Professional Documents
Culture Documents
Jermakowicz 12042024203539 Statystyka 5
Jermakowicz 12042024203539 Statystyka 5
Statystyka
Wykład 5
Testowanie hipotez statystycznych
Twierdząc coś, jak bardzo można się pomylić?
H1 jest Poprawne
Błąd II rodzaju
prawdziwa odrzucenie H0
Przykład 1
• Hipoteza alternatywna?
Co trzeba ustalić, wybrać? (kroki 1-3)
1. Sformułować hipotezy:
a) zerową H0: 𝑚 = 𝑚0 = 175
b) alternatywną H1: 𝑚 ≠ 𝑚0 (test dwustronny)
Założenia:
• Wzrost poborowych w populacji ma rozkład normalny
• Znamy odchylenie standardowe w populacji 𝜎 = 5 cm
Z tego wynika, że próba nie musi być duża i wybieramy statystykę:
ഥ − 𝒎𝟎
𝑿
𝑼= 𝒏
𝝈
która ma rozkład normalny standardowy 𝑁(0,1)
Obszar krytyczny (krok 4)
1. Hipotezy:
• zerowa H0: 𝑚 ≤ 28
• alternatywna H1: 𝑚 > 28 (test prawostronny)
2. Poziom istotności: 𝛼 = 1%
3. Wybór statystyki zależy od charakteru danych
Przykład 2
Założenia:
• Nie jest znane odchylenie standardowe z populacji (𝜎), ale jest
znane z próby (s)
• Próba jest duża
Z tego wynika, że odpowiednia statystyka to:
𝑿ഥ − 𝒎𝟎
𝑼= 𝒏
𝒔
która ma rozkład normalny standardowy 𝑁(0,1)
Przykład 2 – rozwiązanie
1. Hipotezy:
• zerowa H0: 𝑚 ≥ 65
• alternatywna H1: 𝑚 < 65 (test lewostronny)
2. Poziom istotności: 𝛼 = 1%
3. Wybór statystyki zależy od charakteru danych – założenia jak w
przykładzie 3 (duża próba, znane odchylenie z próby), stąd ta sama
statystyka 𝑈
Przykład 3 – rozwiązanie
1. Hipotezy:
• zerowa H0: 𝑚 = 210
• alternatywna H1: 𝑚 ≠ 210 (test dwustronny)
• 𝛼 = 5%
• 𝑑𝑓 = 20 − 1 = 19
• Liczymy statystykę: 𝑼 = 𝟐, 𝟔𝟖
• Decyzja: odrzucamy H0 (wynik różni się istotnie od zakładanego)
Przykład 4 – rozwiązanie dla 1%
• 𝛼 = 1%
• 𝑑𝑓 = 20 − 1 = 19
Liczymy statystykę: 𝑼 = 𝟐, 𝟔𝟖
• Rozkład dwumianowy
• Duża próba
Stąd rozkład frakcji w próbie można przybliżać za pomocą rozkładu
normalnego i wybieramy statystykę:
ෝ − 𝒑𝟎
𝒑
𝑼= 𝒏
𝒑𝟎 ∙ 𝒒𝟎
Reguła decyzji:
Przykład 1: 𝒑 = 𝟐, 𝟖𝟓%
Przykład 2: 𝒑 = 𝟎, 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟑𝟐%
Przykład 3: 𝒑 = 𝟐, 𝟐𝟖%
Przykład 4: 𝒑 = 𝟏, 𝟒𝟕%
Przykład 5: 𝒑 = 𝟎, 𝟖%
Zależność cech
−𝟏 ≤ 𝝆 ≤ 𝟏
Nazwa A B C D E
Liczba 4 12 34 40 10
wyborów
Hipotezy:
• Zerowa H0: wszystkie nazwy równie silnie przyciągają klientów
• Alternatywna H1: nie wszystkie nazwy przyciągają równie silnie
Wartość statystyki:
4 − 20 2 12 − 20 2 34 − 20 2 40 − 20 2 10 − 20 2
χ2 = + + + +
20 20 20 20 20
𝝌𝟐 = 𝟓𝟎, 𝟖
Liczba stopni swobody: df = 5 − 1 = 4
Wartość krytyczna = 𝑹𝑶𝒁𝑲Ł. 𝑪𝑯𝑰. 𝑶𝑫𝑾𝑹. 𝑷𝑺 𝟏%; 𝟒 ≈ 𝟏𝟑, 𝟐𝟖
p-value = 𝑹𝑶𝒁𝑲Ł. 𝑪𝑯𝑰. 𝑷𝑺(𝟓𝟎, 𝟖; 𝟒) ≈ 𝟎
Decyzja: odrzucić H0 (dowolne 𝜶 > 𝒑)
Test niezależności chi-kwadrat – przykład
Wartość statystyki: