जब null सही हो: निर्णय
पिछले अभ्यास में, proportions के देखे गए अंतर null वितरण के बीचोंबीच आराम से था। इस अभ्यास में, आप एक औपचारिक निर्णय लेंगे कि क्या आपको null hypothesis को अस्वीकार करना चाहिए। लेकिन p-values की जगह, आप rejection region की अवधारणा का उपयोग करेंगे।
Rejection region उस सांख्यिकीय मानों की रेंज है जो आपको null hypothesis को अस्वीकार करने की ओर ले जाए। दो-tailed टेस्ट में दो rejection regions होते हैं। आपको पता है कि upper region में null statistics के सबसे बड़े 2.5% होने चाहिए (जब alpha = .05)। इसलिए आप .975 quantile() निकालकर cutoff मान प्राप्त कर सकते हैं। इसी तरह, lower region में null statistics के सबसे छोटे 2.5% होते हैं, जिन्हें quantile() से ही पाया जा सकता है।
यहाँ एक छोटा उदाहरण है कि quantile() फंक्शन साधारण डेटासेट x पर कैसे काम करता है।
x <- c(0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20)
quantile(x, probs = .5)
quantile(x, probs = .8)
जब आपके पास upper और lower cutoffs से परिभाषित rejection region हो, तो आप यह जाँचकर null पर अपना निर्णय ले सकते हैं कि आपका observed statistic उन cutoffs के बीच आता है (तो आप अस्वीकार करने में असफल होंगे) या उनके बाहर आता है (तो आप अस्वीकार करेंगे)।
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में श्रेणीबद्ध डेटा के लिए अनुमान
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Set alpha
___
# Find cutoffs
lower <- null %>%
summarize(l = quantile(___, probs = ___)) %>%
pull()
upper <- null %>%
summarize(u = quantile(___, probs = ___)) %>%
pull()
# Is d_hat inside cutoffs?
d_hat %>%
between(___, ___)