تحلیل تکنیکال
آزمون دوطرفه چیست؟
آزمون دوطرفه بررسی می‌کند که آیا میانگین نمونه به‌طور معنی‌داری از میانگین جمعیت متفاوت است، با ارزیابی هر دو انتهای توزیع، و فرضیه صفر را آزمایش می‌کند.
آزمون دوطرفه چیست؟
آزمون دوطرفه در آمار بررسی می‌کند که آیا یک نمونه به‌طور معنی‌داری از میانگین جمعیت متفاوت است، چه بیشتر باشد و چه کمتر. این آزمون ابزاری اساسی در آزمون فرضیه صفر است و در زمینه‌های مختلفی مانند کنترل کیفیت تولید و تحلیل مالی استفاده می‌شود. هنگامی که میانگین نمونه در نواحی بحرانی هر یک از دو انتهای توزیع قرار گیرد، نشان‌دهنده انحراف از میانگین جمعیت است و منجر به رد فرضیه صفر به نفع فرضیه جایگزین می‌شود. درک اصول و کاربردهای این آزمون می‌تواند تصمیم‌گیری در محیط‌های داده‌محور را بهبود بخشد.
نکات کلیدی
- آزمون دوطرفه بررسی می‌کند که آیا یک نمونه به‌طور معنی‌داری از میانگین جمعیت در هر دو جهت توزیع متفاوت است.
- این نوع آزمون در آزمون فرضیه نقش مهمی دارد، زیرا نتایج بحرانی می‌توانند منجر به رد فرضیه صفر به نفع فرضیه جایگزین شوند.
- آزمون‌های دوطرفه در زمینه‌های متنوعی مانند تولید برای اطمینان از رعایت استانداردهای کیفیت نمونه‌ها کاربرد دارند.
- این آزمون‌ها با آزمون‌های یک‌طرفه متفاوت هستند، که فقط بررسی می‌کنند آیا میانگین نمونه صرفاً بیشتر یا کمتر از میانگین جمعیت است، نه هر دو.
- یک مثال گویا ، آزمایش ادعای یک شرکت کارگزاری درباره کارمزدهای پایین است که کاربرد عملی آزمون دوطرفه را در سناریوهای واقعی نشان می‌دهد.
مفاهیم کلیدی آزمون فرضیه دوطرفه
آزمون فرضیه یک ایده مرکزی در آمار استنباطی است که برای ارزیابی صحت ادعایی درباره یک پارامتر جمعیت استفاده می‌شود. آزمون دوطرفه نشان می‌دهد که آیا میانگین نمونه به‌طور معنی‌داری بیشتر یا کمتر از میانگین جمعیت است. این آزمون به دلیل بررسی ناحیه زیر هر دو انتهای توزیع نرمال نام‌گذاری شده است، اما برای توزیع‌های غیرنرمال نیز قابل‌استفاده است.
آزمون دوطرفه برای بررسی هر دو طرف یک محدوده داده مشخص‌شده توسط توزیع احتمال طراحی شده است. توزیع احتمال باید احتمال وقوع یک نتیجه مشخص را بر اساس استانداردهای از پیش تعیین‌شده نشان دهد. این شامل تعیین حدودی برای بالاترین و پایین‌ترین مقادیر قابل‌قبول در محدوده است. هر نقطه داده‌ای که فراتر از این حدود باشد، در ناحیه رد قرار می‌گیرد.
استاندارد ذاتی برای تعداد نقاط داده‌ای که باید در محدوده پذیرش قرار گیرند وجود ندارد. زمانی که دقت حیاتی است، مانند در تولید داروهای دارویی، نرخ رد ممکن است ۰.۰۰۱٪ یا کمتر باشد. برای موارد کمتر حساس، مانند شمارش اقلام غذایی در یک کیسه، نرخ رد ۵٪ ممکن است کافی باشد.
کاربردهای عملی آزمون‌های دوطرفه
آزمون دوطرفه می‌تواند در تولید، مانند بسته‌بندی آب‌نبات در یک کارخانه، استفاده شود. اگر هدف ۵۰ آب‌نبات در هر کیسه باشد، کیسه‌هایی با کمتر از ۴۵ یا بیشتر از ۵۵ آب‌نبات رد می‌شوند.
