Repository of Reproducible Computations

Free Statistics

of Irreproducible Research!

Author's title

Author

*The author of this computation has been verified*

R Software Module

rwasp_hypothesismean3.wasp

Title produced by software

Testing Mean with known Variance - Type II Error

Date of computation

Tue, 11 Nov 2008 04:59:54 -0700

Cite this page as follows

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?v=date/2008/Nov/11/t1226404834gcwbp905nicd501.htm/, Retrieved Mon, 20 May 2024 07:28:42 +0000

Statistical Computations at FreeStatistics.org, Office for Research Development and Education, URL https://freestatistics.org/blog/index.php?pk=23351, Retrieved Mon, 20 May 2024 07:28:42 +0000

QR Codes:

Paste this QR Code to cite your computation.

Original text written by user:

IsPrivate?

No (this computation is public)

User-defined keywords

Estimated Impact

142

Family? (F = Feedback message, R = changed R code, M = changed R Module, P = changed Parameters, D = changed Data)

F       [Testing Mean with known Variance - Type II Error] [The Pork Quality ...] [2008-11-11 11:59:54] [547f3960ab1cda94661cd6e0871d2c7b] [Current]

Feedback Forum

2008-11-15 12:44:02 [Käthe Vanderheggen] [reply] 
Deze vraag loste ik correct op door te kijken naar type II error.
2008-11-17 13:23:57 [Hundra Smet] [reply] 
de vraaqg is correct opgelost, maar kon vollediger. 
dit zou ik er nog aan toevoegen: 
- we gebruiken eentype 2 fout (betafout) omdat we de alternatieve hypothese kennen (15.2%) 
- er is 94% kans dat we het nooit ontdekken, waardoor incentive tot fraude voor de leverancier zeer groot is. 
- als er 'gefoefeld' zou worden, zou het slechts een klein beetje zijn. kans op pakken is immers laag
2008-11-20 08:48:11 [Gert-Jan Geudens] [reply] 
Het antwoord is correct maar -zoals Hundra Smet reeds zei- is het niet volledig. De kans dat we de leverancier kunnen betrappen, is maar 6%. Alles wijst er dus op dat, indien de leverancier zou 'foefelen', dat hij slechts een heel klein beetje 'gefoefeld' heeft zodat de pakkans zeer klein blijft. 
2008-11-22 15:23:22 [Angelique Van de Vijver] [reply] 
Goede berekening en goede conclusie van de student. Er is inderdaad 93.94% kans dat we de fout niet ontdekken. De type I fout en de type II fout zijn inderdaad negatief gecorreleerd : als de ene toeneemt, zal de ander dalen. We kunnen deze type II fout berekenen aan de hand van de alternatieve hypothese(0.152). Doordat de kans zo groot is dat we de leverancier niet pakken bij fraude, zal de neiging tot fraude groot zijn bij de leverancier. Als er dan gefraudeerd wordt zal dit maar een klein beetje zijn waardoor de kans tot pakken zo laag is.
2008-11-23 12:58:01 [Liese Drijkoningen] [reply] 
De vraag werd correct opgelost, maar ik kan hier nog enkele dingen aan toevoegen. 
Als eerste gaan we ervan uit dat de getuigenis van de werknemer correct is.UIt de type II errot kunnen we afleiden dat de kans dar de fraude van de levrancier niet kan wroden gedetecteerd, 93,94% is. De pakkans is dus slechts 6,06%. Dit is relatief klein. 
2008-11-23 14:07:10 [Maarten Van Gucht] [reply] 
de student heeft een goede conclusie weergegeven, maar kan ook hier nog vervolledigd worden. Er is inderdaad 94% kans dat we de fout niet ontdekken en er is dus 6% kans dat we deze wel ontdekken. De type I fout en de type II fout zijn inderdaad negatief gecorreleerd : als de ene toeneemt, zal de ander dalen. je kan alleen de type II fout berekenen als je de alternatieve hypothese kent: deze is 0.152. We kunnen deze type II fout berekenen aan de hand van de alternatieve hypothese(0.152) 
Er wordt in dit voorbeeld wel  gefraudeerd, maar net weinig genoeg om niet gepakt te worden. 
Doordat de kans zo groot is dat we de leverancier niet pakken bij fraude, zal de neiging tot fraude groot zijn bij de leverancier.
2008-11-23 22:31:59 [Peter Van Doninck] [reply] 
De conclusie is correct. Er is een goede 94% kans dat de fraude van de leverancier niet kan worden ontdekt. Hierdoor is de kans om gepakt te worden slecht 6%. Hierdoor wordt de verleiding van de producent om te frauderen vrij groot. Dit had de student evenwel nog kunnen aanvullen.

