Hypothesis Testing for Means

Mokymosi komponentas apie populiacijos vidurkio hipotezės testus.

Parinktys

types | array<string>: testo tipą (-us) (Viena imtis, Dvi imtys), kurį (-iuos) turėtų rodyti valdiklis. Default: [ 'One-Sample', 'Two-Sample' ].
tests | array<string>: testas (-ai), kurį (-iuos) pateikia valdiklis. Default: [ 'Z-Test', 'T-Test' ].
nullHypothesisAsValue | boolean: nulinę hipotezę visada rodykite kaip vieną reikšmę.. Default: false.
feedback | boolean: kontroliuoja, ar rodyti grįžtamojo ryšio mygtukus.. Default: false.
pValue | string: pasirinktinė p reikšmės etiketė (turėtų būti LaTeX lygties eilutė).. Default: none.
style | object: CSS eilutės stiliai. Default: {}.

Tiesioginis redaktorius

<LearnMeanTest />

<LearnMeanTest />

Rezultatas

Hypothesized mean (null hypothesis):

Let's assume that we have observed data with the following characteristics:

Sample mean:

Sigma

(σ)

Sample size:

We conduct the following test (click on the hypotheses below to switch between the one-sided variants and the two-sided test):

H_{0} : μ = 0 v s . H_{1} : μ \neq 0

H_{0} : μ \leq 0 v s . H_{1} : μ > 0

H_{0} : μ \geq 0 v s . H_{1} : μ < 0

We calculate the following test statistic:

z Test Statistic = \frac{\bar{x} - μ}{σ / \sqrt{n}}

Plugging in our values, we have:

z = \frac{0 - 0}{1 / \sqrt{5}} = 0

Under the null hypothesis, we calculate the p-value:

P (| Z | > 0) = 1