Professional Documents
Culture Documents
Stat - Hipotezy-Cz1 - 2
Stat - Hipotezy-Cz1 - 2
Stat - Hipotezy-Cz1 - 2
Zagadnienie 4
Robert Kapłon
Statystyka dla inżynierów
Semestr zimowy
Plan prezentacji
1 Pojęcia podstawowe
7 Analiza wariancji
8 Quiz
1
1. Pojęcia podstawowe
Pojęcia podstawowe
2
Pojęcia podstawowe
2
Pojęcia podstawowe
2
Pojęcia podstawowe
2
Pojęcia podstawowe
2
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
Przykłady hipotez statystycznych
3
2. Podejście Fishera do testowania hipotez
Istota testów Fishera
4
Istota testów Fishera
4
Istota testów Fishera
4
Istota testów Fishera
4
Istota testów Fishera
4
Istota testów Fishera
4
Procedura testowania według Fishera
5
Procedura testowania według Fishera
5
Procedura testowania według Fishera
5
Procedura testowania według Fishera
5
Procedura testowania według Fishera
5
Procedura testowania według Fishera
5
Ilustracja podejścia Fishera
X − 0√
t= n.
S
6
Ilustracja podejścia Fishera
X − 0√
t= n.
S
6
Ilustracja podejścia Fishera
X − 0√
t= n.
S
6
Ilustracja podejścia Fishera
X − 0√
t= n.
S
6
Ilustracja podejścia Fishera
X − 0√
t= n.
S
6
Ilustracja podejścia Fishera
X − 0√
t= n.
S
6
Ilustracja podejścia Fishera
X − 0√
t= n.
S
6
Przykłady weryfikacji hipotez według Fishera
Zadanie 1. Postanowiono zweryfikować hipotezę, że przeciętna wieku osób,
które w zeszłym roku przynajmniej raz były w teatrze, wynosi 50 lat. W tym
celu pobrano próbę o liczebności n = 16 osób i na tej podstawie oszacowano
średnią wieku x = 45.5 oraz odchylenie standardowe s = 8. Do weryfikacji
wykorzystać model
X − µ0 √
t= n ∼ t(n − 1)
S
7
Przykłady weryfikacji hipotez według Fishera
Zadanie 1. Postanowiono zweryfikować hipotezę, że przeciętna wieku osób,
które w zeszłym roku przynajmniej raz były w teatrze, wynosi 50 lat. W tym
celu pobrano próbę o liczebności n = 16 osób i na tej podstawie oszacowano
średnią wieku x = 45.5 oraz odchylenie standardowe s = 8. Do weryfikacji
wykorzystać model
X − µ0 √
t= n ∼ t(n − 1)
S
Zadanie 2. Twoja firma produkuje olejek do opalania z filtrami UVA i UVB.
Wynajęta firma badawcza ma porównać go z produktem konkurencji. Badanie
polegało na poddaniu 20 osób na działanie promieni słonecznych i pomiarze
ochrony każdego produktu. Dla 13 badanych produkt twojej firmy okazał się
lepszy (lepiej chronił skórę). Tym samym dla 7 badanych produkt konkurencji
odznaczał się lepszą ochroną. Czy istnieją wystarczające dowody pozwalające
w reklamie mówić o lepszej ochronie przed promieniami. Wykorzystać dwie
statystyki. Pierwszą (Walda) – opartą na asymptotycznym rozkładzie
estymatora ML, drugą (score test) – o następującej postaci:
p̂ − p0 √
√ n ⇝ N (0, 1)
p0 (1 − p0 )
7
3. Model Neymana-Pearsona testowania hipotez
Hipoteza zerowa i alternatywna
8
Hipoteza zerowa i alternatywna
1. Hipotezę zerową
H0 : θ ∈ Θ0
8
Hipoteza zerowa i alternatywna
1. Hipotezę zerową
H0 : θ ∈ Θ0
2. Hipotezę alternatywną
H1 : θ ∈ Θ1
gdzie możliwe rozkłady Θ = Θ0 ∪ Θ1
8
Obszar odrzucenia
Definicja
Podzbiór R przestrzeni próby X , dla którego hipoteza H0 jest odrzucana,
nazywa się obszarem odrzucenia lub obszarem krytycznym. Dopełnienie
obszaru krytycznego Rc = X \ R.
9
Obszar odrzucenia
Definicja
Podzbiór R przestrzeni próby X , dla którego hipoteza H0 jest odrzucana,
nazywa się obszarem odrzucenia lub obszarem krytycznym. Dopełnienie
obszaru krytycznego Rc = X \ R.
