बच्चों के लिए ज्वरनाशक दवाएं बाल रोग विशेषज्ञ द्वारा निर्धारित की जाती हैं। लेकिन बुखार के लिए आपातकालीन स्थितियाँ होती हैं जब बच्चे को तुरंत दवा देने की आवश्यकता होती है। तब माता-पिता जिम्मेदारी लेते हैं और ज्वरनाशक दवाओं का उपयोग करते हैं। शिशुओं को क्या देने की अनुमति है? आप बड़े बच्चों में तापमान कैसे कम कर सकते हैं? कौन सी दवाएं सबसे सुरक्षित हैं?
समझौते के लिए मानदंड (अनुपालन)
वितरण के सैद्धांतिक कानून के साथ अनुभवजन्य वितरण के पत्राचार के बारे में परिकल्पना का परीक्षण करने के लिए, विशेष सांख्यिकीय संकेतकों का उपयोग किया जाता है - उपयुक्तता मानदंड (या अनुपालन मानदंड)। इनमें पियर्सन, कोलमोगोरोव, रोमानोव्स्की, यास्ट्रेमस्की आदि मानदंड शामिल हैं। फिट मानदंडों की अधिकांश अच्छाई सैद्धांतिक से अनुभवजन्य आवृत्तियों के विचलन के उपयोग पर आधारित हैं। जाहिर है, ये विचलन जितने छोटे होंगे, सैद्धांतिक वितरण उतना ही बेहतर अनुभवजन्य से मेल खाता है (या वर्णन करता है)।
सहमति मानदंड -ये सैद्धांतिक संभाव्यता वितरण के अनुभवजन्य वितरण के पत्राचार के बारे में परिकल्पनाओं का परीक्षण करने के मानदंड हैं। ऐसे मानदंड दो वर्गों में विभाजित हैं: सामान्य और विशेष। सामान्य अच्छाई-की-फिट मानदंड एक परिकल्पना के सबसे सामान्य सूत्रीकरण पर लागू होते हैं, अर्थात् वह परिकल्पना जिसके देखे गए परिणाम किसी पूर्व-कल्पित संभाव्यता वितरण से सहमत होते हैं। विशेष अच्छाई-की-फिट परीक्षण विशेष अशक्त परिकल्पनाओं का संकेत देते हैं जो संभाव्यता वितरण के एक निश्चित रूप के साथ समझौता तैयार करते हैं।
स्थापित वितरण कानून के आधार पर फिट मानदंड की अच्छाई, यह स्थापित करना संभव बनाती है कि सैद्धांतिक और अनुभवजन्य आवृत्तियों के बीच विसंगतियों को कब महत्वहीन (यादृच्छिक) के रूप में पहचाना जाना चाहिए, और कब - महत्वपूर्ण (गैर-यादृच्छिक)। इससे यह पता चलता है कि उपयुक्तता की अच्छाई मानदंड अनुभवजन्य श्रृंखला में वितरण की प्रकृति के बारे में श्रृंखला को समतल करते समय सामने रखी गई परिकल्पना की शुद्धता को अस्वीकार करना या पुष्टि करना संभव बनाता है और यह उत्तर देना संभव बनाता है कि क्या इसे स्वीकार करना संभव है किसी दिए गए अनुभवजन्य वितरण के लिए कुछ सैद्धांतिक वितरण कानून द्वारा व्यक्त मॉडल।
पियर्सन का x2 (ची-स्क्वायर) फिट-ऑफ-फिट परीक्षण मुख्य फिट-ऑफ-फिट मानदंडों में से एक है। अनुभवजन्य और सैद्धांतिक वितरण की आवृत्तियों के बीच विसंगतियों की यादृच्छिकता (महत्व) का आकलन करने के लिए अंग्रेजी गणितज्ञ कार्ल पियर्सन (1857-1936) द्वारा प्रस्तावित:
कहाँ क-उन समूहों की संख्या जिनमें अनुभवजन्य वितरण विभाजित है; फाईविशेषता की अनुभवजन्य आवृत्ति मैं-वां समूह; / ts °р - विशेषता की सैद्धांतिक आवृत्ति i-वेंसमूह।
मानदंड आवेदन योजना य)सैद्धांतिक और अनुभवजन्य वितरण की स्थिरता का आकलन करने के लिए निम्नलिखित को कम किया गया है।
- 1. विसंगति का परिकलित माप % 2 एसीसी निर्धारित किया जाता है।
- 2. स्वतंत्रता की कोटि की संख्या निर्धारित की जाती है।
- 3. स्वतंत्रता की डिग्री की संख्या के अनुसार, एक विशेष तालिका का उपयोग करके, % ^ बीएल
- 4. यदि % 2 asch >x 2 abl, तो दिए गए महत्व स्तर a और स्वतंत्रता की डिग्री की संख्या v के लिए, विसंगतियों की महत्वहीनता (यादृच्छिकता) की परिकल्पना को खारिज कर दिया जाता है। अन्यथा, परिकल्पना को प्राप्त प्रयोगात्मक डेटा का खंडन नहीं करने के रूप में पहचाना जा सकता है, और संभाव्यता (1 - ए) के साथ यह तर्क दिया जा सकता है कि सैद्धांतिक और अनुभवजन्य आवृत्तियों के बीच विसंगतियां यादृच्छिक हैं।
महत्वपूर्ण स्तर -आगे रखी गई परिकल्पना की गलत अस्वीकृति की संभावना है, अर्थात। संभावना है कि सही परिकल्पना अस्वीकार कर दी जाएगी। सांख्यिकीय अध्ययनों में, हल किए जा रहे कार्यों के महत्व और जिम्मेदारी के आधार पर, महत्व के निम्नलिखित तीन स्तरों का उपयोग किया जाता है:
- 1) ए = 0.1, फिर पी = 0,9;
- 2) ए = 0.05, फिर पी = 0,95;
- 3) ए = 0.01, फिर पी = 0,99.
उपयुक्तता की अच्छाई का उपयोग करना य),निम्नलिखित शर्तों का पालन किया जाना चाहिए।
- 1. अध्ययन की गई जनसंख्या की मात्रा को शर्त को पूरा करना चाहिए एन > 50, जबकि समूह की आवृत्ति या आकार कम से कम 5 होना चाहिए। यदि इस शर्त का उल्लंघन किया जाता है, तो आपको पहले छोटी आवृत्तियों (5 से कम) को मर्ज करना होगा।
- 2. अनुभवजन्य वितरण में यादृच्छिक चयन के परिणामस्वरूप प्राप्त डेटा शामिल होना चाहिए, अर्थात। उन्हें स्वतंत्र होना चाहिए.
पियर्सन की अच्छाई-की-फिट कसौटी का नुकसान अवलोकन परिणामों को अंतरालों में समूहित करने और व्यक्तिगत अंतरालों को कम संख्या में अवलोकनों के साथ संयोजित करने की आवश्यकता से जुड़ी कुछ प्रारंभिक जानकारी का नुकसान है। इस संबंध में, मानदंड के अनुसार वितरण के पत्राचार के सत्यापन को पूरक करने की सिफारिश की जाती है य)अन्य मानदंड. यह विशेष रूप से सच है जब नमूना आकार हो पी ~ 100.
