Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Autor: Janusz Górczyński1 Hipotezy statystyczne Definicja, sformułowanie i weryfikacja.

Podobne prezentacje


Prezentacja na temat: "Autor: Janusz Górczyński1 Hipotezy statystyczne Definicja, sformułowanie i weryfikacja."— Zapis prezentacji:

1 Autor: Janusz Górczyński1 Hipotezy statystyczne Definicja, sformułowanie i weryfikacja

2 Autor: Janusz Górczyński2 Definicja Hipotezą statystyczną jest dowolne zdanie orzekające o parametrach populacji lub jej rozkładzie. Prawdziwość hipotezy jest oceniana na podstawie wyników próby losowej. Hipoteza statystyczna może orzekać o parametrach populacji i takie hipotezy nazywamy hipotezami parametrycznymi. Pozostałe hipotezy statystyczne (te, które nie dotyczą parametrów), nazywamy hipotezami nieparametrycznymi.

3 Autor: Janusz Górczyński3 Hipotezy parametryczne Przykład 1. Interesuje nas wydajność pracy pracowników pewnego zakładu produkcyjnego. Zakładamy, że modelem tej cechy może być zmienna losowa normalna o nieznanych parametrach m i. Przypuszczamy, że średnia wydajność (w populacji) jest równa znanej wartości m 0. Tym samym sformułowaliśmy hipotezę statystyczną dotyczącą parametru m:

4 Autor: Janusz Górczyński4 Hipotezy nieparametryczne Przykład 2. W poprzednim przykładzie założyliśmy, że interesująca nas cecha (wydajność pracy pracowników) może być modelowana zmienną losową normalną. Możemy więc sformułować hipotezę dotyczącą rozkładu tej cechy:

5 Autor: Janusz Górczyński5 Weryfikacja hipotezy Hipoteza statystyczna musi być na podstawie wyników próby zweryfikowana. Testem statystycznym nazywamy regułę postępowania, która każdej możliwej próbie przyporządkowuje decyzję odrzucenia hipotezy lub nie daje podstaw do podjęcia takiej decyzji. Proces weryfikacji hipotezy statystycznej obejmuje z jednej strony jej sformułowanie (jako tzw. hipotezy zerowej), z drugiej strony musimy sformułować hipotezę alternatywną oznaczaną z reguły symbolem H 1.

6 Autor: Janusz Górczyński6 Weryfikacja hipotez statystycznych Rozpatrzmy hipotezę parametryczną z przykładu 1, gdzie wypowiadaliśmy się o możliwej wartości średniej generalnej. Odpowiednią hipotezę zerową i alternatywną możemy zapisać jako: Na podstawie wyników próby losowej chcemy teraz skonstruować taki test statystyczny, który da możliwość podjęcia decyzji co do prawdziwości hipotezy zerowej.

7 Autor: Janusz Górczyński7 Weryfikacja hipotez statystycznych (c.d.) Przy konstrukcji testu skorzystamy z faktu, że statystyka: ma, przy prawdziwości H 0 :m=m 0, rozkład t-Studenta z liczbą stopni swobody v = n - 1. Załóżmy, że H 0 :m=m 0 jest prawdziwa. Jeżeli tak, to m m 0 = 0 oraz (ponieważ ). Tym samym wartość statystyki t powinna niewiele odbiegać od zera (jeżeli H 0 jest prawdziwa).

8 Autor: Janusz Górczyński8 Weryfikacja hipotez statystycznych (c.d.) W sytuacji, gdy wartości statystyki t będą odbiegać od zera dość znacznie, to powinniśmy zacząć wątpić w prawdziwość naszego założenia (o tym, że ). Pozostaje do rozstrzygnięcia kwestia, kiedy można uznać, że wyniki naszej próby świadczą przeciwko prawdziwości hipo- tezy zerowej. Wykorzystamy do tego celu fakt, że dla każdego znajdziemy taką wartość, dla której spełniona jest równość

9 Autor: Janusz Górczyński9 Weryfikacja hipotez statystycznych (c.d.) Tym samym wartość wyznacza nam obszar krytyczny dla naszej hipotezy H 0 : Jeżeli wartość empiryczna statystyki t znajdzie się w tym obszarze, to H 0 musimy odrzucić jako zbyt mało prawdopodobną. Obszar jest obszarem dopuszczalnym dla H 0, mówimy, że wyniki naszej próby nie przeczą hipotezie zerowej. Proszę zauważyć, że nie jest to równoważne zdaniu, że hipoteza zerowa jest prawdziwa! (my jej tylko nie możemy odrzucić).