نمونه‌گیری تصادفی می‌تواند بررسی کند که آیا ماشین‌آلات بسته‌بندی به‌طور دقیق برای خروجی مورد انتظار کالیبره شده‌اند. نمونه‌گیری تصادفی ساده بخشی از جمعیت را به‌صورت تصادفی انتخاب می‌کند و به هر عضو شانس برابری برای انتخاب شدن می‌دهد.
مکانیزم بسته‌بندی باید به‌طور متوسط ۵۰ آب‌نبات در هر کیسه با توزیع قابل‌قبول تولید کند تا دقیق تلقی شود. تعداد کیسه‌های ردشده نیز باید در محدوده نرخ خطای قابل‌قبول باقی بماند. در اینجا، فرضیه صفر این است که میانگین ۵۰ است، در حالی که فرضیه جایگزین این است که میانگین ۵۰ نیست.
اگر امتیاز Z در ناحیه رد باشد و انحراف بزرگی از میانگین نشان دهد، ممکن است نیاز به تنظیماتی در کارخانه باشد. استفاده منظم از آزمون‌های دوطرفه می‌تواند به حفظ تولید در محدوده‌های مورد نظر در بلندمدت کمک کند.
نکته مهم: مراقب باشید که مشخص کنید آیا یک آزمون آماری یک‌طرفه است یا دوطرفه، زیرا این موضوع تأثیر زیادی بر تفسیر مدل دارد.
آزمون دوطرفه در مقابل آزمون یک‌طرفه: تفاوت‌های کلیدی
آزمون یک‌طرفه بررسی می‌کند که آیا میانگین نمونه فقط بیشتر از میانگین جمعیت است. یک فرضیه نمونه این است که "بازده صندوق سرمایه‌گذاری حداقل x٪ است." آزمون‌های یک‌طرفه همچنین می‌توانند برای نشان دادن اینکه میانگین نمونه فقط کمتر از میانگین جمعیت است تنظیم شوند. تفاوت کلیدی با آزمون دوطرفه این است که در آزمون دوطرفه، میانگین نمونه می‌تواند از میانگین جمعیت متفاوت باشد، چه بیشتر باشد و چه کمتر.
اگر نمونه مورد آزمایش در ناحیه بحرانی یک‌طرفه قرار گیرد، فرضیه جایگزین به‌جای فرضیه صفر پذیرفته می‌شود. آزمون یک‌طرفه همچنین به‌عنوان فرضیه جهت‌دار یا آزمون جهت‌دار شناخته می‌شود.
در مقابل، آزمون دوطرفه به هر دو طرف یک محدوده داده نگاه می‌کند تا ببیند آیا نمونه بالاتر یا پایین‌تر از آن است.
مثال: نحوه عملکرد آزمون‌های دوطرفه در عمل
به‌عنوان یک مثال فرضی، فرض کنید یک کارگزار سهام جدید به نام XYZ ادعا می‌کند که کارمزدهای کارگزاری آن‌ها کمتر از کارگزار فعلی شما، ABC، است. داده‌های موجود از یک شرکت تحقیقاتی مستقل نشان می‌دهد که میانگین و انحراف استاندارد همه مشتریان کارگزار ABC به ترتیب ۱۸ دلار و ۶ دلار است.
نمونه‌ای از ۱۰۰ مشتری ABC گرفته شده و کارمزدهای کارگزاری با نرخ‌های جدید کارگزار XYZ محاسبه می‌شود. اگر میانگین نمونه ۱۸.۷۵ دلار و انحراف استاندارد نمونه ۶ دلار باشد، آیا می‌توان نتیجه‌ای درباره تفاوت در میانگین صورت‌حساب کارگزاری بین ABC و XYZ گرفت؟
- H₀: فرضیه صفر: میانگین = ۱۸
- H₁: فرضیه جایگزین: میانگین ≠ ۱۸ (این چیزی است که می‌خواهیم اثبات کنیم.)