आंकड़ों में, कोलमोगोरोव अच्छाई-की-फिट परीक्षण (कोलमोगोरोव-स्मिरनोव अच्छाई-की-फिट परीक्षण के रूप में भी जाना जाता है) का उपयोग यह निर्धारित करने के लिए किया जाता है कि क्या दो अनुभवजन्य वितरण एक ही कानून का पालन करते हैं, या यह निर्धारित करने के लिए कि परिणामी वितरण एक कल्पित मॉडल का पालन करता है या नहीं . कोलमोगोरोव मानदंड संचित आवृत्तियों या अनुभवजन्य या सैद्धांतिक वितरण की आवृत्तियों के बीच अधिकतम अंतर निर्धारित करने पर आधारित है। कोलमोगोरोव मानदंड की गणना निम्नलिखित सूत्रों के अनुसार की जाती है:
कहाँ डीऔर डी-क्रमशः, संचित आवृत्तियों (/-/") और संचित आवृत्तियों के बीच अधिकतम अंतर ( आरआर") वितरण की अनुभवजन्य और सैद्धांतिक श्रृंखला; एन-जनसंख्या में इकाइयों की संख्या.
मूल्य की गणना करने के बाद एक्स,एक विशेष तालिका उस संभावना को निर्धारित करती है जिसके साथ यह तर्क दिया जा सकता है कि सैद्धांतिक आवृत्तियों से अनुभवजन्य आवृत्तियों का विचलन यादृच्छिक है। यदि चिह्न 0.3 तक मान लेता है, तो इसका मतलब है कि आवृत्तियों का पूर्ण संयोग है। बड़ी संख्या में अवलोकनों के साथ, कोलमोगोरोव परीक्षण परिकल्पना से किसी भी विचलन का पता लगाने में सक्षम है। इसका मतलब यह है कि बहुत सारे अवलोकन होने पर सैद्धांतिक वितरण से नमूना वितरण में कोई अंतर इसकी मदद से पता लगाया जाएगा। इस संपत्ति का व्यावहारिक महत्व महत्वपूर्ण नहीं है, क्योंकि ज्यादातर मामलों में निरंतर परिस्थितियों में बड़ी संख्या में अवलोकन प्राप्त करने पर भरोसा करना मुश्किल है, वितरण कानून का सैद्धांतिक विचार जिसका नमूना पालन करना चाहिए वह हमेशा अनुमानित होता है, और सांख्यिकीय जांच की सटीकता चुने हुए मॉडल की सटीकता से अधिक नहीं होनी चाहिए।
रोमानोव्स्की का फिट-ऑफ-फिट परीक्षण पियर्सन के परीक्षण के उपयोग पर आधारित है, अर्थात। पहले से ही पाए गए मान x 2 > और स्वतंत्रता की डिग्री की संख्या:
जहां v भिन्नता की स्वतंत्रता की डिग्री की संख्या है।
रोमानोव्स्की मानदंड x 2 के लिए तालिकाओं की अनुपस्थिति में सुविधाजनक है। अगर के आरको? >3, तो वे यादृच्छिक नहीं हैं और सैद्धांतिक वितरण अध्ययन के तहत अनुभवजन्य वितरण के लिए एक मॉडल के रूप में काम नहीं कर सकता है।
बी. एस. यस्त्रेम्स्की ने फिट की अच्छाई की कसौटी में स्वतंत्रता की डिग्री की संख्या का नहीं, बल्कि समूहों की संख्या का उपयोग किया ( क), समूहों की संख्या के आधार पर एक विशेष मान 0, और एक ची-स्क्वायर मान। यस्त्रेम्स्की के समझौते के मानदंड का अर्थ रोमानोव्स्की के मानदंड के समान है और इसे सूत्र द्वारा व्यक्त किया गया है
जहां x 2 - पियर्सन की सहमति की कसौटी; /ई जीआर - समूहों की संख्या; 0 - गुणांक, 20 से कम समूहों की संख्या के लिए 0.6 के बराबर।
यदि 1f अधिनियम > 3, सैद्धांतिक और अनुभवजन्य वितरण के बीच विसंगतियां यादृच्छिक नहीं हैं, यानी। अनुभवजन्य वितरण सामान्य वितरण की आवश्यकताओं को पूरा नहीं करता है। यदि 1f अधिनियम
सैद्धांतिक और अनुभवजन्य आवृत्तियाँ। सामान्य वितरण के लिए परीक्षण करें
परिवर्तनशील वितरण श्रृंखला का विश्लेषण करते समय, यह बहुत महत्वपूर्ण है कि कैसे अनुभवजन्य वितरणचिन्ह मेल खाता है सामान्य. इसके लिए, वास्तविक वितरण की आवृत्तियों की तुलना सैद्धांतिक वितरण से की जानी चाहिए, जो सामान्य वितरण की विशेषता है। इसका मतलब यह है कि सामान्य वितरण वक्र की सैद्धांतिक आवृत्तियों की गणना करना आवश्यक है, जो वास्तविक डेटा से सामान्यीकृत विचलन का एक कार्य है।
दूसरे शब्दों में, अनुभवजन्य वितरण वक्र को सामान्य वितरण वक्र के साथ संरेखित किया जाना चाहिए।
अनुपालन की वस्तुनिष्ठ विशेषता सैद्धांतिकऔर प्रयोगसिद्ध आवृत्तियोंविशेष सांख्यिकीय संकेतकों का उपयोग करके प्राप्त किया जा सकता है, जिन्हें कहा जाता है सहमति मानदंड.
सामंजस्य की कसौटीएक मानदंड कहा जाता है जो आपको यह निर्धारित करने की अनुमति देता है कि क्या विसंगति है प्रयोगसिद्धऔर सैद्धांतिकवितरण यादृच्छिक या महत्वपूर्ण, अर्थात क्या अवलोकन संबंधी डेटा आगे रखी गई सांख्यिकीय परिकल्पना के अनुरूप है या सुसंगत नहीं है। सामान्य जनसंख्या का वह वितरण, जो उसने सामने रखी गई परिकल्पना के आधार पर प्राप्त किया है, सैद्धांतिक कहलाता है।
स्थापित करने की आवश्यकता है मानदंड(नियम) जो किसी को यह निर्णय लेने की अनुमति देगा कि अनुभवजन्य और सैद्धांतिक वितरण के बीच विसंगति यादृच्छिक या महत्वपूर्ण है या नहीं। यदि विसंगति है यादृच्छिक, तो वे मानते हैं कि अवलोकन संबंधी डेटा (नमूना) सामान्य जनसंख्या के वितरण के कानून के बारे में सामने रखी गई परिकल्पना के अनुरूप है और इसलिए, परिकल्पना स्वीकार की जाती है; यदि विसंगति है महत्वपूर्ण, तो अवलोकन संबंधी डेटा परिकल्पना से सहमत नहीं है और इसे अस्वीकार कर देता है।
आमतौर पर अनुभवजन्य और सैद्धांतिक आवृत्तियाँ इस तथ्य के कारण भिन्न होती हैं कि:
विसंगति यादृच्छिक है और सीमित संख्या में टिप्पणियों से जुड़ी है;
विसंगति आकस्मिक नहीं है और इसे इस तथ्य से समझाया गया है कि सांख्यिकीय परिकल्पना कि सामान्य आबादी सामान्य रूप से वितरित होती है, गलत है।
इस प्रकार, सहमति मानदंडअनुभवजन्य श्रृंखला में वितरण की प्रकृति के बारे में श्रृंखला को समतल करते समय सामने रखी गई परिकल्पना की शुद्धता को अस्वीकार या पुष्टि करने की अनुमति दें।
अनुभवजन्य आवृत्तियाँअवलोकन से प्राप्त किया गया। सैद्धांतिक आवृत्तियाँसूत्रों द्वारा गणना की गई।
के लिए सामान्य वितरण कानूनउन्हें इस प्रकार पाया जा सकता है:
Σ˒ i- संचित (संचयी) अनुभवजन्य आवृत्तियों का योग
एच - दो आसन्न विकल्पों के बीच का अंतर
σ - नमूना मानक विचलन
टी-सामान्यीकृत (मानकीकृत) विचलन
φ(t) सामान्य वितरण का संभाव्यता घनत्व फ़ंक्शन है (t के संबंधित मान के लिए स्थानीय लाप्लास फ़ंक्शन के मानों की तालिका से खोजें)
फिट की गुणवत्ता के कई परीक्षण हैं, जिनमें से सबसे आम हैं: ची-स्क्वायर (पियर्सन का) परीक्षण, कोलमोगोरोव का परीक्षण, रोमानोव्स्की का परीक्षण।
पियर्सन गुडनेस-ऑफ़-फ़िट परीक्षण χ 2 - मुख्य में से एक, जिसे सैद्धांतिक (एफ टी) और अनुभवजन्य (एफ) आवृत्तियों के बीच सैद्धांतिक आवृत्तियों के वर्ग अंतर के अनुपात के योग के रूप में दर्शाया जा सकता है:
k उन समूहों की संख्या है जिनमें अनुभवजन्य वितरण विभाजित है,
f i, i-वें समूह में लक्षण की देखी गई आवृत्ति है,
f T सैद्धांतिक आवृत्ति है।
वितरण के लिए χ 2 तालिकाएँ संकलित की गई हैं, जो महत्व के चुने हुए स्तर α और स्वतंत्रता की डिग्री डीएफ (या ν) के लिए फिट मानदंड χ 2 के महत्वपूर्ण मूल्य को दर्शाती हैं। महत्व स्तर α आगे रखी गई परिकल्पना की गलत अस्वीकृति की संभावना है, अर्थात। संभावना है कि सही परिकल्पना अस्वीकार कर दी जाएगी। आर - सांख्यिकीय वैधतासही परिकल्पना को स्वीकार करना। आँकड़ों में, महत्व के तीन स्तरों का सबसे अधिक उपयोग किया जाता है:
α=0.10, फिर P=0.90 (100 में से 10 मामलों में)
α=0.05, फिर Р=0.95 (100 में से 5 मामलों में)
α=0.01, तो P=0.99 (100 में से 1 मामले में) सही परिकल्पना को अस्वीकार किया जा सकता है
स्वतंत्रता की डिग्री डीएफ की संख्या को वितरण श्रृंखला में समूहों की संख्या घटाकर बांड की संख्या के रूप में परिभाषित किया गया है: डीएफ = के-जेड। कनेक्शन की संख्या को सैद्धांतिक आवृत्तियों की गणना में उपयोग की जाने वाली अनुभवजन्य श्रृंखला के संकेतकों की संख्या के रूप में समझा जाता है, अर्थात। अनुभवजन्य और सैद्धांतिक आवृत्तियों को जोड़ने वाले संकेतक। उदाहरण के लिए, घंटी वक्र संरेखण में, तीन संबंध होते हैं। इसलिए, जब संरेखण घंटी वक्रस्वतंत्रता की कोटि की संख्या को df =k–3 के रूप में परिभाषित किया गया है। भौतिकता का आकलन करने के लिए, परिकलित मान की तुलना सारणीबद्ध χ 2 तालिका से की जाती है
सैद्धांतिक और अनुभवजन्य वितरण के पूर्ण संयोग के साथ χ 2 =0, अन्यथा χ 2 >0. यदि χ 2 कैल्क > χ 2 टैब, तो दिए गए महत्व के स्तर और स्वतंत्रता की डिग्री की संख्या के लिए, हम विसंगतियों की महत्वहीनता (यादृच्छिकता) की परिकल्पना को अस्वीकार करते हैं। यदि χ 2 कैल्क< χ 2 табл то гипотезу принимаем и с вероятностью Р=(1-α) можно утверждать, что расхождение между теоретическими и эмпирическими частотами случайно. Следовательно, есть основания утверждать, что эмпирическое распределение подчиняетсяसामान्य वितरण. यदि जनसंख्या का आकार काफी बड़ा है (एन>50) तो पियर्सन के फिट-ऑफ-फिट परीक्षण का उपयोग किया जाता है, जबकि प्रत्येक समूह की आवृत्ति कम से कम 5 होनी चाहिए।
कोलमोगोरोव की अच्छाई-की-फिट कसौटीसंचित अनुभवजन्य और सैद्धांतिक आवृत्तियों के बीच अधिकतम विसंगति निर्धारित करने पर आधारित है:
जहां डी और डी क्रमशः संचयी आवृत्तियों और अनुभवजन्य और सैद्धांतिक वितरण की संचयी आवृत्तियों के बीच अधिकतम अंतर हैं। कोलमोगोरोव के आँकड़ों की वितरण तालिका के अनुसार, संभावना निर्धारित की जाती है, जो 0 से 1 तक भिन्न हो सकती है। P(λ)=1- पर आवृत्तियों का पूर्ण संयोग होता है, P(λ)=0 - एक पूर्ण विचलन। यदि संभाव्यता मान P, पाए गए मान λ के संबंध में महत्वपूर्ण है, तो यह माना जा सकता है कि सैद्धांतिक और अनुभवजन्य वितरण के बीच विसंगतियां महत्वहीन हैं, यानी, वे यादृच्छिक प्रकृति की हैं। कोलमोगोरोव मानदंड का उपयोग करने के लिए मुख्य शर्त पर्याप्त रूप से बड़ी संख्या में अवलोकन हैं।
कोलमोगोरोव की अच्छाई-की-फिट कसौटी
विचार करें कि कोलमोगोरोव मानदंड (λ) कब कैसे लागू किया जाता है सामान्य वितरण की परिकल्पना का परीक्षण करनासामान्य जनसंख्या. सामान्य वितरण वक्र के साथ वास्तविक वितरण के संरेखण में कई चरण होते हैं:
वास्तविक और सैद्धांतिक आवृत्तियों की तुलना करें।
वास्तविक आंकड़ों के अनुसार, सामान्य वितरण वक्र की सैद्धांतिक आवृत्तियाँ निर्धारित की जाती हैं, जो सामान्यीकृत विचलन का एक कार्य है।
जांचें कि सुविधा का वितरण किस हद तक सामान्य से मेल खाता है।
तालिका के IV कॉलम के लिए:
