types_of_error:code01
This is an old revision of the document!
N.p <- 1000000 m.p <- 50 sd.p <- 15 p1 <- rnorm2(N.p, m.p, sd.p) mean(p1) sd(p1) p2 <- rnorm2(N.p, m.p+10, sd.p) mean(p2) sd(p1) n1 <- 25 msm251 <- mean(p1) se251 <- sd(p1)/sqrt(n1) msm251 se251 se251.5 <- se251*5 se251.2 <- se251*2 n2 <- 100 msm1001 <- mean(p1) se1001 <- sd(p1)/sqrt(n2) msm1001 se1001 se1001.5 <- se1001*5 se1001.2 <- se1001*2 msm252 <- mean(p2) se252 <- sd(p2)/sqrt(n1) msm252 se252 se252.5 <- se252*5 se252.2 <- se252*2 msm1002 <- mean(p2) se1002 <- sd(p2)/sqrt(n2) msm1002 se1002 se1002.5 <- se1002*5 se1002.2 <- se1002*2 start <- msm251-se251.5 end <- msm252+se252.5 x.span <- seq(start, end, by=.1) y.1 <- dnorm(x.span, msm251, se251) y.2 <- dnorm(x.span, msm252, se252) sm.1 <- msm251+se251.2+(se251/2) sm.1 sm.2 <- msm251+se251+(se251/2) sm.2 plot(x.span, y.1, col = "blue", type='l', lwd=2) lines(x.span, y.2, col = "red", type='l', lwd=2) abline(v=c(msm251-se251.2, msm251, msm251+se251.2), col="darkgrey") print(msm251+se251.2) abline(v=sm.1, col="green") abline(v=sm.2, col="black") pnorm(sm.1, msm251, se251, lower.tail = F)*2 # sm.1 의 샘플점수가 나올 확률 # .05보다 작으므로 영가설을 부정 # 연구가설 검증한 것으로 판단 # 즉, 점수의 차이가 있음 (57.5 - 50) # 이 때 범할 수 있는 에러는? # 녹색선의 확률을 근거로 연구자는 # 이 녹색선이 (샘플의 평균이) 빨간 색 집단에서 # 나온 것이라고 판단함 (빨간 색에서 나왔기 때문에 # 점수 차이가 있다고 판단한 것) # 이 판단이 잘못되었을 확률은 위의 pnorm값 (양방향으로 # 보기 때문에 2를 곱함) # 이것이 알파, p-level, type 1 error pnorm(sm.2, msm251, se251, lower.tail = F)*2 # sm.2 의 샘플점수가 나올 확률 # .05보다 크므로 영가설 부정에 실패 # 연구가설에 대해서 뭐라 할말이 없게됨 # 즉, 점수의 차이가 있다고 할 수 없음 (54.5 - 50) # 이 때 범할 수 있는 에러는? # 검정색 선의 확률을 근거로 연구자는 # 이 검정선이 (샘플의 평균이) 파란색 선집단에서 # 나온 것이라고 판단함 (파란색에서 나왔기 때문에 # 점수 차이가 없다고 판단한 것) # 이 판단이 잘못되었다는 말은? # 이 검정색 선이 (샘플이) 사실은 붉은색 집단에서 # 나왔을 때의 오류를 말함. # 이것이 beta, type 2 error
types_of_error/code01.1764045953.txt.gz · Last modified: by hkimscil