9
Obszar odrzucenia
Definicja
Podzbiór R przestrzeni próby X , dla którego hipoteza H0 jest odrzucana,
nazywa się obszarem odrzucenia lub obszarem krytycznym. Dopełnienie
obszaru krytycznego Rc = X \ R.
9
Obszar odrzucenia
Definicja
Podzbiór R przestrzeni próby X , dla którego hipoteza H0 jest odrzucana,
nazywa się obszarem odrzucenia lub obszarem krytycznym. Dopełnienie
obszaru krytycznego Rc = X \ R.
9
Obszar odrzucenia
Definicja
Podzbiór R przestrzeni próby X , dla którego hipoteza H0 jest odrzucana,
nazywa się obszarem odrzucenia lub obszarem krytycznym. Dopełnienie
obszaru krytycznego Rc = X \ R.
9
Błędy i moc testu
10
Błędy i moc testu
10
Błędy i moc testu
10
Błędy i moc testu
10
Uwagi odnośnie błędów I i II
11
Uwagi odnośnie błędów I i II
11
Uwagi odnośnie błędów I i II
11
Uwagi odnośnie błędów I i II
11
Uwagi odnośnie błędów I i II
11
Związek między prawdopodobieństwami błędów
Zakładamy, że Xi ∼ N (µ, σ 2 ), gdzie σ 2 jest znane, a i = 1, . . . , n.
H0 : µ = µ 0 (µ = 10) X̄ − µ0 √
Z= n
H1 : µ > µ 0 (µ = 15) σ
12
Związek między prawdopodobieństwami błędów
Zakładamy, że Xi ∼ N (µ, σ 2 ), gdzie σ 2 jest znane, a i = 1, . . . , n.
H0 : µ = µ 0 (µ = 10) X̄ − µ0 √
Z= n
H1 : µ > µ 0 (µ = 15) σ
Wtedy:
α = Ð(Z > z(1 − α) | H0 : Xi ∼ N (10, σ 2 ))
β = Ð(Z ⩽ z(1 − α) | H1 : Xi ∼ N (15, σ 2 ))
12
Związek między prawdopodobieństwami błędów
Zakładamy, że Xi ∼ N (µ, σ 2 ), gdzie σ 2 jest znane, a i = 1, . . . , n.
H0 : µ = µ 0 (µ = 10) X̄ − µ0 √
Z= n
H1 : µ > µ 0 (µ = 15) σ
Wtedy:
α = Ð(Z > z(1 − α) | H0 : Xi ∼ N (10, σ 2 ))
β = Ð(Z ⩽ z(1 − α) | H1 : Xi ∼ N (15, σ 2 ))
0.20
H 0 : µ = 10 H 1 : µ = 15
0.15
Gęstość
0.10 β 1−β
0.05 α
0.00
5 10 15 20
12
Zmniejszanie prawdopodobieństwa błędu I rodzaju
Prawdopodobieństwa : α = 0.05, β = 0.2, Moc = 0.8
0.20
H 0 : µ = 10 H 1 : µ = 15
0.15
Gęstość
0.10 β 1−β
0.05 α
0.00
5 10 15 20
0.20
H 0 : µ = 10 H 1 : µ = 15
0.15
Gęstość
0.10 β 1−β
0.05 α
0.00
5 10 15 20
13
4. Testy oparte na ilorazie funkcji wiarygodności
Przykład wprowadzający
14
Przykład wprowadzający
14
Przykład wprowadzający
14
Przykład wprowadzający
14
Przykład wprowadzający
14
Przykład wprowadzający
14
Przykład wprowadzający – wykres logarytmu f. wiarygodności
●
−60
●
−80
logL
−100
−120
15
Przykład wprowadzający – iloraz funkcji wiarygodności
16
Przykład wprowadzający – iloraz funkcji wiarygodności
16
Przykład wprowadzający – iloraz funkcji wiarygodności
16
Przykład wprowadzający – wnioski
Załóżmy, że badanie
przeprowadzono na grupie n = 100
osób.
17
Przykład wprowadzający – wnioski
Załóżmy, że badanie
przeprowadzono na grupie n = 100
osób.
Okazało się, że p̂ = x = 0.75
17
Przykład wprowadzający – wnioski
Załóżmy, że badanie
przeprowadzono na grupie n = 100
osób.
Okazało się, że p̂ = x = 0.75
Oszacowany iloraz wiarygodności,
przy założeniu prawdziwości H0 ,
wyniósł 5.0.