एमएस एक्सेल में, सामान्यीकृत विचलन (t) की गणना NORMALIZE फ़ंक्शन का उपयोग करके की जाती है। विकल्पों की संख्या (स्प्रेडशीट की पंक्तियाँ) के आधार पर मुक्त कोशिकाओं की एक श्रृंखला का चयन करना आवश्यक है। चयन को हटाए बिना, सामान्यीकरण फ़ंक्शन को कॉल करें। दिखाई देने वाले संवाद बॉक्स में, निम्नलिखित कक्षों को निर्दिष्ट करें, जिनमें क्रमशः देखे गए मान (X i), औसत (X) और मानक विचलन Ϭ शामिल हैं। ऑपरेशन पूरा होना चाहिए एक साथ Ctrl+Shift+Enter दबाकर
तालिका के V कॉलम के लिए:
सामान्य वितरण φ(t) का संभाव्यता घनत्व फ़ंक्शन सामान्यीकृत विचलन (t) के संबंधित मान के लिए स्थानीय लाप्लास फ़ंक्शन के मानों की तालिका से पाया जाता है।
तालिका के VI कॉलम के लिए:
कोलमोगोरोव फिट मानदंड की अच्छाई (λ)मापांक को विभाजित करके निर्धारित किया जाता है अधिकतम अंतरअवलोकनों की संख्या के प्रति वर्गमूल अनुभवजन्य और सैद्धांतिक संचयी आवृत्तियों के बीच:
फिट मानदंड λ की अच्छाई के लिए एक विशेष संभाव्यता तालिका का उपयोग करके, हम यह निर्धारित करते हैं कि मान λ=0.59 0.88 (λ) की संभावना से मेल खाता है
अनुभवजन्य और सैद्धांतिक आवृत्तियों का वितरण, सैद्धांतिक वितरण की संभाव्यता घनत्व
यह जांचने के लिए कि क्या कोई प्रेक्षित (अनुभवजन्य) वितरण सैद्धांतिक वितरण के अनुरूप है, फिट-ऑफ-फिट परीक्षण लागू करते समय, किसी को सरल और जटिल परिकल्पनाओं के परीक्षण के बीच अंतर करना चाहिए।
एक-नमूना कोलमोगोरोव-स्मिरनोव सामान्यता परीक्षण पर आधारित है अधिकतम अंतरनमूने के संचयी अनुभवजन्य वितरण और निहित (सैद्धांतिक) संचयी वितरण के बीच। यदि डी कोलमोगोरोव-स्मिरनोव आँकड़ा महत्वपूर्ण है, तो परिकल्पना कि संबंधित वितरण सामान्य है, को अस्वीकार कर दिया जाना चाहिए।
यादृच्छिकता का परीक्षण करने और आउटलेर्स का मूल्यांकन करने के लिए मानदंड। साहित्य परिचय प्रयोगात्मक डेटा के सांख्यिकीय विश्लेषण के अभ्यास में, मुख्य रुचि अपने आप में कुछ आंकड़ों की गणना नहीं है, बल्कि इस प्रकार के प्रश्नों के उत्तर हैं। तदनुसार, सामने रखी गई सांख्यिकीय परिकल्पनाओं का परीक्षण करने के लिए कई मानदंड विकसित किए गए हैं। सांख्यिकीय परिकल्पनाओं के परीक्षण के लिए सभी मानदंड दो बड़े समूहों में विभाजित हैं: पैरामीट्रिक और गैर-पैरामीट्रिक।
सामाजिक नेटवर्क पर काम साझा करें
यदि यह कार्य आपको पसंद नहीं आता है, तो पृष्ठ के नीचे समान कार्यों की एक सूची है। आप खोज बटन का भी उपयोग कर सकते हैं
परीक्षा
सहमति मानदंड का उपयोग करना
परिचय
साहित्य
परिचय
प्रयोगात्मक डेटा के सांख्यिकीय विश्लेषण के अभ्यास में, मुख्य रुचि अपने आप में कुछ आँकड़ों की गणना नहीं है, बल्कि इस प्रकार के प्रश्नों के उत्तर हैं। क्या जनसंख्या का मतलब वास्तव में एक निश्चित संख्या है? क्या सहसंबंध गुणांक शून्य से काफी भिन्न है? क्या दोनों नमूनों के प्रसरण बराबर हैं? और विशिष्ट शोध कार्य के आधार पर ऐसे कई प्रश्न हो सकते हैं। तदनुसार, सामने रखी गई सांख्यिकीय परिकल्पनाओं का परीक्षण करने के लिए कई मानदंड विकसित किए गए हैं। हम उनमें से कुछ सबसे आम पर विचार करेंगे। मूल रूप से, वे साधन, भिन्नता, सहसंबंध गुणांक और जनसंख्या वितरण का उल्लेख करेंगे।
सांख्यिकीय परिकल्पनाओं के परीक्षण के लिए सभी मानदंड दो बड़े समूहों में विभाजित हैं: पैरामीट्रिक और गैर-पैरामीट्रिक। पैरामीट्रिक परीक्षण इस धारणा पर आधारित हैं कि नमूना डेटा एक ज्ञात वितरण वाली आबादी से लिया गया है, और मुख्य कार्य इस वितरण के मापदंडों का अनुमान लगाना है। गैर-पैरामीट्रिक परीक्षणों के लिए, वितरण की प्रकृति के बारे में किसी धारणा की आवश्यकता नहीं है, सिवाय इस धारणा के कि यह निरंतर है।
आइए पहले पैरामीट्रिक मानदंड पर विचार करें। परीक्षण अनुक्रम में एक शून्य परिकल्पना और एक वैकल्पिक परिकल्पना तैयार करना, बनाई जाने वाली धारणाओं को तैयार करना, परीक्षण में प्रयुक्त नमूना आंकड़ों का निर्धारण करना और परीक्षण किए जाने वाले आंकड़ों का एक नमूना वितरण तैयार करना, चयनित मानदंड के लिए महत्वपूर्ण क्षेत्रों का निर्धारण करना शामिल होगा। और नमूना आँकड़ों के लिए एक विश्वास अंतराल का निर्माण करना।
1 साधनों के लिए उपयुक्त मानदंड की अच्छाई
माना कि जिस परिकल्पना का परीक्षण किया जा रहा है वह जनसंख्या का पैरामीटर है। उदाहरण के लिए, ऐसी जाँच की आवश्यकता निम्नलिखित स्थिति में उत्पन्न हो सकती है। आइए मान लें कि, व्यापक शोध के आधार पर, किसी निश्चित स्थान से तलछट में जीवाश्म मोलस्क के खोल का व्यास स्थापित किया गया है। आइए हमारे पास किसी अन्य स्थान पर पाए जाने वाले निश्चित संख्या में गोले भी हों, और हम यह धारणा बनाते हैं कि कोई विशेष स्थान गोले के व्यास को प्रभावित नहीं करता है, यानी। कि एक नए स्थान पर रहने वाले मोलस्क की पूरी आबादी के लिए शेल व्यास का औसत मूल्य पहले निवास स्थान में मोलस्क की इस प्रजाति का अध्ययन करते समय प्राप्त ज्ञात मूल्य के बराबर है।
यदि यह ज्ञात मान बराबर है, तो शून्य परिकल्पना और वैकल्पिक परिकल्पना इस प्रकार लिखी जाती है: मान लें कि विचाराधीन जनसंख्या में चर x का सामान्य वितरण है, और जनसंख्या विचरण अज्ञात है।
हम आँकड़ों का उपयोग करके परिकल्पना का परीक्षण करेंगे:
, (1)
नमूना मानक विचलन कहां है.
