và kích thước hiệu ứng. Giá trị alpha xuất phát từ giả thuyết alpha của bạn; đó là xác suất của lỗi loại I. Cỡ mẫu là số lượng điểm dữ liệu trong tập dữ liệu của bạn. Kích thước hiệu ứng thường được ước tính từ dữ liệu trong quá khứ.
Liệt kê các giá trị cần thiết trong tính toán beta. Các giá trị này bao gồm alpha, kích thước hiệu ứng và kích thước mẫu. Nếu bạn không có dữ liệu quá khứ có kích thước hiệu ứng rõ ràng, hãy sử dụng giá trị 0,3 để bảo thủ. Về cơ bản, kích thước hiệu ứng là sức mạnh của mối quan hệ trong dữ liệu; do đó, 0,3 thường được thực hiện vì nó là kích thước hiệu ứng vừa phải của người Viking.
Tìm điểm Z cho giá trị 1 - alpha / 2. Điểm Z này sẽ được sử dụng trong tính toán beta. Sau khi tính giá trị số cho 1 - alpha / 2, hãy tra cứu điểm Z tương ứng với giá trị đó. Đây là điểm Z cần thiết để tính beta.
Tính điểm Z cho giá trị 1 - beta. Chia kích thước hiệu ứng cho 2 và lấy căn bậc hai. Nhân kết quả này với kích thước hiệu ứng. Trừ điểm Z được tìm thấy ở bước cuối cùng từ giá trị này để đến điểm Z cho giá trị 1 - beta.
Chuyển đổi điểm Z thành 1 - beta dưới dạng số. Reverse Reverse Tìm kiếm điểm Z cho 1 - beta bằng cách tìm kiếm điểm Z đầu tiên trong bảng Z. Theo dõi điểm Z này trở lại cột (hoặc hàng) để tìm số. Con số này bằng 1 - beta.
Trừ số vừa tìm thấy từ 1. Kết quả này là beta.