17
Przykład wprowadzający – wnioski
Załóżmy, że badanie
przeprowadzono na grupie n = 100
osób.
Okazało się, że p̂ = x = 0.75
Oszacowany iloraz wiarygodności,
przy założeniu prawdziwości H0 ,
wyniósł 5.0.
Jaki z tego wniosek?
17
Przykład wprowadzający – wnioski
Załóżmy, że badanie
przeprowadzono na grupie n = 100
osób.
Okazało się, że p̂ = x = 0.75
Oszacowany iloraz wiarygodności,
przy założeniu prawdziwości H0 ,
wyniósł 5.0.
Jaki z tego wniosek?
Czy można podjąć decyzję za
odrzuceniem hipotezy H0
przyjmując tym samym hipotezę
alternatywną H1 ?
17
Przykład wprowadzający – wnioski
Załóżmy, że badanie
przeprowadzono na grupie n = 100
osób.
Okazało się, że p̂ = x = 0.75
Oszacowany iloraz wiarygodności,
przy założeniu prawdziwości H0 ,
wyniósł 5.0.
Jaki z tego wniosek?
Czy można podjąć decyzję za
odrzuceniem hipotezy H0
przyjmując tym samym hipotezę
alternatywną H1 ?
17
Przykład wprowadzający – wnioski
17
Test ilorazu wiarygodności
H0 : θ ∈ Θ0 kontra H1 : θ ∈ Θ1 = Θ \ Θ0
18
Test ilorazu wiarygodności
H0 : θ ∈ Θ0 kontra H1 : θ ∈ Θ1 = Θ \ Θ0
18
Test ilorazu wiarygodności
H0 : θ ∈ Θ0 kontra H1 : θ ∈ Θ1 = Θ \ Θ0
λ(x) > λ 0
Ð(λ(X) > λ 0 ) = α .
18
Rozkład statystyki testowej
Twierdzenie
Niech będzie dany wektor parametrów θ = (θ1 , . . . , θq , θq+1 , . . . θr ) oraz
Θ0 = (θq+1, . . . θr )
Jeśli H0 : θ ∈ Θ0 , wtedy
2
Y = 2 log λ(X) ⇝ χr−q
ma rozkład χ 2 z (r − q) stopniami swobody. Jeżeli testujemy hipotezę
H0 : θ = θ0 , wtedy rozkład χ 2 ma jeden stopień swobody co piszemy χ 2 (1).
19
Rozkład statystyki testowej
Twierdzenie
Niech będzie dany wektor parametrów θ = (θ1 , . . . , θq , θq+1 , . . . θr ) oraz
Θ0 = (θq+1, . . . θr )
Jeśli H0 : θ ∈ Θ0 , wtedy
2
Y = 2 log λ(X) ⇝ χr−q
ma rozkład χ 2 z (r − q) stopniami swobody. Jeżeli testujemy hipotezę
H0 : θ = θ0 , wtedy rozkład χ 2 ma jeden stopień swobody co piszemy χ 2 (1).
19
Zadania
20
Zadania
20
Uwagi na temat p-value
21
Uwagi na temat p-value
21
Uwagi na temat p-value
21
Uwagi na temat p-value
21
Uwagi na temat p-value
21
Uwagi na temat p-value
21
5. Wybrane, parametryczne testy statystyczne
Procedura testowa – kroki
22
Procedura testowa – kroki
22
Procedura testowa – kroki
22
Procedura testowa – kroki
22
Procedura testowa – kroki
22
Procedura testowa – kroki
22
Test dla frakcji p
Model: Niech X1, X2, . . . , Xn będzie losową próbą prostą rozmiaru n z populacji,
w której cecha X ma rozkład Bernoulliego B(1, p).
Hipotezy:
H0 : p = p0
H1 : p , p0 (p > p0 ∨ p < p0 )
Statystyka testowa:
∑
n
T= Xi ∼ B(n, p0 ) (dokładny: dwumianowy)
i=1
∑n
T= Xi ⇝ N (np0, np0 (1 − p0 )) (asymptotyczny: Walda)
i=1
Obszar odrzucenia: R = {t : t > b(1 − α/2) ∪ t < b(α/2)} lub dla rozkładu
asymptotycznego R = {t : |t| > z(1 − α/2)}. Jaki obszar dla h. kierunkowych?
(b i z – odpowiednie kwantyle)
23
Test dla frakcji p – przykład
24
Test dla frakcji p – przykład
24