यह दिखाया गया कि यदि सत्य है, तो अभिव्यक्ति (1) में टी में स्वतंत्रता की एन-1 डिग्री के साथ एक छात्र का टी-वितरण है। यदि हम महत्व के स्तर (सही परिकल्पना को अस्वीकार करने की संभावना) को बराबर चुनते हैं, तो, पिछले अध्याय में चर्चा के अनुसार, हम परीक्षण के लिए महत्वपूर्ण मान निर्धारित कर सकते हैं =0।
इस मामले में, चूंकि छात्र का वितरण सममित है, तो n-1 डिग्री की स्वतंत्रता के साथ इस वितरण के वक्र के नीचे क्षेत्र का (1-) हिस्सा बिंदुओं के बीच संलग्न होगा और, जो पूर्ण रूप से एक दूसरे के बराबर हैं कीमत। इसलिए, चुने गए महत्व स्तर पर स्वतंत्रता की दी गई डिग्री के साथ टी-वितरण के लिए नकारात्मक से कम और सकारात्मक से अधिक सभी मूल्य महत्वपूर्ण क्षेत्र का गठन करेंगे। यदि नमूना मान t इस क्षेत्र में आता है, तो वैकल्पिक परिकल्पना स्वीकार की जाती है।
आत्मविश्वास अंतराल पहले वर्णित विधि के अनुसार बनाया गया है और निम्नलिखित अभिव्यक्ति से निर्धारित किया गया है
(2)
तो, हमारे मामले में यह ज्ञात है कि जीवाश्म मोलस्क के खोल का व्यास 18.2 मिमी है। हमारे पास 50 नए पाए गए गोले का एक नमूना है, जिसके लिए मिमी, ए = 2.18 मिमी। जाँच करें: = 18.2 बनाम हमारे पास है
यदि महत्व स्तर = 0.05 चुना जाता है, तो महत्वपूर्ण मान। इससे यह निष्कर्ष निकलता है कि महत्व स्तर =0.05 पर इसे पक्ष में अस्वीकार किया जा सकता है। इस प्रकार, हमारे काल्पनिक उदाहरण के लिए, यह तर्क दिया जा सकता है (स्वाभाविक रूप से, कुछ संभावना के साथ) कि एक निश्चित प्रजाति के जीवाश्म मोलस्क के खोल का व्यास उन स्थानों पर निर्भर करता है जहां वे रहते थे।
इस तथ्य के कारण कि टी-वितरण सममित है, इस वितरण के टी के केवल सकारात्मक मान महत्व के चुने हुए स्तरों और स्वतंत्रता की डिग्री की संख्या पर दिए गए हैं। इसके अलावा, न केवल टी मान के दाईं ओर वितरण वक्र के तहत क्षेत्र के हिस्से को ध्यान में रखा जाता है, बल्कि -टी मान के बाईं ओर भी। यह इस तथ्य के कारण है कि ज्यादातर मामलों में, परिकल्पनाओं का परीक्षण करते समय, हम अपने आप में विचलन के महत्व में रुचि रखते हैं, भले ही ये विचलन ऊपर या नीचे हों, यानी। हम इसके विरुद्ध जाँच करते हैं, विरुद्ध नहीं: >a या: आइए अब अपने उदाहरण पर लौटते हैं। 100(1-)% विश्वास अंतराल के लिए है 18,92,01
आइए अब उस मामले पर विचार करें जब दो आबादी के औसत की तुलना करना आवश्यक हो। परीक्षण की गई परिकल्पना इस तरह दिखती है: : =0, : 0. यह भी माना जाता है कि इसमें माध्य और विचरण के साथ एक सामान्य वितरण होता है, और माध्य और समान विचरण के साथ एक सामान्य वितरण होता है। इसके अलावा, हम मानते हैं कि जिन नमूनों से सामान्य आबादी का अनुमान लगाया जाता है, उन्हें एक-दूसरे से स्वतंत्र रूप से निकाला जाता है और क्रमशः मात्रा होती है, और नमूनों की स्वतंत्रता से, यह इस प्रकार है कि यदि हम उनमें से एक बड़ी संख्या लेते हैं और गणना करते हैं प्रत्येक जोड़ी के लिए औसत मान, तो औसत के इन जोड़ों का सेट पूरी तरह से असंबंधित होगा। शून्य परिकल्पना परीक्षण सांख्यिकी का उपयोग करके किया जाता है (3)
पहले और दूसरे नमूनों के लिए क्रमशः विचरण अनुमान कहां और कहां हैं। यह देखना आसान है कि (3) (1) का सामान्यीकरण है। यह दिखाया गया कि आँकड़ा (3) में स्वतंत्रता की डिग्री के साथ छात्र का टी-वितरण है। यदि और बराबर हैं, अर्थात = = सूत्र (3) सरलीकृत है और इसका स्वरूप है (4)
एक उदाहरण पर विचार करें. मान लीजिए कि दो मौसमों के दौरान एक ही पौधे की आबादी के तने की पत्तियों को मापते समय निम्नलिखित परिणाम प्राप्त होते हैं: हम मानते हैं कि छात्र की कसौटी का उपयोग करने की शर्तें, अर्थात्। सामान्य आबादी की सामान्यता, जहां से नमूने लिए गए हैं, इन आबादी के लिए एक अज्ञात लेकिन समान भिन्नता का अस्तित्व, और नमूनों की स्वतंत्रता संतुष्ट हैं। हम महत्व स्तर =0.01 पर अनुमान लगाते हैं। हमारे पास है तालिका मान t = 2.58. इसलिए, दो मौसमों के दौरान पौधों की आबादी के लिए तने की पत्तियों की लंबाई के औसत मूल्यों की समानता के बारे में परिकल्पना को महत्व के चुने हुए स्तर पर खारिज कर दिया जाना चाहिए। ध्यान! गणितीय आंकड़ों में शून्य परिकल्पना वह परिकल्पना है कि तुलना किए गए संकेतकों के बीच कोई महत्वपूर्ण अंतर नहीं है, भले ही हम औसत, भिन्नता या अन्य आंकड़ों के बारे में बात कर रहे हों। और इन सभी मामलों में, यदि मानदंड का अनुभवजन्य (सूत्र द्वारा परिकलित) मान सैद्धांतिक मान (तालिका से चयनित) से अधिक है, तो इसे अस्वीकार कर दिया जाता है। यदि अनुभवजन्य मूल्य तालिका मूल्य से कम है, तो इसे स्वीकार किया जाता है। इन दो सामान्य आबादी के साधनों के बीच अंतर के लिए आत्मविश्वास अंतराल बनाने के लिए, हम इस तथ्य पर ध्यान देते हैं कि छात्र का टी-टेस्ट, जैसा कि सूत्र (3) से देखा जा सकता है, के बीच अंतर के महत्व का मूल्यांकन करता है इस अंतर की मानक त्रुटि के सापेक्ष मतलब है. पहले से ही माने गए संबंधों और बनाई गई धारणाओं का उपयोग करके, यह सत्यापित करना आसान है कि (3) में हर बिल्कुल इस मानक त्रुटि का प्रतिनिधित्व करता है। दरअसल, हम इसे सामान्य तौर पर जानते हैं यदि x और y स्वतंत्र हैं, तो x और y के बजाय नमूना मान लेना और इस धारणा को याद रखना कि दोनों आबादी में समान भिन्नता है, हमें मिलता है (5)
भिन्नता का अनुमान निम्नलिखित संबंध से प्राप्त किया जा सकता है (6)