- ناحیه رد: Z ≤ -Z₂.₅ و Z ≥ Z₂.₅ (با فرض سطح معنی‌داری ۵٪، که ۲.۵٪ در هر طرف تقسیم می‌شود).
- Z = (میانگین نمونه – میانگین) / (انحراف استاندارد / جذر (تعداد نمونه‌ها)) = (18.75 – 18) / (6 / √100) = 1.25
این مقدار Z محاسبه‌شده بین دو حد تعریف‌شده قرار می‌گیرد: -Z₂.₅ = -1.96 و Z₂.₅ = 1.96.
این نتیجه می‌گیرد که شواهد کافی برای استنباط تفاوت بین نرخ‌های کارگزار موجود و کارگزار جدید وجود ندارد. بنابراین، فرضیه صفر نمی‌تواند رد شود. به‌طور جایگزین، مقدار p = P(Z < -1.25) + P(Z > 1.25) = 2 * 0.1056 = 0.2112 = 21.12٪، که بیشتر از ۰.۰۵ یا ۵٪ است، به همان نتیجه منجر می‌شود.
آزمون دوطرفه چگونه طراحی می‌شود؟
آزمون دوطرفه برای تعیین صحت یا نادرستی یک ادعا با توجه به یک پارامتر جمعیت طراحی شده است. این آزمون هر دو طرف یک محدوده داده مشخص‌شده توسط توزیع احتمال را بررسی می‌کند. به این ترتیب، توزیع احتمال باید احتمال وقوع یک نتیجه مشخص را بر اساس استانداردهای از پیش تعیین‌شده نشان دهد.
تفاوت بین آزمون دوطرفه و یک‌طرفه چیست؟
آزمون فرضیه دوطرفه برای نشان دادن اینکه آیا میانگین نمونه به‌طور معنی‌داری بیشتر یا کمتر از میانگین جمعیت است طراحی شده است. آزمون دوطرفه نام خود را از آزمایش ناحیه زیر هر دو انتهای (طرفین) توزیع نرمال گرفته است. از سوی دیگر، آزمون فرضیه یک‌طرفه برای نشان دادن تنها یک آزمون تنظیم شده است؛ اینکه میانگین نمونه بیشتر از میانگین جمعیت باشد، یا در آزمونی جداگانه، اینکه میانگین نمونه کمتر از میانگین جمعیت باشد.
امتیاز Z چیست؟
امتیاز Z رابطه عددی یک مقدار با میانگین گروهی از مقادیر را توصیف می‌کند و بر حسب تعداد انحراف‌های استاندارد از میانگین اندازه‌گیری می‌شود. اگر امتیاز Z صفر باشد، نشان می‌دهد که امتیاز نقطه داده برابر با امتیاز میانگین است، در حالی که امتیازهای Z برابر با ۱.۰ و -۱.۰ نشان‌دهنده مقادیری هستند که یک انحراف استاندارد بالاتر یا پایین‌تر از میانگین هستند. در اکثر مجموعه‌های داده بزرگ، ۹۹٪ مقادیر دارای امتیاز Z بین -۳ و ۳ هستند، به این معنی که در سه انحراف استاندارد بالاتر و پایین‌تر از میانگین قرار دارند.
نتیجه‌گیری
آزمون دوطرفه نقش مهمی در آزمون فرضیه ایفا می‌کند و با تعیین اینکه آیا میانگین نمونه به‌طور معنی‌داری از میانگین جمعیت در هر جهت متفاوت است، ناحیه‌های هر دو انتهای توزیع را ارزیابی می‌کند. این ابزار آماری به جایگزینی فرضیه صفر با فرضیه جایگزین کمک می‌کند زمانی که نتایج در نواحی بحرانی قرار می‌گیرند و دقت و قابلیت اطمینان را در زمینه‌هایی مانند کنترل کیفیت تولید و تحقیقات علمی تضمین می‌کند. درک تفاوت بین آزمون‌های دوطرفه و یک‌طرفه ضروری است، زیرا تأثیر زیادی بر تفسیر مدل‌های آماری دارد.