محاسبه تابع عضويت p-مقدار فازي در نرم‌افزار R

P- Fuzzy Value in Software R

آزمون فرضيه هاي آماري داراي اهميت زيادي براي تصميم گيري در مسايل علمي و كاربردي است. در روش هاي معمول آزمون فرضيه هاي آماري، داده ها، فرضيه ها، پارامتر ها و ساير عناصر مساله دقيق هستند. اما در علوم كاربردي مانند اقتصاد، كشاورزي و علوم اجتماعي ممكن است با تعاريف مبهم و مفاهيم فازي مانند آستانه ي تحمل بيمار و درآمد ماهيانه ي يك راننده ي تاكسي مواجه شويم. در چنين شرايطي روش هاي كلاسيك نياز به تعميم در محيط هاي فازي دارد. ورود ابهام در مساله ي آزمون فرضيه ها مي تواند از طريق داده ها يا فرضيه ها صورت گيرد. بنابراين سه مساله ي عمده ي زير را مي توان در نظر گرفت: (1) آزمون فرضيه هاي دقيق بر اساس داده هاي فازي، (2) آزمون فرضيه هاي فازي بر اساس داده هاي دقيق، (3) آزمون فرضيه هاي فازي بر اساس داده هاي فازي. در اين مقاله به بحث و بررسي رويكرد p-مقدار، در سه مساله بالا، به كمك بسته ي نرم افزاري Fuzzy.p.value در R مي پردازيم. محاسبه ي تابع عضويت p-مقدار فازي، مقايسه ي آن با سطح معني داري فازي و تصميم نهايي فازي در آزمون فرضيه از وظايف اصلي اين بسته ي نرم افزاري است كه به همراه چند مثال عددي مورد بررسي قرار گرفته است.

Testing statistical hypotheses is very important for making decisions in scientific and practical issues. In conventional methods of testing statistical hypotheses, data, hypotheses, parameters, and other elements of the problem are accurate. But in applied sciences such as economics, agriculture, and the social sciences, we may encounter vague definitions and fuzzy concepts such as patient tolerance threshold and a taxi driver's monthly income. In such cases, classical methods need to be generalized in fuzzy environments. Ambiguity in the problem of hypothesis testing can be done through data or hypotheses. Therefore, the following three main problems can be considered: (1) testing accurate hypotheses based on fuzzy data, (2) testing fuzzy hypotheses based on accurate data, (3) testing fuzzy hypotheses based on fuzzy data. In this paper, we discuss the p-value approach in the above three issues using the Fuzzy.p.value software package in R. Calculating the p-value of the fuzzy membership function, comparing it with the level of fuzzy significance and the final decision of the fuzzy in testing the hypothesis is one of the main tasks of this software package, which is examined with some numerical examples.