(हम विभाजित करते हैं क्योंकि नमूनों से दो मात्राओं का अनुमान लगाया जाता है और इसलिए, स्वतंत्रता की डिग्री की संख्या दो से कम होनी चाहिए।) यदि अब हम (6) को (5) में प्रतिस्थापित करें और वर्गमूल लें, तो हमें अभिव्यक्ति (3) में हर प्राप्त होता है। इस विषयांतर के बाद, हम - के लिए एक विश्वास अंतराल के निर्माण पर लौटेंगे। हमारे पास है आइए हम टी-टेस्ट के निर्माण में प्रयुक्त मान्यताओं से संबंधित कुछ टिप्पणियाँ करें। सबसे पहले, यह दिखाया गया कि सामान्यता की धारणा के उल्लंघन का 30 के लिए परीक्षण के महत्व स्तर और शक्ति पर नगण्य प्रभाव पड़ता है। दोनों आबादी के भिन्नताओं की एकरूपता की धारणा का उल्लंघन, जहां से नमूने लिए गए हैं लिया गया भी महत्वहीन है, लेकिन केवल तभी जब नमूना आकार बराबर हो। हालाँकि, यदि दोनों आबादी की भिन्नताएँ एक-दूसरे से भिन्न हैं, तो पहले और दूसरे प्रकार की त्रुटियों की संभावनाएँ अपेक्षित त्रुटियों से काफी भिन्न होंगी। इस मामले में, जाँच के लिए मानदंड का उपयोग किया जाना चाहिए (7)
स्वतंत्रता की डिग्री की संख्या के साथ . (8)
एक नियम के रूप में, यह एक भिन्नात्मक संख्या बन जाती है, इसलिए, टी-वितरण की तालिकाओं का उपयोग करते समय, निकटतम पूर्णांक मानों के लिए सारणीबद्ध मान लेना और प्राप्त के अनुरूप टी खोजने के लिए प्रक्षेप करना आवश्यक है। एक। एक उदाहरण पर विचार करें. मार्श मेंढक की दो उप-प्रजातियों का अध्ययन करते समय, शरीर की लंबाई और टिबिया की लंबाई के अनुपात की गणना की गई। आयतन =49 और =27 के साथ दो नमूने लिए गए। हमारे लिए ब्याज के अनुपात का माध्य और विचरण क्रमशः =2.34 निकला; =2.08; =0.21; =0.35. यदि अब हम सूत्र (2) का उपयोग करके परिकल्पना का परीक्षण करते हैं, तो हमें वह मिलता है =0.05 के महत्व स्तर पर, हमें शून्य परिकल्पना (सारणीबद्ध मान t=1.995) को अस्वीकार करना चाहिए और मान लेना चाहिए कि दो मेंढक उप-प्रजातियों के लिए मापा मापदंडों के औसत मूल्यों के बीच चुने हुए महत्व स्तर पर सांख्यिकीय रूप से महत्वपूर्ण अंतर हैं। सूत्र (6) और (7) का उपयोग करते समय, हमारे पास है इस मामले में, समान महत्व स्तर =0.05 के लिए, तालिका मान t=2.015, और शून्य परिकल्पना स्वीकार की जाती है। यह उदाहरण स्पष्ट रूप से दिखाता है कि एक या दूसरे मानदंड की व्युत्पत्ति में अपनाई गई शर्तों की उपेक्षा से ऐसे परिणाम हो सकते हैं जो वास्तव में होने वाले परिणामों के सीधे विपरीत होते हैं। बेशक, इस मामले में, एक पूर्व निर्धारित तथ्य की अनुपस्थिति में कि दोनों आबादी में मापा संकेतक के भिन्नताएं सांख्यिकीय रूप से बराबर हैं, विभिन्न आकारों के नमूने होने पर, सूत्र (7) और (8) का उपयोग किया जाना चाहिए था, जो अनुपस्थिति दिखाता है सांख्यिकीय रूप से महत्वपूर्ण अंतर। इसलिए, मैं एक बार फिर दोहराना चाहूंगा कि किसी विशेष मानदंड को प्राप्त करते समय बनाई गई सभी मान्यताओं के अनुपालन का सत्यापन उसके सही उपयोग के लिए एक अत्यंत आवश्यक शर्त है। टी-परीक्षण के उपरोक्त दोनों संशोधनों में एक अपरिहार्य आवश्यकता यह थी कि नमूने एक-दूसरे से स्वतंत्र हों। हालाँकि, व्यवहार में, अक्सर ऐसी स्थितियाँ उत्पन्न होती हैं जब वस्तुनिष्ठ कारणों से इस आवश्यकता को पूरा नहीं किया जा सकता है। उदाहरण के लिए, कुछ संकेतक किसी बाहरी कारक आदि की कार्रवाई से पहले और बाद में उसी जानवर या क्षेत्र के क्षेत्र पर मापे जाते हैं। और इन मामलों में, हमें परिकल्पना का परीक्षण करने में रुचि हो सकती है। हम यह मानते रहेंगे कि दोनों नमूने समान भिन्नता के साथ सामान्य आबादी से लिए गए हैं। इस मामले में, आप इस तथ्य का उपयोग कर सकते हैं कि सामान्य रूप से वितरित मूल्यों के बीच अंतर का भी सामान्य वितरण होता है, और इसलिए आप फॉर्म (1) में छात्र के टी-टेस्ट का उपयोग कर सकते हैं। इस प्रकार, यह परिकल्पना कि n अंतर सामान्य रूप से वितरित सामान्य जनसंख्या से शून्य के बराबर माध्य वाला एक नमूना है, का परीक्षण किया जाएगा। i-वें अंतर को निरूपित करते हुए, हमारे पास है , (9) एक उदाहरण पर विचार करें. आइए उत्तेजना की क्रिया से पहले () और बाद में () एक निश्चित समय अंतराल के लिए एक व्यक्तिगत तंत्रिका कोशिका के आवेगों की संख्या पर डेटा हमारे पास उपलब्ध है: इसलिए यह ध्यान में रखते हुए कि (9) में एक टी-वितरण है, और एक महत्व स्तर =0.01 का चयन करते हुए, हम परिशिष्ट में संबंधित तालिका से पाते हैं कि एन-1=10-1=9 स्वतंत्रता की डिग्री के लिए टी का महत्वपूर्ण मूल्य 3.25 है. टी-सांख्यिकी के सैद्धांतिक और अनुभवजन्य मूल्यों की तुलना से पता चलता है कि उत्तेजना दिए जाने से पहले और बाद में आवेगों की आवृत्ति के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर की अनुपस्थिति की शून्य परिकल्पना को खारिज कर दिया जाना चाहिए। यह निष्कर्ष निकाला जा सकता है कि प्रयुक्त उत्तेजना सांख्यिकीय रूप से आवेगों की आवृत्ति को महत्वपूर्ण रूप से बदल देती है। प्रायोगिक अध्ययनों में, जैसा कि ऊपर बताया गया है, आश्रित नमूने अक्सर सामने आते हैं। हालाँकि, इस तथ्य को कभी-कभी नजरअंदाज कर दिया जाता है और फॉर्म (3) में टी-टेस्ट का गलत इस्तेमाल किया जाता है। असंबद्ध और सहसंबद्ध साधनों के बीच अंतर की मानक त्रुटियों पर विचार करके इसे अमान्य माना जा सकता है। पहले मामले में और दूसरे में अंतर की मानक त्रुटि d है इसे ध्यान में रखते हुए, (9) में हर का रूप होगा आइए अब इस तथ्य पर ध्यान दें कि अभिव्यक्ति (4) और (9) के अंश मेल खाते हैं: इसलिए, उनमें t के मान का अंतर हर पर निर्भर करता है। इस प्रकार, यदि आश्रित नमूनों के साथ समस्या में सूत्र (3) का उपयोग किया जाता