10 Autor: Janusz Górczyński10 Błędy weryfikacji Wyniki próby mogą być takie, że uznamy za fałszywą i odrzucimy hipotezę H 0, która w rzeczywistości jest prawdziwa. Jest to tzw. błąd I rodzaju, a prawdopodo- bieństwo jego popełnienia jest równe. Możliwa jest także sytuacja odwrotna: wyniki próby nie pozwoliły na odrzucenie H 0, która w rzeczywistości była fałszywa. Popełniamy wtedy tzw. błąd II rodzaju, a jego prawdopodobieństwo jest równe. Zwiększenie liczebności próby powoduje zmniejszenie prawdopodobieństwa.

11 Autor: Janusz Górczyński11 Błędy weryfikacji cd. Brak podstaw do odrzucenia H 0 Odrzucenie H 0 H 0 prawdziwa P-stwo Błąd I rodzaju H 0 fałszywa P-stwo Błąd II rodzaju P-stwo Moc testu

12 Autor: Janusz Górczyński12 Hipoteza o średniej generalnej m Niech zmienna losowa X ma rozkład normalny o nieznanych parametrach m i. Na podstawie n-elementowej próby losowej chcemy zweryfikować hipotezę zerową wobec alternatywy Procedura testowa: 1. Ustalamy poziom istotności 2. Obliczamy wartość empiryczną statystyki t-Studenta 3. Odczytujemy z tablic statystycznych wartość krytyczną statystyki

13 Autor: Janusz Górczyński13 Hipoteza o średniej generalnej m (c.d) Wnioskowanie: Jeżeli, to H 0 odrzucamy na korzyść H 1. Jeżeli, to nie mamy podstaw do odrzucenia H 0.

14 Autor: Janusz Górczyński14 Hipoteza o średniej generalnej m (c.d.) Hipoteza może być także weryfikowana przy inaczej skonstruowanej hipotezie alternatywnej ( lub ). Procedura weryfikacyjna przebiega podobnie, zmienia się tylko obszar krytyczny: Hipoteza zerowaAlternatywa (jednostronna) Obszar krytyczny H 0 odrzucamy, jeżeli:

15 Autor: Janusz Górczyński15 Hipoteza o równości dwóch średnich generalnych Procedura testowa: 1. Ustalamy poziom istotności 2. Obliczamy wartość empiryczną statystyki t-Studenta 3. Odczytujemy z tablic statystycznych wartość krytyczną statystyki Niech oraz. Na podstawie odpowiednich prób losowych chcemy zweryfikować hipotezę: wobec

16 Autor: Janusz Górczyński16 Hipoteza o równości dwóch średnich generalnych (c.d.) Wnioskowanie o prawdziwości wobec Jeżeli, to H 0 odrzucamy jako zbyt mało prawdopodobną. Jeżeli, to nie mamy podstaw do odrzucenia H 0.

17 Autor: Janusz Górczyński17 Hipoteza o różnicy średnich generalnych (c.d.) Niech oraz. Na podstawie odpowiednich prób losowych chcemy zweryfikować hipotezę: Hipoteza alternatywna może być jednostronna ( lub ) Procedura testowa przebiega podobnie jak poprzednio, zmieniają się jedynie obszary krytyczne. Hipoteza zerowa Hipotezy alternatywne Obszar krytyczny

18 Autor: Janusz Górczyński18 Inny sposób weryfikacji hipotezy o równości średnich. NIR Hipoteza przy jest odrzucana wtedy, gdy : Iloczyn nazywamy najmniejszą istotną różnicą (least significant difference) i oznaczamy skrótem NIR (LSD).

