przedział ufności
Transkrypt
przedział ufności
1 2 1 H A : p≠ 2 Test dwustronny: H 0 : p= 0,300 0,250 P(r) 0,200 0,150 0,100 0,050 0,000 0 1 2 3 4 5 6 7 8 9 10 r α/2 Przedział ufności Obszar krytyczny dla α = 0,05 α/2 Prawo Murphy'ego: kanapka zazwyczaj spada posmarowaną stroną do dołu. Zrzucono 10 razy kanapkę na dywan. 8 razy kanapka spadła posmarowaną stroną do dołu. Czy można uznać, że prawo Murphy'ego jest prawdziwe? Przetestuj hipotezę dla poziomu istotności α = 0,05 i α = 0,1. α = 0,05 p = 56/1024 = 5,5% 0,300 0,250 0,200 P(r) P(r=0) = 1/1024 P(r=1) = 10/1024 P(r=2) = 45/1024 P(r=3) = 120/1024 P(r=4) = 210/1024 P(r=5) = 252/1024 P(r=6) = 210/1024 P(r=7) = 120/1024 P(r=8) = 45/1024 P(r=9) = 10/1024 P(r=10) = 1/1024 0,150 0,100 0,050 0,000 0 1 2 3 4 5 6 7 8 9 10 r Przedział ufności Obszar krytyczny dla α = 0,05 α α = 0,1 p = 56/1024 = 5,5% 0,300 0,250 0,200 P(r) P(r=0) = 1/1024 P(r=1) = 10/1024 P(r=2) = 45/1024 P(r=3) = 120/1024 P(r=4) = 210/1024 P(r=5) = 252/1024 P(r=6) = 210/1024 P(r=7) = 120/1024 P(r=8) = 45/1024 P(r=9) = 10/1024 P(r=10) = 1/1024 0,150 0,100 0,050 0,000 0 1 2 3 4 5 6 7 8 9 10 r Przedział ufności Obszar krytyczny dla α = 0,1 α Zadanie: Jakie jest prawdopodobieństwo, że uda się zidentyfikować krzywą monetę (p=0,3) przy dziesięciu rzutach monetą? Wyznaczamy obszar krytyczny i przedział ufności dla n = 10. Przyjmujemy poziom istotności testu α = 0,05. p = 22/1024 = 2,1% 0,300 0,250 0,200 P(r) P(r=0) = 1/1024 P(r=1) = 10/1024 P(r=2) = 45/1024 P(r=3) = 120/1024 P(r=4) = 210/1024 P(r=5) = 252/1024 P(r=6) = 210/1024 P(r=7) = 120/1024 P(r=8) = 45/1024 P(r=9) = 10/1024 P(r=10) = 1/1024 0,150 0,100 0,050 0,000 0 1 2 3 4 5 6 7 8 9 10 r α/2 Przedział ufności Obszar krytyczny dla α = 0,05 α/2 Zadanie: Jakie jest prawdopodobieństwo, że uda się zidentyfikować krzywą monetę (p=0,3) przy n = 10? 0,30 0,25 0,20 P(r) P(p = 0,3; r=0) = 0,028 P(p = 0,3; r=1) = 0,121 P(p = 0,3; r=2) = 0,233 P(p = 0,3; r=3) = 0,267 P(p = 0,3; r=4) = 0,200 P(p = 0,3; r=5) = 0,103 P(p = 0,3; r=6) = 0,037 P(p = 0,3; r=7) = 0,009 P(p = 0,3; r=8) = 0,001 P(p = 0,3; r=9) = 0 P(p = 0,3; r=10) = 0 0,15 p=0.5 p=0.3 0,10 0,05 0,00 0 1 2 3 4 5 6 7 8 9 10 r α/2 Przedział ufności Obszar krytyczny dla α = 0,05 p = 0,028 + 0,121 + 0 + 0 = 0,149 = 14.9% = β α/2 Rodzaje błędów, które można popełnić przy testowaniu hipotez. Błąd I-go rodzaju (α) – odrzucenie prawdziwej hipotezy H0. Błąd II-go rodzaju (1-β) – przyjęcie fałszywej hipotezy H0. Hipoteza H0 Prawdziwa Fałszywa Odrzucamy Przyjmujemy α 1-β Błąd III-go rodzaju (γ) – przyjęcie złego kierunku HA. Pytanie: Kiedy do testowania hipotezy stosujemy rozkład dwumianowy? Gdy: ● badana cecha jest niemierzalna i może przyjąć dwie możliwe wartości (np. orzeł i reszka); ● dysponujemy pojedynczą próbą (np. jedną serią), w której policzono ilość przypadków wystąpienia każdej z dwóch wartości, jakie może przyjąć cecha (np. ilość wyrzuconych orłów i reszek); ● dysponujemy rozkładem teoretycznym; ● próba (seria) zdarzeń (np. rzutów monetą) jest małoliczna (mniej niż 30). Rozkład normalny n ∞ 0,12 0,30 0,1 0,25 0,08 P(r) 0,15 0,06 0,10 0,04 0,05 0,02 0,00 0 0 1 2 3 4 5 6 7 8 9 r 10 r 0,090 0,080 0,070 0,060 P(X) P(r) 0,20 0,050 0,040 0,030 0,020 0,010 0,000 0 10 20 30 X 40 50 