पी के सापेक्ष आकार अलग-अलग नमूना आकारों में मान

Question

विभिन्न नमूना आकारों में एपी मूल्य का सापेक्ष आकार कैसे बदलता है? जैसे यदि आपको सहसंबंध के लिए पर और फिर आपको समान मूल्य का 0.20 मिलता है, तो मूल p मान की तुलना में दूसरे परीक्षण के लिए p मान का सापेक्ष आकार क्या होगा जब ?$p=0.20$$n=45$$n=120$$n=45$

Comments

कृपया उस समझ की व्याख्या करें जिसमें आप नमूना आकारों को संशोधित कर रहे हैं। क्या आप अलग-अलग चीजों के दो स्वतंत्र प्रयोगों के लिए पी-मूल्यों की तुलना करने की कोशिश कर रहे हैं या आप शायद अतिरिक्त स्वतंत्र टिप्पणियों को इकट्ठा करके के आकार के नमूने को बढ़ाने की संभावना पर विचार कर रहे हैं ? $45$$120-45$

— whuber

दुर्भाग्य से मुझे इस सवाल से ज्यादा कोई जानकारी नहीं दी गई थी

यह किसी विषय के लिए है?

— Glen_b -Reinstate मोनिका

Answer 1

एक सिक्के को उछालने पर विचार करें, जिस पर आपको संदेह है, वह बहुत बार सामने आ सकता है।

आप एक प्रयोग करते हैं, उसके बाद एक पूंछ वाली परिकल्पना का परीक्षण किया जाता है। दस टॉस में आपको 7 हेड मिलते हैं। कम से कम 50% से कुछ आसानी से एक निष्पक्ष सिक्के के साथ हो सकता है। वहाँ कुछ भी असामान्य नहीं है।

यदि इसके बजाय, आपको 1000 टोकन में 700 सिर मिले, तो कम से कम मेले का परिणाम है कि एक निष्पक्ष सिक्के के लिए आश्चर्यजनक होगा।

तो 70% सिर पहले मामले में एक निष्पक्ष सिक्के के लिए बिल्कुल भी अजीब नहीं है और दूसरे मामले में एक निष्पक्ष सिक्के के लिए बहुत अजीब है। अंतर नमूना आकार है।

जैसे-जैसे नमूना आकार बढ़ता है, हमारी अनिश्चितता जहां जनसंख्या का मतलब हो सकती है (हमारे उदाहरण में प्रमुखों का अनुपात) घट जाती है। इसलिए बड़े नमूने संभव जनसंख्या मानों की छोटी श्रेणियों के अनुरूप होते हैं - जैसे-जैसे नमूने बड़े होते जाते हैं, "मानों को खारिज" किया जाता है।

हमारे पास जितना अधिक डेटा होगा, हम उतने ही सटीक रूप से पिन कर सकते हैं जहां जनसंख्या का मतलब हो सकता है ... इसलिए इस अर्थ का एक निश्चित मूल्य जो गलत है वह कम प्रशंसनीय लगेगा क्योंकि हमारे नमूना आकार बड़े हो जाते हैं। जब तक सत्य नहीं होता$H_0$ , तब तक पी-मान छोटे आकार के हो जाते हैं ।

Comments

धन्यवाद :) और यह कैसे बड़ा नमूना आकार के साथ एक ही पी-मूल्य (छोटा नहीं) पाने के साथ फिट बैठता है?

आपका प्रश्न यह नहीं कहता है कि पी-वैल्यू एक ही है, यह कहता है कि आपने सोचा था कि यह समान होगा। क्या यह एक नया प्रश्न है या आप केवल विशेष रूप से अस्पष्ट थे कि आप क्या चाहते हैं? किसी भी मामले में, यह हो सकता है - यदि बड़ा नमूना आपके पास इतना ही है कि आप इसे बनाने के लिए नल के नीचे क्या अपेक्षा करेंगे। कल्पना कीजिए कि आपके 25 सिर (32% सिर) पर 8 सिर थे, लेकिन 39 सिर में 14 सिर (लगभग 36% सिर) थे। परीक्षण के लिए पी-मान लगभग समान है। $P(H)=0.5$

— Glen_b -Reinstate मोनिका

आपका संपादित प्रश्न अब बहुत भ्रमित करने वाला है। मुझे लगा कि मैं समझ गया हूं कि आप क्या पूछ रहे थे, अब मेरे पास कोई सुराग नहीं है कि आप किस बारे में बात कर रहे हैं। (जाहिरा तौर पर यह कैसा दिख रहा था, यह पूछ रहा था कि यह क्या पूछ रहा है।)

— Glen_b -Reinstate Monica

मुझे नहीं पता कि वहां 'सापेक्ष पी-मूल्य' वाक्यांश से क्या अभिप्राय है।

— Glen_b -Reinstate मोनिका

$1.7 \times 10^{-37}$

Answer 2

मैं @Glen_b से सहमत हूं, बस इसे दूसरे दृष्टिकोण से समझाना चाहता हूं।

$H_{0}$

$[0.0001, 0.0010]$$H_0$

Answer 3

$p$$p$- अर्थात, एक ही आकार के अधिक नमूने प्राप्त करने की संभावना और प्रभाव के आकार के साथ कम से कम आपके नमूने के रूप में मजबूत यदि आप उन्हें एक ही आबादी से यादृच्छिक रूप से आकर्षित करते हैं, तो उस जनसंख्या में प्रभाव का आकार वास्तव में शून्य है - नमूना आकार के रूप में घट जाती है बढ़ जाती है और नमूने के प्रभाव का आकार अपरिवर्तित रहता है। यदि प्रभाव का आकार कम हो जाता है या नमूना भिन्नता के रूप में त्रुटि भिन्नता बढ़ जाती है, तो महत्व समान रह सकता है।

$x=\{1,2,3,4,5\}$$y=\{2,1,2,1,3\}$$r=.378,t_{(3)}=.71,p=.53$$x=\{1,2,3,4,5,1,2,3,4,5\}$$y=\{2,1,2,1,3,2,1,2,1,3\}$$r=.378$$t_{(3)}=1.15,p=.28$$n$$\lim_{n\to\infty} p(n)=0$

Comments

जब आप सीएलटी का संदर्भ देते हैं तो मुझे लगता है कि आप वास्तव में बड़ी संख्या के कानून का संदर्भ देते हैं। CLT हमें नमूना वितरण की अनुमानित सामान्यता देता है - जिसका आप वास्तव में उल्लेख नहीं करते हैं।

— दासन