है, और नमूनों का सकारात्मक सहसंबंध होगा, तो टी के परिणामी मान सूत्र (9) का उपयोग करते समय होने से कम होंगे, और एक स्थिति यह उत्पन्न हो सकता है कि शून्य परिकल्पना असत्य होने पर स्वीकार कर ली जाएगी। विपरीत स्थिति तब उत्पन्न हो सकती है जब नमूनों के बीच नकारात्मक सहसंबंध हो, अर्थात। इस मामले में, ऐसे अंतरों को महत्वपूर्ण माना जाएगा, जो वास्तव में नहीं हैं। आइए आवेग गतिविधि के साथ उदाहरण पर वापस जाएं और सूत्र (3) का उपयोग करके दिए गए डेटा के लिए टी के मूल्य की गणना करें, इस तथ्य पर ध्यान न दें कि नमूने जुड़े हुए हैं। हमारे पास है: स्वतंत्रता की डिग्री की संख्या 18 के बराबर, और महत्व का स्तर = 0.01, सारणीबद्ध मान टी = 2.88 और, पहली नज़र में, ऐसा लगता है कि कुछ भी नहीं हुआ, यहां तक कि दी गई शर्तों के लिए अनुपयुक्त सूत्र का उपयोग करने पर भी . और इस मामले में, t का परिकलित मान शून्य परिकल्पना की अस्वीकृति की ओर ले जाता है, अर्थात। उसी निष्कर्ष पर जो सूत्र (9) का उपयोग करके निकाला गया था, जो इस स्थिति में सही है। हालाँकि, आइए मौजूदा डेटा को दोबारा आकार दें और इसे निम्नलिखित रूप में प्रस्तुत करें (2): ये वही मूल्य हैं, और इन्हें कुछ प्रयोगों में बहुत अच्छी तरह से प्राप्त किया जा सकता है। चूँकि दोनों नमूनों में सभी मान सहेजे गए हैं, तो सूत्र (3) में छात्र के टी-परीक्षण का उपयोग पहले प्राप्त मूल्य =3.32 देता है और उसी निष्कर्ष पर ले जाता है जो पहले ही बनाया जा चुका है। और अब हम सूत्र (9) के अनुसार t के मान की गणना करते हैं, जिसका उपयोग इस मामले में किया जाना चाहिए। हमारे पास है: चुने गए महत्व स्तर और स्वतंत्रता की नौ डिग्री पर टी का महत्वपूर्ण मूल्य 3.25 है। नतीजतन, हमारे पास अशक्त परिकल्पना को अस्वीकार करने का कोई कारण नहीं है, हम इसे स्वीकार करते हैं, और यह पता चलता है कि यह निष्कर्ष सीधे उस निष्कर्ष के विपरीत है जो तब बनाया गया था जब सूत्र (3) का उपयोग किया गया था। इस उदाहरण में, हम फिर से आश्वस्त हो गए कि प्रयोगात्मक डेटा का विश्लेषण करते समय सही निष्कर्ष प्राप्त करने के लिए उन सभी आवश्यकताओं का सख्ती से पालन करना कितना महत्वपूर्ण है जो एक या दूसरे मानदंड को निर्धारित करने का आधार थे। छात्र के मानदंड में विचार किए गए संशोधनों का उद्देश्य दो नमूनों के औसत के संबंध में परिकल्पना का परीक्षण करना है। हालाँकि, परिस्थितियाँ तब उत्पन्न होती हैं जब एक साथ k औसत की समानता के बारे में निष्कर्ष निकालना आवश्यक हो जाता है। इस मामले के लिए, एक निश्चित सांख्यिकीय प्रक्रिया भी विकसित की गई है, जिस पर बाद में विचरण के विश्लेषण से संबंधित मुद्दों पर चर्चा करते समय विचार किया जाएगा। 2 भिन्नताओं के लिए उपयुक्तता की अच्छाई सामान्य जनसंख्या की भिन्नताओं के संबंध में सांख्यिकीय परिकल्पनाओं का परीक्षण उसी क्रम में किया जाता है जैसे कि साधनों के लिए। आइए संक्षेप में इस क्रम को याद करें। 1. एक शून्य परिकल्पना तैयार की गई है (तुलना किए गए भिन्नताओं के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर की अनुपस्थिति के बारे में)। 2. आँकड़ों के नमूना वितरण के संबंध में कुछ धारणाएँ बनाई जाती हैं, जिनकी सहायता से परिकल्पना में शामिल पैरामीटर का अनुमान लगाने की योजना बनाई जाती है। 3. परिकल्पना का परीक्षण करने के लिए एक महत्व स्तर चुना जाता है। 4. हमारे लिए रुचिकर आँकड़ों के मूल्य की गणना की जाती है और शून्य परिकल्पना की सत्यता के संबंध में निर्णय लिया जाता है। और अब आइए इस परिकल्पना का परीक्षण शुरू करें कि सामान्य जनसंख्या का विचरण = a, यानी। ख़िलाफ़। यदि हम मानते हैं कि चर x का सामान्य वितरण है, और आकार n का एक नमूना जनसंख्या से यादृच्छिक रूप से लिया गया है, तो अशक्त परिकल्पना का परीक्षण करने के लिए आंकड़ों का उपयोग किया जाता है (10)
विचरण की गणना के सूत्र को याद करते हुए, हम (10) को इस प्रकार फिर से लिखते हैं: . (11)
इस अभिव्यक्ति से यह देखा जा सकता है कि अंश सामान्य रूप से वितरित मात्राओं के माध्य से वर्ग विचलन का योग है। इनमें से प्रत्येक विचलन भी सामान्य रूप से वितरित होता है। इसलिए, हमें ज्ञात वितरण के अनुसार, सांख्यिकी (10) और (11) के सामान्य रूप से वितरित मूल्यों के वर्गों के योग में स्वतंत्रता की एन-1 डिग्री के साथ एक वितरण होता है। टी-वितरण के उपयोग के अनुरूप, चयनित महत्व स्तर की जांच करते समय, वितरण तालिका शून्य परिकल्पना को स्वीकार करने की संभावनाओं के अनुरूप महत्वपूर्ण बिंदु स्थापित करती है। चयनित होने पर विश्वास अंतराल का निर्माण इस प्रकार किया जाता है: . (12)
एक उदाहरण पर विचार करें. मान लीजिए, व्यापक प्रायोगिक अध्ययनों के आधार पर, यह स्थापित किया गया है कि एक निश्चित क्षेत्र से एक पौधे की प्रजाति की क्षारीय सामग्री का फैलाव 4.37 पारंपरिक इकाइयाँ है। n=28 ऐसे पौधों का एक नमूना, संभवतः उसी क्षेत्र से, एक विशेषज्ञ के पास आता है। विश्लेषण से पता चला कि इस नमूने के लिए =5.01 और यह सुनिश्चित करना आवश्यक है कि यह और पहले से ज्ञात भिन्नताएं महत्व स्तर =0.1 पर सांख्यिकीय रूप से अप्रभेद्य हैं। सूत्र (10) के अनुसार हमारे पास है प्राप्त मूल्य की तुलना महत्वपूर्ण मूल्यों /2=0.05 और 1--/2=0.95 से की जानी चाहिए। स्वतंत्रता की 27 डिग्री के लिए परिशिष्ट तालिका से, हमारे पास क्रमशः 40.1 और 16.2 हैं, जिससे यह निष्कर्ष निकलता है कि शून्य परिकल्पना को स्वीकार किया जा सकता है। इसके लिए संगत आत्मविश्वास अंतराल 3.37 है<<8,35.
