单样本比率检验

单样本比率检验是一种统计假设检验,用于判断单个样本中某一结果的比率与指定的总体比率是否存在显著差异。它通常用于数据服从二项分布的情形,例如一系列试验中的成功次数,或一批产品中不合格品所占的比率。

最后审阅

核心要点

单样本比率检验是一种统计假设检验,用于判断单个样本中某一结果的比率与指定的总体比率是否存在显著差异。

本页内容
  1. 什么是单样本比率检验?
  2. 何时使用单样本比率检验?
  3. 正确使用单样本比率检验的指南
  4. 替代方法:何时不宜使用单样本比率检验
  5. 单样本比率检验示例
  6. 如何进行单样本比率检验

什么是单样本比率检验?

单样本比率检验是一种统计假设检验,用于判断单个样本中某一结果的比率与指定的总体比率是否存在显著差异。它通常用于数据服从二项分布的情形,例如一系列试验中的成功次数,或一批产品中不合格品所占的比率。该检验评估观测到的样本比率偏离假设总体比率的程度,是否超出随机抽样变异所能解释的范围。

它将观测比率与目标值或参考值进行比较,并计算可能包含总体比率的置信区间。这也称为不等性假设检验。该检验可根据样本量采用正态近似法或二项枚举法;正态近似法在大样本时更准确,而二项枚举法在小样本时更准确。

何时使用单样本比率检验?

当需要判断单个总体中某一特征的比率与假设值是否存在显著差异时,使用单样本比率检验。

  • 假设比率(P0):确保有一个具体的总体比率假设值用于比较。
  • 二元结果:数据应为二元结果的形式(例如成功/失败、是/否)。
  • 样本量:
    • 大样本:若样本量较大(通常 nP0 ≥ 10 且 n(1-P0) ≥ 10),检验使用正态近似法。
    • 小样本:若样本量较小,请使用二项枚举法以获得更准确的结果。
  • 随机抽样:样本应从总体中随机选取,以确保检验结果具有代表性和有效性。
  • 独立性:样本中的每次试验或观测应相互独立。
  • 比率计算:将样本比率(P̂)计算为成功次数除以试验总次数。
  • 检验方向:
    • 双侧检验:当需要检验样本比率与假设比率是否存在显著差异时(P̂ ≠ P0)。
    • 单侧检验:当需要检验样本比率是否显著大于(P̂ > P0)或小于(P̂ < P0)假设比率时。

以下是可能使用单样本比率检验的一些场景:

  • 一家营销公司想判断相比竞争对手的品牌,偏好其品牌的消费者比率是否高于某个值,例如 50%。
  • 一家公共卫生机构想判断某一人群中接种某种疫苗的人所占比率是否低于某个值,例如 80%。
  • 一所教育机构想判断通过某项考试的学生比率是否高于某个值,例如 70%。

在上述每种场景中,都会使用单样本比率检验来判断观测比率与假设值是否存在显著差异。这有助于对相关总体做出决策或得出结论。

正确使用单样本比率检验的指南

  • 随机抽样:确保样本数据是随机选取的,以便对总体做出有效的推广。
  • 二元数据:数据必须只包含两个类别,例如合格/不合格或 1/0。
  • 观测值的独立性:每个观测值应与所有其他观测值相互独立。
  • 适当的样本量:确保样本量足够大,以提供精确的估计、有用的置信区间以及对第二类错误的充分防护。

替代方法:何时不宜使用单样本比率检验

  • 处理计数数据(例如产品上的缺陷数)时,应使用单样本泊松率检验。

单样本比率检验示例

一位营销分析师想判断邮寄的新产品广告所带来的响应率是否不同于全国平均水平。随机抽取 1000 户家庭接收广告。在抽样的 1000 户家庭中,有 87 户在收到广告后购买。分析师进行单样本比率检验,以判断购买家庭所占的比率是否不同于 6.5% 的全国平均水平。步骤如下:

  1. 使用以下网址分析数据:https://statsai.zometric.com/
  2. 在工具中,输入数据。将 number of events 设为 87,number of trials 设为 1000,hypothesized proportion 设为 0.065,confidence level 设为 95。
  3. 使用上述工具后,得到的输出如下:
One sample proportion test — figure 1

如何进行单样本比率检验

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> Graphical analysis >One sample proportion test。
  3. 点击 One sample proportion test,进入工具界面。
  4. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  5. 接下来,输入 number of events、number of trials、hypothesized proportion 和 confidence level 的值。
  6. 最后,点击页面底部的 calculate,即可得到所需结果。

在单样本比率检验的工具界面中,窗口只有左侧部分。

One sample proportion test — figure 2

在该左侧部分,提供以下选项:

  • Number of events: 在单样本比率检验中,事件数指在被分析的样本中目标事件出现的次数。
  • Number of trials: 在单样本比率检验中,试验次数指对被分析样本所做的独立、相同的试验或观测的次数。
  • Hypothesized proportion: 在单样本比率检验中,假设比率(也称为原假设比率)是被检验总体中被假定为真的比率
  • Confidence level: 在假设检验中,置信水平表示我们对统计分析所具有的确定程度或置信程度。它是一个概率值,表示真实总体参数落在指定数值范围内的可能性。置信水平通常以百分比表示,记为 (1 - α),其中 α 是显著性水平,即拒绝一个为真的原假设的概率。例如,若置信水平为 95%,则表示我们有 95% 的把握认为真实总体参数位于我们的区间估计之内,而犯第一类错误(拒绝一个为真的原假设)的可能性为 5%。在实际应用中,置信水平越高,意味着我们对统计分析和结果越有信心。然而,提高置信水平也会增大置信区间的宽度,使检测小效应变得更加困难。因此,置信水平的选择取决于研究的背景和研究者的目标。
  • Alternative hypothesis: 在假设检验中,备择假设(也称为研究假设)是代表与原假设不同结论的陈述。原假设通常代表现状,或者假定两个或多个组或变量之间不存在显著差异或关系。备择假设是被检验的陈述,它提出所研究的组或变量之间存在显著差异或关系。
  • Normal approximation method: 正态近似法是单样本比率检验中使用的一种统计方法,用于将样本比率的抽样分布近似为正态分布。当样本量足够大(通常为样本量 n 大于或等于 30)且样本中的成功比率不太接近 0 或 1 时,使用该方法。
  • Load example: 将载入示例数据。

常见问题

什么是单样本比率检验?

单样本比率检验是一种假设检验,用于判断单个样本中某一结果的比率与指定的总体比率是否存在显著差异。它用于二项数据,例如一系列试验中的成功次数或一批产品中的不合格品,并给出总体比率的置信区间。

何时应使用正态近似法或二项法?

样本较大时,通常 nP0 至少为 10 且 n(1 - P0) 至少为 10,可使用正态近似法。对于小样本,二项枚举法给出的结果更准确。正态近似法在大样本时更准确。

单样本比率检验有哪些前提条件?

数据必须是二元的,只有两个类别,例如合格/不合格或是/否。样本应随机选取,每个观测值必须与其他观测值相互独立,并且必须有一个具体的假设比率用于比较。样本还应足够大,以便得到精确的估计并防范第二类错误。

何时不应使用单样本比率检验?

不要将其用于计数数据,例如产品上的缺陷数(一件产品可能有多个缺陷)。对于事件计数,请改用单样本泊松率检验。比率检验仅适用于二元结果,即每次试验要么成功要么失败。