Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy
Transkrypt
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy
Wykład 3 Hipotezy statystyczne Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu obserwowanej zmiennej losowej (cechy populacji generalnej). Hipoteza zerowa (H0) jest hipoteza sprawdzaną, podlegającą weryfikacji. Wyróżnia się spośród innych hipotez statystycznych, dlatego że przypisuje się jej specjalną interpretację w rozważanym problemie. Hipoteza alternatywna (H1) to hipoteza przeciwna lub „częściowo” przeciwna do hipotezy zerowej. Testem statystycznym nazywamy postępowanie statystyczne, w wyniku którego decydujemy czy na podstawie zaobserwowanego zbioru liczb (próby) weryfikowaną hipotezę H0 przyjąć czy odrzucić. Przy takim postępowaniu możemy popełnić następujące błędy: a) odrzucić hipotezę prawdziwą ( błąd 1. rodzaju) b) przyjąć hipotezę fałszywą ( błąd 2. rodzaju). Prawdopodobieństwo popełnienia błędu 1. rodzaju oznaczamy przez i nazywamy poziomem istotności. Jeśli zadanie polega na sprawdzeniu czy wyniki doświadczenia przeczą ustalonej hipotezie zerowej, to odpowiedni test nazywamy testem istotności. Przy budowie testu istotności -korzysta się z rozkładów odpowiedniej dla H0 statystyki Zn zbudowanej z wyników n- elementowej próby -wyznacza się zbiór Z wartości tej statystyki powodujących odrzucenie H0. Zbiór Z nazywamy zbiorem krytycznym. Spełniony musi być przy tym warunek: . Test istotności jest testem statystycznym, którego stosowanie pozwala na odrzucenie hipotezy H0, gdy wyniki z próby prowadzą do wartości należącej do zbioru krytycznego. W przeciwnym przypadku nie mamy podstaw do odrzucenia H0. Sposób konstrukcji testu istotności nie pozwala na przyjęcie H0, gdyż prawdopodobieństwo błędu 2. rodzaju może być zbyt wysokie. Typy testów istotności: 1) testy dotyczące parametrów, gdy kształt rozkładu populacji jest znany 2) testy zgodności dotyczące kształtu rozkładu populacji 3) testy jednorodności dotyczące kilku populacji (jednakowe parametry lub kształt rozkładów) 4) testy niezależności dotyczące kilku cech i ich wzajemnej zależności. Testy istotności dla wartości oczekiwanej. Testy istotności dla jednej wartości oczekiwanej. Model I Populacja generalna ma rozkład normalny Wielkości szacujemy na podstawie małej próby. Stawiamy hipotezy. H0: =0 H1: gdzie 0 jest wartością daną. Obliczamy wartość statystyki: tobl x 0 n 1 s Wyznaczone tobl porównujemy z wartością t odczytaną z tablic rozkładu Studenta dla z góry ustalonego poziomu istotności i n-1 stopni swobody tak, aby tzn. obszar krytyczny jest dwustronny, postaci . Jeśli to H0 należy odrzucić. W przeciwnym przypadku nie ma podstaw do odrzucenia H0. Przy powyższych wstępnych ustaleniach można przyjąć jako alternatywną również hipotezę postaci: 1) H1: <0 Wówczas obszar krytyczny jest jednostronny t<t czyli }= -t Oznacza to, że t jest ujemne. Aby skorzystać z tablic trzeba uwzględnić fakt, że . Oznacza to odczyt wartości dodatniej t dla 2. Jeżeli tobl≤-t to H0 odrzucamy. 2) H1: >0 Obszar krytyczny jest jednostronny t>t czyli P{t>t}=. t Tzn. t jest dodatnie, a z tablic t odczytujemy zgodnie z równością . Oznacza to odczyt wartości t dla 2. Jeżeli tobl ≥t to H0 odrzucamy. Przykład. Automat produkuje części o nominalnej grubości 0,04 mm. Zakładając, że grubość produkowanych części jest zmienną losową o rozkładzie normalnym. Zweryfikować na poziomie istotności =0,05 hipotezę, że średnia grubość wynosi 0,04, gdy dla 17-elementowej próby [mm], a s=0,005 [mm]. Rozwiązanie: H0: =0,04 H1: Obliczamy wartość statystyki: tobl 0,037 0,04 17 1 2,4 0,005 Mamy dwustronny obszar krytyczny: Wartość t odczytana z tablic rozkładu Studenta dla poziomu istotności =0,05 i 16 stopni swobody wynosi 2,12. Odpowiedź: Skoro │tobl│=2,4 to │tobl│≥t. Mamy podstawy aby odrzucić H0. Model II Populacja generalna ma dowolny rozkład