60 Parametry charakteryzujące rozkład normalny 0,25 0,20 P(X) 0,15 0,10 0,05 0,00 0 10 20 30 40 X 50 60 Parametry charakteryzujące rozkład normalny μ 0,09 1 f xi = ⋅e 2 − 0,08 0,07 P(X) 0,06 0,05 0,04 σ 0,03 0,02 0,01 0,00 0 10 20 30 X 40 50 60 1 x i − 2 Standaryzacja rozkładu normalnego X N , X − N 0, X − N 0,1 Wartość standaryzowana: x− z= 0,6 0,5 P(Z) 0,4 0,3 0,2 0,1 0 -0,1 -4 -3 -2 -1 0 Z 1 2 3 4 Dystrybuanta rozkładu normalnego F X =P X x i = P −∞ X x i 1 z = 2 z − ∫e z2 2 dz −∞ 1,2 1 F(Z) 0,8 0,6 0,4 0,2 0 -4 -3 -2 -1 0 Z 1 2 3 4 Kodowanie danych ● Dodawanie, odejmowanie, mnożenie i dzielenie wszystkich elementów szeregu przez stałą. W/w działania można łączyć. ● Obliczając statystyki z danych zakodowanych można je odkodować i uzyskujemy statystykę, jak z danych niekodowanych. ● Rozkład przy kodowaniu przesuwa się na skali, zwęża lub rozszerza, ale jego zasadniczy kształt nie zmienia się. Transformowanie danych ● Pierwiastkowanie, podnoszenie do potęgi, obliczanie odwrotności, logarytmowanie i antylogarytmowanie, stosowanie funkcji trygonometrycznych, ● Transformowanie danych stosujemy, gdy mamy do czynienia z przypadkami zależności nieliniowych (występujących w przyrodzie). Np. powierzchnia liścia rośne z kwadratem długości. Zadania: 1) Wystandaryzować wartości x1 = 23, x2 = 34, x3 = 28 względem rozkładu o parametrach μ = 27 i σ = 4. Odp: z1 = -1; z2 = 1,75; z3 = 0,25 2) Odkodować wartości z1 = 3, z2 = -1,5 oraz z3 = -0,5 wiedząc, że pochodzą one z rozkładu o parametrach μ = 30 i σ = 5. Odp: x1 = 45; x2 = 22,5; x3 = 27,5 Student wystandaryzował wartość x1 = 25 otrzymując wartość z1 = 2. Pamięta, że standaryzacji dokonał względem σ = 3. Niestety, nie pamięta wartości μ. Czy na podstawie posiadanych danych można odzyskać informację o wartości μ? Odp: Tak. μ = 19. Jakie jest prawdopodobieństwo, że zmienna Z przyjmie wartość mniejszą niż z1 = 3. Jak to prawdopodobieństwo zmienia się dla wartości z2 = 2, z3 = 1, z4 = 0, z5 = -1, z6 = -2, z7 = -3? Wynik podaj z dokładnością do trzech cyfr znaczących. Odp: F(z1) = 0,999; F(z2) = 0,977; F(z3) = 0,841; F(z4) = (0,500); F(z5) = 0,159; F(z6) = 0,0228; F(z7 ) = 0,00135 Rozkład pewnej cechy posiada następujące parametry: μ = 20,0 i σ = 5,0. Odszukaj: a) Kwartyle Q1 i Q3. Odp: Q1 = 16,6 (17), Q3 = 23,4 (23) b) Centyle C20 i C70. Odp: C20 = 15,8, C70 = 22,6 Siatka centylowa Masa chłopców w wieku 12-36 miesięcy. Rozkład pewnej cechy w populacji (np. wzrost 8-letnich chłopców we Wrocławiu) posiada parametry μ = 100 i σ = 12,0. Odszukaj: Jaki procent chłopców zawiera się w granicach: a) μ ± σ, b) μ ± 2σ, c) μ ± 3σ? Odp: a) 68,3% b) 95,4% c) 99,7% W jakim zakresie zawiera się 95% chłopców? Odp: <76,5 (76); 124> Wyznaczyć przedział ufności i obszar krytyczny (dwustronny) w rozkładzie o parametrach μ = 100 i σ = 12,0 dla α= 0,01, α= 0,05 i α= 0,1. Odp: α= 0,01: Przedział ufności <69,0; 131> α= 0,05: Przedział ufności <76,5; 124> α= 0,1: Przedział ufności <80,3; 120> Na ulicach Wrocławia złapano osobnika podającego się za ośmiolatka o wzroście 128 cm. Czy osobnik ten jest rodowitym mieszkańcem Wrocławia? Odp: Nie, dla α= 0,05. Na jakim najniższym poziomie istotności możemy odrzucić hipotezę H0 (tzn. że chłopiec pochodzi z Wrocławia)? Odp: α= 0,02.