Jeg vender tilbage til Cavendish's eksperiment til bestemmelse af
Jordens massetæthed i eksempel 3.2.1. Der er foretaget
23 uafhængige målinger af massetætheden.
Vi lader være den 'te måling af tætheden og
benytter Statistisk Model 3.3.1,
med erstattet af :
Ønsket er at teste hypotesen mod alternativet
hvor 5.517 er den anerkendte værdi af tætheden.
Fra pythonberegninger nedenfor fremgår, at og den
empiriske spredning er Herudfra beregnes -teststørrelsen
-værdien i -testet findes
som Da -værdien er
langt over 0.05, konkluderer vi, at data ikke strider mod hypotesen om
en middelværdi på 5.517. Cavendish har altså været i stand til at lave
et eksperiment, der stemmer overens med moderne målinger af Jordens
massetæthed. Lad os også lave et 95%-konfidensinterval for middelværdien
som et udtryk for præcisionen i eksperimentet.
Ved opslag (i Python) finder vi, at 97.5%-fraktilen i en
-fordeling er
Dermed bliver konfidensintervallet for middelværdien af
målingerne
Baseret på Cavendish's eksperiment vil vi således sige at Jordens
massetæthed ligger
med 95% sikkerhed et sted mellem 5.483 og 5.565.
Bemærk udtrykket med 95% sikkerhed, som blot er en anden
måde at sige, at det er et 95%-konfidensinterval. Man må
ikke sige med 95% sandsynlighed, hvilket giver intryk af, at
parameteren (her Jordens massetæthed) er stokastisk.I kodevinduet nedenfor er vist de nødvendige beregninger i Python
(i afsnit 3.7 omtales en funktion i Python, der kan lave
alle beregningerne).
Funktionen mean beregner gennemsnit af
værdierne i inputvektoren, og funktionen std beregner den empiriske
spredning af værdierne i (bemærk, at i Python er det
nødvendigt at lave indstillingen ddof=1 for at få den empiriske
spredning som defineret i afsnit 3.3).
Frihedsgraderne er det andet argument i funktionen, der
beregner
hvorfor det er en -fordeling, der bruges.