o wartości oczekiwanej i wariancji Parametry te szacujemy na podstawie dużej próby. Stawiamy hipotezy. H0: =0 H1: gdzie 0 jest wartością daną. Obliczamy wartość statystyki: uobl x 0 n s Wyznaczone uobl porównujemy z wartością u odczytaną z tablic rozkładu Studenta dla z góry ustalonego poziomu istotności i stopni swobody tak, aby tzn. obszar krytyczny jest dwustronny, postaci . Jeśli to H0 należy odrzucić. W przeciwnym przypadku nie ma podstaw do odrzucenia H0. Przy powyższych wstępnych ustaleniach można przyjąć jako alternatywną również hipotezę postaci: 1) H1: <0 Wówczas obszar krytyczny jest jednostronny u<u czyli }= -u Oznacza to, że t jest ujemne. Aby skorzystać z tablic trzeba uwzględnić fakt, że . Oznacza to odczyt wartości dodatniej u dla 2. Jeżeli uobl≤-u to H0 odrzucamy. 2) H1: >0 Obszar krytyczny jest jednostronny u>u czyli P{u>u}=. u Tzn. u jest dodatnie, a z tablic u odczytujemy zgodnie z równością . Oznacza to odczyt wartości u dla 2. Jeżeli uobl ≥u to H0 odrzucamy. Testy istotności dla dwóch średnich. Badamy dwie populacje i porównujemy dwie średnie tej samej cechy. Model I Dane są 2 populacje o rozkładach normalnych . Parametry są nieznane, ale . Dwie próby wylosowane z odpowiedniej populacji mają liczność n1, n2 (małe). Stawiamy hipotezy. H0: 1=2 H1: Obliczamy wartość statystyki: tobl x1 x2 n1s12 n2 s22 1 1 n1 n2 2 n1 n2 Wyznaczone tobl porównujemy z wartością t odczytaną z tablic rozkładu Studenta dla z góry ustalonego poziomu istotności i n1+n2-2 stopni swobody tak, aby tzn. obszar krytyczny jest dwustronny, postaci . Jeśli to H0 należy odrzucić. W przeciwnym przypadku nie ma podstaw do odrzucenia H0. Uwaga: Podobnie jak dla testów dla jednej średniej możemy uwzględnić inne alternatywne hipotezy. Model II Dane są dwie populacje o rozkładach dowolnych, ale o skończonych wariancjach. Dwie próby wylosowane z obu populacji mają liczność n1, n2 (duże). Stawiamy hipotezy. H0: 1=2 Obliczamy wartość statystyki: H1: uobl x1 x2 s12 s22 n1 n2 Wyznaczone uobl porównujemy z wartością u odczytaną z tablic rozkładu Studenta dla z góry ustalonego poziomu istotności i liczby stopni swobody tak, aby tzn. obszar krytyczny jest dwustronny, postaci . Jeśli to H0 należy odrzucić. W przeciwnym przypadku nie ma podstaw do odrzucenia H0. Uwaga: Podobnie jak dla testów dla jednej średniej możemy uwzględnić inne alternatywne hipotezy. Przykład: W celu sprawdzenia hipotezy, że zastosowanie innego materiału zwiększa żywotność pewnej części trącej maszyny, zbadano na 2 próbach żywotność tej części ze starego i nowego materiału. Otrzymano: n1=90, =9,3, =4,1 n2=120, =9,9, =3,8 Przyjmując poziom istotności =0,05 sprawdzić hipotezę o większej średniej żywotności części z nowego materiału. Rozwiązanie: Stawiamy hipotezy. H0: 1=2 H1: Obliczamy wartość statystyki: uobl x1 x2 s12 s22 n1 n2 9,3 9,9 2,16 4,1 3,8 90 120 Ze względu na postać hipotezy alternatywnej mamy obszar jednostronny P{u<u}=. Stąd u2=-1,645 dla 2=0,1. Ponieważ uobl=-2,16 to uobl<u2. Hipotezę H0 należy odrzucić. Testy dotyczące wariancji. Test istotności dla jednej wariancji. Populacja ma rozkład dowolna. . Liczebność n jest Stawiamy hipotezy: H0: 2=02 H1: 2>02 Wyznaczamy wartość statystyki: 2 obl Porównujemy z wartością krytyczny , gdzie ns 2 02 wyznaczającą obszar Wartość odczytujemy z tablic rozkładu chi-kwadrat dla danego poziomu istotności i n-1 stopni swobody. Jeśli to H0 należy odrzucić. Przykład: W celu oszacowania dokładności pomiarów wykonywanych pewnym przyrządem dokonano 8 pomiarów i otrzymano s2=0,0575. Na poziomie istotności =0,05 zweryfikować hipotezę, że wariancja 2>0,06. Rozwiązanie: H0: 2=0,06 H1: 2>0,06 Wyznaczamy wartość statystyki: 2 obl 8 0,0575 2 7,667 0 0,06 ns2 Wartość odczytujemy z tablic rozkładu chi-kwadrat dla poziomu istotności =0,05 i 7 stopni swobody. Stąd =14,067 i nie ma podstaw do odrzucenia H0.