19 Autor: Janusz Górczyński19 Najmniejsza istotna różnica Hipotezę przy alternatywie będziemy odrzucać wtedy, gdy: NIR (LSD) jest taką różnicą wartości danej cechy w dwóch populacjach, którą jeszcze można uznać za losową (przypadkową). Różnice większe od NIR są już spowodowane własnościami danych populacji (nie są przypadkowe).

20 Autor: Janusz Górczyński20 Test istotności dla frakcji Niech zmienna X ma w populacji rozkład zero-jedynkowy z prawdopodobieństwem sukcesu p. Parametr ten można interpretować jako wskaźnik struktury w populacji. Interesuje nas weryfikacja hipotezy zerowej: wobec Procedura weryfikacyjna wykorzystuje rozkład N(0, 1): 1. Obliczamy gdzie 2. H 0 odrzucamy, jeżeli

21 Autor: Janusz Górczyński21 Test istotności dla różnicy frakcji Rozważmy dwie zmienne zero-jedynkowe z parametrami odpowiednio p 1 i p 2. Interesuje nas weryfikacja przy alternatywie. Niech oraz oznaczają odpowiednio frakcje elementów wyróżnionych w obu próbach. Wiadomo, że Jeżeli jest prawdziwa, to gdzie p oznacza wspólną wartość dla obu zmiennych.

22 Autor: Janusz Górczyński22 Test istotności dla różnicy frakcji (c.d.) Jako ocenę wspólnego prawdopodobieństwa sukcesu dla obu zmiennych przyjmuje się wyrażenie: Ostatecznie statystyka ma rozkład N(0, 1). Hipotezę przy odrzucamy, jeżeli

23 Autor: Janusz Górczyński23 Test istotności dla wariancji Niech, interesuje nas weryfikacja hipotezy przy alternatywie. W praktyce nie formułuje się H 1 jako dwustronnej czy lewostronnej, co wynika z faktu, że duża wariancja jest niekorzystna. Weryfikację hipotezy zerowej przeprowadzamy w oparciu o n- elementową próbę wykorzystując fakt, że statystyka ma rozkład z liczbą stopni swobody v = n – 1.

24 Autor: Janusz Górczyński24 Test istotności dla wariancji (c.d.) Jeżeli prawdziwa jest H 0, to statystyka ma rozkład z liczbą stopni swobody v = n - 1. Wnioskowanie: Jeżeli, to H 0 odrzucamy na korzyść H 1. Jeżeli, to nie mamy podstaw do odrzucenia H 0.

25 Autor: Janusz Górczyński25 Test istotności dla dwóch wariancji Niech oraz. Na podstawie odpowiednich prób losowych chcemy zweryfikować przy alternatywie Statystyka ma rozkład Fishera-Snedecora z liczbami stopni swobody oraz..

26 Autor: Janusz Górczyński26 Test istotności dla dwóch wariancji (c.d.) Jeżeli jest prawdziwa, to również statystyka ma rozkład Fishera-Snedecora z liczbami stopni swobody oraz. Z uwagi na konstrukcję tablic statystycznych, które zawierają wartości tylko dla prawostronnego obszaru krytycznego, wartość empiryczną statystyki F budujemy tak, aby była większa od 1 (w liczniku umieszczamy większą wariancję z próby).