नमूने के बारे में परिकल्पनाओं के परीक्षण के विपरीत, छात्र के टी-टेस्ट का उपयोग करना, जब पहली और दूसरी तरह की त्रुटियां मामूली रूप से बदल गईं जब आबादी के सामान्य वितरण की धारणा का उल्लंघन किया गया, भिन्नता के बारे में परिकल्पना के मामले में, जब सामान्यता की स्थिति होती है पूरा नहीं होने पर, त्रुटियाँ महत्वपूर्ण रूप से बदल जाती हैं। ऊपर दिए गए कुछ निश्चित मानों में विचरण की समानता की समस्या सीमित रुचि की है, क्योंकि ऐसी स्थितियाँ काफी दुर्लभ होती हैं जब सामान्य जनसंख्या का विचरण ज्ञात होता है। अधिक दिलचस्प वह मामला है जब यह जांचना आवश्यक है कि क्या दो आबादी के भिन्नताएं बराबर हैं, यानी। एक विकल्प के विरुद्ध एक परिकल्पना का परीक्षण करना। यह माना जाता है कि आकार के नमूने यादृच्छिक रूप से भिन्नताओं वाली आबादी से लिए गए हैं। शून्य परिकल्पना का परीक्षण करने के लिए, फिशर विचरण अनुपात परीक्षण का उपयोग किया जाता है (13)
चूँकि उनके माध्य मानों से सामान्य रूप से वितरित यादृच्छिक चर के वर्ग विचलन के योग का एक वितरण होता है, तो अंश और हर (13) दोनों को क्रमशः और से विभाजित मान वितरित किए जाते हैं, और इसलिए उनके अनुपात में एफ-वितरण होता है स्वतंत्रता की -1 और -1 डिग्री के साथ। यह आम तौर पर स्वीकार किया जाता है - और इस प्रकार एफ-वितरण की तालिकाओं का निर्माण किया जाता है - कि सबसे बड़े भिन्नता को (13) में अंश के रूप में लिया जाता है, और इसलिए महत्व के चुने हुए स्तर के अनुरूप केवल एक महत्वपूर्ण बिंदु निर्धारित किया जाता है . आइए हमारे पास सामान्य और अंडाकार तालाब के घोंघों की आबादी से मात्रा के दो नमूने =11 और =28 हैं, जिनके लिए ऊंचाई-से-चौड़ाई अनुपात में भिन्नताएं =0.59 और =0.38 हैं। महत्व स्तर = 0.05 पर अध्ययन की गई आबादी के लिए इन संकेतकों के इन भिन्नताओं की समानता के बारे में परिकल्पना का परीक्षण करना आवश्यक है। हमारे पास है साहित्य में, कोई भी कभी-कभी यह कथन पा सकता है कि छात्र की कसौटी पर साधनों की समानता के बारे में परिकल्पना का परीक्षण करने से पहले भिन्नताओं की समानता के बारे में परिकल्पना का परीक्षण किया जाना चाहिए। यह गलत सिफ़ारिश है. इसके अलावा, इससे गलतियाँ हो सकती हैं जिनका पालन न करने पर टाला जा सकता है। दरअसल, फिशर के परीक्षण का उपयोग करके भिन्नताओं की समानता की परिकल्पना के परीक्षण के परिणाम काफी हद तक इस धारणा पर निर्भर करते हैं कि नमूने सामान्य वितरण वाली आबादी से लिए गए हैं। साथ ही, छात्र का टी-टेस्ट सामान्यता के उल्लंघन के प्रति असंवेदनशील है, और यदि समान आकार के नमूने प्राप्त करना संभव है, तो भिन्नताओं की समानता की धारणा भी आवश्यक नहीं है। असमान n के मामले में, सत्यापन के लिए सूत्र (7) और (8) का उपयोग किया जाना चाहिए। भिन्नताओं की समानता के बारे में परिकल्पनाओं का परीक्षण करते समय, आश्रित नमूनों से जुड़ी गणनाओं में कुछ विशेषताएं उत्पन्न होती हैं। इस मामले में, सांख्यिकी का उपयोग विकल्प के विरुद्ध परिकल्पना का परीक्षण करने के लिए किया जाता है। (14)
यदि शून्य परिकल्पना सत्य है, तो सांख्यिकी (14) में स्वतंत्रता की n-2 डिग्री के साथ एक छात्र का t-वितरण है। 35 कोटिंग नमूनों की चमक को मापने पर, =134.5 का फैलाव प्राप्त हुआ। दो सप्ताह बाद दोहराया गया माप =199.1 दिखा। इस मामले में, युग्मित मापों के बीच सहसंबंध गुणांक =0.876 निकला। यदि हम इस तथ्य पर ध्यान नहीं देते हैं कि नमूने निर्भर हैं और परिकल्पना का परीक्षण करने के लिए फिशर मानदंड का उपयोग करते हैं, तो हमें F=1.48 मिलता है। यदि आप महत्व स्तर =0.05 चुनते हैं, तो शून्य परिकल्पना स्वीकार की जाएगी, क्योंकि =35-1=34 और =35-1=34 स्वतंत्रता की डिग्री के लिए एफ-वितरण का महत्वपूर्ण मूल्य 1.79 है। उसी समय, यदि हम इस मामले के लिए उपयुक्त सूत्र (14) का उपयोग करते हैं, तो हमें t=2.35 मिलेगा, जबकि 33 डिग्री स्वतंत्रता और चुने गए महत्व स्तर =0.05 के लिए t का महत्वपूर्ण मान 2.03 है। इसलिए, इन दोनों नमूनों में भिन्नताओं की समानता के बारे में शून्य परिकल्पना को खारिज कर दिया जाना चाहिए। इस प्रकार, यह उदाहरण दिखाता है कि, साधनों की समानता की परिकल्पना के परीक्षण के मामले में, एक मानदंड का उपयोग जो प्रयोगात्मक डेटा की विशिष्टताओं को ध्यान में नहीं रखता है, एक त्रुटि की ओर जाता है। अनुशंसित साहित्य में, कोई बार्टलेट परीक्षण पा सकता है जिसका उपयोग k भिन्नताओं की एक साथ समानता के बारे में परिकल्पनाओं के परीक्षण में किया जाता है। इस तथ्य के अलावा कि इस परीक्षण के आंकड़ों की गणना काफी श्रमसाध्य है, इस परीक्षण का मुख्य नुकसान यह है कि यह उन आबादी के सामान्य वितरण की धारणा से विचलन के प्रति असामान्य रूप से संवेदनशील है जहां से नमूने लिए गए हैं। इस प्रकार, इसका उपयोग करते समय, कोई भी यह सुनिश्चित नहीं कर सकता है कि शून्य परिकल्पना वास्तव में खारिज कर दी गई है क्योंकि भिन्नताएं सांख्यिकीय रूप से काफी भिन्न हैं, और इसलिए नहीं कि नमूने सामान्य रूप से वितरित नहीं होते हैं। इसलिए, कई भिन्नताओं की तुलना करने की समस्या के मामले में, समस्या के ऐसे विवरण की तलाश करना आवश्यक है जब फिशर मानदंड या इसके संशोधनों का उपयोग करना संभव हो। शेयरों पर समझौते के लिए 3 मानदंड अक्सर आबादी का विश्लेषण करना आवश्यक होता है जिसमें वस्तुओं को दो श्रेणियों में से एक को सौंपा जा सकता है। उदाहरण के लिए, एक निश्चित आबादी में लिंग के आधार पर, मिट्टी में एक निश्चित ट्रेस तत्व की उपस्थिति से, कुछ पक्षी प्रजातियों में अंडों के गहरे या हल्के रंग से, आदि। एक निश्चित गुणवत्ता वाले तत्वों के अनुपात को पी द्वारा दर्शाया जाएगा, जहां पी उस गुणवत्ता वाली वस्तुओं का अनुपात है जिसमें हम समग्र रूप से सभी वस्तुओं में रुचि रखते हैं।
कहाँ