Testov n statistick ch hypot z
Sponsored Links
This presentation is the property of its rightful owner.
1 / 32

Testování statistických hypotéz PowerPoint PPT Presentation


  • 63 Views
  • Uploaded on
  • Presentation posted in: General

Testování statistických hypotéz. Co je to statistická hypotéza?. Hypotéza o základním souboru (populaci). Typy stat. hypotéz. Parametrické hypotézy - hypotézy o parametrech populace a) Hypotézy o parametru jedné populace (o střední hodnotě, mediánu, rozptylu, relativní četnosti…)

Download Presentation

Testování statistických hypotéz

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Testování statistických hypotéz


Co je to statistická hypotéza?

Hypotéza o základním souboru (populaci).


Typy stat. hypotéz

  • Parametrické hypotézy

    - hypotézy o parametrech populace

    a) Hypotézy o parametru jedné populace (o střední hodnotě, mediánu, rozptylu, relativní četnosti…)

    b) Hypotézy o parametrech dvou populací (srovnávací testy)

    c) Hypotézy o parametrech více než dvou populací (ANOVA …)

  • Neparametrické hypotézy

    - hypotézy o jiných vlastnostech populace (tvar rozdělení, závislost proměnných…)


Zdroje hypotéz

  • Hypotéza je založena na předchozí zkušenosti

  • Hypotéza vychází z teorie, kterou je třeba doložit

  • Hypotéza vychází z požadavku na kvalitu produktu

  • Hypotéza je pouhým dohadem založeným na náhodném pozorování


Co to je testování hypotéz?

Egon Sharpe Pearson (1895-1980) Jerzy Neymann (1894-1981)

Rozhodovací proces, v němž proti sobě stojí2 tvrzení - nulová a alternativní hypotéza.


Nulová hypotéza

  • takové tvrzení o populaci, které je bráno jak předpoklad při testování

  • představuje určitý rovnovážný stav a bývá vyjádřena rovnosti „=“

    např. μ = 100, μ1 = μ2 = μ3 …

    Alternativní hypotéza

    - představuje porušení rovnovážného stavu a zapisujeme ji tedy jedním ze tří možných zápisů nerovnosti ( ≠ , <, >)


Výběr vhodné alternativní hypotézy

  • jednostranná vs. oboustranná alternativa

  • alternativní hypotéza musí být v souladu s výběrovým souborem


Princip testování hypotéz


Chyby při testování hypotéz

jsou nevyhnutelnou součásti testování

Skutečnost


  • Chyba I. druhu

    - nulová hypotéza platí, ale my ji zamítneme

    - maximální přípustná pravděpodobnost chyby I. druhu (hladina významnosti) se volí ještě před pořízením výběrového souboru)

  • Chyba II. druhu

    - nulová hypotéza neplatí, ale my ji nezamítneme (nepoznáme, že neplatí)

    - síla testu závisí na zvolené testové metodě (zejména na skutečném rozdělení dat)


Grafický zápis chyby II. druhu (pro konkrétní alternativu)

Operativní charakteristika Křivka síly testu

(Power Curve)


Příklad

Standardním výrobním způsobem lze vyrobit monitory se střední životnosti 1200 hodin a směrodatnou odchylkou 300 hodin.

Novou technologií, kterou navrhuje vývojové centrum bylo zkušebně vyrobeno 100 obrazovek, jejichž průměrná životnost byla 1265 hodin. Předpokládejme, že výběr pocházel z normálního rozdělení.

Jde o kvalitnější technologii,

nejde pouze o náhodný rozdíl?


Nakolik průměr odpovídá nulové hypotéze?


Výsledek testu

Skutečnost

Jestliže platí H0

Jestliže platí konkrétní HA

Nezamítáme H0

Zamítáme H0

β

α (volíme)

µ0 =1200

μA = 1240


Jak snížit pravděpodobnost obou chyb?


