콘텐츠
모든 통계적 가설 검정에는 알파와 베타라는 두 가지 중요한 통계가 있습니다. 이 값은 각각 제 1 종 오류 확률과 제 2 종 오류 확률을 나타냅니다. 제 1 종 오류는 오 탐지이거나 실제로 유의 한 관계가 없을 때 데이터에 유의 한 관계가 있음을 나타내는 결론입니다. 유형 II 오류는 잘못된 부정 또는 사실 중요한 관계가있을 때 데이터에 관계가 없음을 나타내는 결론입니다. 일반적으로 베타는 찾기가 어렵습니다. 그러나 알파 가설이 이미 있다면 수학 기술을 사용하여 베타를 계산할 수 있습니다. 이러한 기술에는 알파 값, 샘플 크기 및 효과 크기와 같은 추가 정보가 필요합니다. 알파 값은 알파 가설에서 비롯됩니다. 제 1 종 오류 확률입니다. 샘플 크기는 데이터 세트의 데이터 포인트 수입니다. 효과 크기는 일반적으로 과거 데이터에서 추정됩니다.
베타 계산에 필요한 값을 나열하십시오. 이 값에는 알파, 효과 크기 및 샘플 크기가 포함됩니다. 명확한 효과 크기를 나타내는 과거 데이터가없는 경우 0.3을 사용하여 보수적입니다. 기본적으로 효과 크기는 데이터 관계의 강도입니다. 따라서 0.3은 보통 "중간"효과 크기이므로 사용됩니다.
값 1-alpha / 2에 대한 Z- 점수를 찾으십시오. 이 Z- 점수는 베타 계산에 사용됩니다. 1-alpha / 2의 숫자 값을 계산 한 후 해당 값에 해당하는 Z 점수를 찾습니다. 베타를 계산하는 데 필요한 Z 점수입니다.
값 1-베타에 대한 Z- 점수를 계산하십시오. 효과 크기를 2로 나누고 제곱근을 취하십시오. 이 결과에 효과 크기를 곱하십시오. 이 값에서 마지막 단계에서 찾은 Z- 점수를 빼면 값 1 – 베타의 Z- 점수가됩니다.
Z 점수를 1-베타로 숫자로 변환합니다. "Reverse"는 먼저 Z-table에서 Z-score를 조회하여 1-beta의 Z-score를 찾습니다. 이 Z- 점수를 다시 열 또는 행으로 추적하여 숫자를 찾으십시오. 이 숫자는 1-베타와 같습니다.
1에서 찾은 숫자를 빼십시오.이 결과는 베타입니다.