27 Autor: Janusz Górczyński27 Test istotności dla dwóch wariancji (c.d.) Wnioskowanie: 1. Obliczamy wartość empiryczną statystyki 2. Dla ustalonego odczytujemy z tablic wartość krytyczną gdzie u i v są odpowiednio liczbami stopni swobody dla średnich kwadratów w liczniku i mianowniku. 3. Jeżeli, to odrzucamy na korzyść

28 Autor: Janusz Górczyński28 Hipotezy nieparametryczne Hipotezy tego typu dotyczą z reguły zgodności rozkładu empirycznego z rozkładem określonym przez hipotezę lub zgodności rozkładów pewnej cechy w kilku populacjach bez określania, o jaki rozkład chodzi. Z tego też powodu testy służące do weryfikacji takich hipotez nazywamy testami zgodności. Do najczęściej stosowanych testów zgodności należą: 2 (chi-kwadrat) Pearsona (lambda) Kołmogorowa-Smirnowa w Shapiro-Wilka

29 Autor: Janusz Górczyński29 Test zgodności Niech hipotezą zerową będzie przypuszczenie, że cecha X ma w populacji rozkład określony dystrybuantą F 0 (x): wobec Statystyka przy prawdziwości H 0 ma asymptotyczny rozkład z liczbą stopni swobody v = k -u - 1.

30 Autor: Janusz Górczyński30 Test zgodności (c.d.) Wielkość jest teoretyczną liczebnością w j-tym przedziale, k jest liczbą przedziałów klasowych, a u liczbą parametrów szacowanych z próby. Wartość empiryczną statystyki porównujemy z wartością krytyczną wnioskując analogicznie jak w pozostałych hipotezach.

31 Autor: Janusz Górczyński31 Test zgodności Chi-kwadrat Elementem kluczowym przy wykorzystaniu statystyki Chi- kwadrat jest wielkość Która jest teoretycznym prawdopodobieństwem wystąpienia obserwacji w j-tym przedziale przy założeniu prawdziwości H0.

32 Autor: Janusz Górczyński32 Test 2 zgodności kilku rozkładów Obserwujemy tę samą cechę w kilku populacjach. Interesuje nas odpowiedź na pytanie, czy rozkłady te są takie same (co pociąga za sobą równość parametrów!). Jeżeli dystrybuantę danej cechy w i-tej populacji oznaczymy jako F i, to hipoteza zerowa ma postać: Zastosowanie testu 2 wymaga zestawienia próby w postaci tabeli dwukierunkowej. W jednym kierunku umieszczamy poziomy danej cechy, w drugim populacje.

33 Autor: Janusz Górczyński33 Test 2 zgodności kilku rozkładów (c.d.) Klasy Numer populacji cechy X12....k 1n 11 n n k1 2n 12 n n k2 :n ij rn 1r n 2r....n kr

34 Autor: Janusz Górczyński34 Test 2 zgodności kilku rozkładów (c.d.) Statystyka testowa ma postać: gdzie Przy prawdziwości H 0 statystyka ta ma rozkład 2 Pearsona z liczbą stopni swobody v=(k-1)(r-1). Wnioskowanie przebiega analogicznie jak przy innych hipotezach.

35 Autor: Janusz Górczyński35 Podejmowanie decyzji weryfikacyjnych na podstawie krytycznego poziomu istotności Dotychczas podejmowaliśmy decyzje weryfikacyjne poprzez zbadanie, czy wartość empiryczna statystyki testowej znajduje się w obszarze krytycznym danej hipotezy (przy z góry ustalonym poziomie istotności ). W pakietach statystycznych stosuje się inne podejście polegające na obliczeniu dla konkretnej statystyki z próby prawdopodobieństwa odrzucenia hipotezy zerowej. Prześledźmy to na przykładzie weryfikacji hipotezy

36 Autor: Janusz Górczyński36 Krytyczny poziom istotności (c.d.) Dla wartości empirycznej statystyki t emp wyznaczonej na podstawie n-elemnetowej próby obliczane jest prawdo- podobieństwo otrzymania wartości statystyki testującej co najmniej tak dużej, jak ta uzyskana z próby, czyli Kryterium odrzucenia hipotezy zerowej jest relacja wyznaczonego prawdopodobieństwa do przyjętego poziomu istotności. Jeżeli, to H 0 odrzucamy. Jeżeli, to nie mamy podstaw do odrzucenia H 0.


Pobierz ppt "Autor: Janusz Górczyński1 Hipotezy statystyczne Definicja, sformułowanie i weryfikacja."

Podobne prezentacje


Reklamy Google