Post a new message

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 seconds
R Server	'George Udny Yule' @ 72.249.76.132

\begin{tabular}{lllllllll}
\hline
Summary of computational transaction \tabularnewline
Raw Input & view raw input (R code)  \tabularnewline
Raw Output & view raw output of R engine  \tabularnewline
Computing time & 1 seconds \tabularnewline
R Server & 'George Udny Yule' @ 72.249.76.132 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23351&T=0

[TABLE]
[ROW][C]Summary of computational transaction[/C][/ROW]
[ROW][C]Raw Input[/C][C]view raw input (R code) [/C][/ROW]
[ROW][C]Raw Output[/C][C]view raw output of R engine [/C][/ROW]
[ROW][C]Computing time[/C][C]1 seconds[/C][/ROW]
[ROW][C]R Server[/C][C]'George Udny Yule' @ 72.249.76.132[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23351&T=0

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23351&T=0

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Summary of computational transaction
Raw Input	view raw input (R code)
Raw Output	view raw output of R engine
Computing time	1 seconds
R Server	'George Udny Yule' @ 72.249.76.132

Testing Mean with known Variance
sample size	27
population variance	0.012
sample mean	0.1546
null hypothesis about mean	0.15
type I error	0.05
alternative hypothesis about mean	0.152
Type II Error	0.93942747750307

\begin{tabular}{lllllllll}
\hline
Testing Mean with known Variance \tabularnewline
sample size & 27 \tabularnewline
population variance & 0.012 \tabularnewline
sample mean & 0.1546 \tabularnewline
null hypothesis about mean & 0.15 \tabularnewline
type I error & 0.05 \tabularnewline
alternative hypothesis about mean & 0.152 \tabularnewline
Type II Error & 0.93942747750307 \tabularnewline
\hline
\end{tabular}
%Source: https://freestatistics.org/blog/index.php?pk=23351&T=1

[TABLE]
[ROW][C]Testing Mean with known Variance[/C][/ROW]
[ROW][C]sample size[/C][C]27[/C][/ROW]
[ROW][C]population variance[/C][C]0.012[/C][/ROW]
[ROW][C]sample mean[/C][C]0.1546[/C][/ROW]
[ROW][C]null hypothesis about mean[/C][C]0.15[/C][/ROW]
[ROW][C]type I error[/C][C]0.05[/C][/ROW]
[ROW][C]alternative hypothesis about mean[/C][C]0.152[/C][/ROW]
[ROW][C]Type II Error[/C][C]0.93942747750307[/C][/ROW]
[/TABLE]
Source: https://freestatistics.org/blog/index.php?pk=23351&T=1

Globally Unique Identifier (entire table): ba.freestatistics.org/blog/index.php?pk=23351&T=1

As an alternative you can also use a QR Code:

The GUIDs for individual cells are displayed in the table below:

Testing Mean with known Variance
sample size	27
population variance	0.012
sample mean	0.1546
null hypothesis about mean	0.15
type I error	0.05
alternative hypothesis about mean	0.152
Type II Error	0.93942747750307

Parameters (Session):

par1 = 27 ; par2 = 0.012 ; par3 = 0.1546 ; par4 = 0.15 ; par5 = 0.05 ; par6 = 0.152 ;

Parameters (R input):

par1 = 27 ; par2 = 0.012 ; par3 = 0.1546 ; par4 = 0.15 ; par5 = 0.05 ; par6 = 0.152 ;

R code (references can be found in the software module):

par1<-as.numeric(par1)
par2<-as.numeric(par2)
par3<-as.numeric(par3)
par4<-as.numeric(par4)
par5<-as.numeric(par5)
par6<-as.numeric(par6)
c <- 'NA'
csn <- abs(qnorm(par5))
if (par3 == par4)
{
conclusion <- 'Error: the null hypothesis and sample mean must not be equal.'
}
if (par3 > par4)
{
c <- par4 + csn * sqrt(par2) / sqrt(par1)
}
if (par3 < par4)
{
c <- par4 - csn * sqrt(par2) / sqrt(par1)
}
p <- pnorm((c - par6) / (sqrt(par2/par1)))
p
load(file='createtable')
a<-table.start()
a<-table.row.start(a)
a<-table.element(a,hyperlink('ht_mean_knownvar.htm','Testing Mean with known Variance','learn more about Statistical Hypothesis Testing about the Mean when the Variance is known'),2,TRUE)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'sample size',header=TRUE)
a<-table.element(a,par1)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'population variance',header=TRUE)
a<-table.element(a,par2)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'sample mean',header=TRUE)
a<-table.element(a,par3)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'null hypothesis about mean',header=TRUE)
a<-table.element(a,par4)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'type I error',header=TRUE)
a<-table.element(a,par5)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,'alternative hypothesis about mean',header=TRUE)
a<-table.element(a,par6)
a<-table.row.end(a)
a<-table.row.start(a)
a<-table.element(a,hyperlink('ht_mean_knownvar.htm#ex3','Type II Error','example'),header=TRUE)
a<-table.element(a,p)
a<-table.row.end(a)
a<-table.end(a)
table.save(a,file='mytable.tab')

Free Statistics

Description of Statistical Computation

Tree of Dependent Computations

Dataset

Tables (Output of Computation)

Figures (Output of Computation)

Input Parameters & R Code