Vliv rostoucího rozsahu výběru

na pravděpodobnost chyb I. a II. druhu

Jestliže platí H0

Jestliže platí konkrétní HA

Nezamítáme H0

Zamítáme H0

β

α

µ0 =1200

μA = 1240


Přístupy k testování hypotéz

  • Testování pomocí intervalových odhadů

  • Klasický test

  • Čistý test významnosti

    (testování pomocí p-value (p-hodnoty))


Testování pomocí intervalových odhadů

  • Formulace nulové a alternativní hypotézy

  • Nalezení příslušného intervalového odhadu (POZOR! Umíme zatím nalézt pouze int. odhady parametrů normálního rozdělení!!!)

  • Ověření toho, zda testovaná hodnota parametru leží v nalezeném intervalovém odhadu

  • Formulace závěru testu

Lze použít pouze pro testování parametrických hypotéz


Klasický test

  • Formulace nulové a alternativní hypotézy

  • Volba testové statistiky (testového kritéria) T(X), musíme znát (nulové rozdělení)

  • Ověření předpokladů testu

  • Sestrojení kritického oboru a oboru přijetí

  • Výpočet pozorované hodnoty testové statistiky T(X) - xOBS

  • Formulace závěru testu


Konstrukce kritického oboru - C

  • Alternativní hypotéza ve tvaru „<“ (ve prospěch alternativy svědčí nízké hodnoty testové statistiky)

    C ≤ Tα

  • Alternativní hypotéza ve tvaru „>“ (ve prospěch alternativy svědčí vysoké hodnoty testové statistiky), pak je kritický obor vymezen jako:

    C ≥ T1-α

  • Alternativní hypotéza ve tvaru „≠“ (ve prospěch alternativy svědčí extrémně nízké nebo extrémně vysoké hodnoty testové statistiky)– POZOR!Lze použít pouze při symetrickém nulovém rozdělení!!!!

    (C ≤ Tα/2) nebo (C ≥ T1-α/2)


  • Příklad

    1. Formulace nulové a alternativní hypotézy:

    2. Volba testového kritéria:

    3. Ověření předpokladu testu:

    Viz. předpoklad v zadání úlohy.

    4. Výpočet pozorované hodnoty:


    5. Konstrukce kritického oboru:

    T(X), jestliže platí H0

    Jestliže platí H0

    Nezamítáme H0

    Nezamítáme H0

    Zamítáme H0

    Zamítáme H0

    α

    α

    µ0 =1200

    µ =0

    C

    z0,95=1,64


    6. Rozhodnutí:

    T(X), jestliže platí H0

    Nezamítáme H0

    Zamítáme H0

    α

    xOBS=2,17

    µ =0

    Zamítáme H0 ve prospěch HA, tj. s 95% ní pravděpodobnosti lze tvrdit, že došlo ke zlepšení střední životnosti monitorů.

    C

    1,64


    Vliv volby α na rozhodnutí

    T(X), jestliže platí H0

    Nezamítáme H0

    Zamítáme H0

    α

    xOBS=2,17

    µ =0

    C

    1,64


    Čistý test významnosti

    • Formulace nulové a alternativní hypotézy

    • Volba testové statistiky (testového kritéria) T(X), musíme znát (nulové rozdělení)

    • Ověření předpokladů testu

    • Výpočet pozorované hodnoty testové statistiky T(X) – xOBS

    • Určení p-value

    • Formulace závěru testu


    Co je to p-value?

    T(X), jestliže platí H0

    Nezamítáme H0

    Zamítáme H0

    p-value

    α

    xOBS=2,17

    µ =0

    p-value je pravděpodobnost, že testová statistika bude alespoň tak „extrémní“ jako pozorovaná hodnota.

    C

    1,64


    Jak určujeme p-value?

    • Alternativní hypotéza ve tvaru „<“ (ve prospěch alternativy svědčí nízké hodnoty testové statistiky)

      p-value = F0(xOBS)

  • Alternativní hypotéza ve tvaru „>“ (ve prospěch alternativy svědčí vysoké hodnoty testové statistiky), pak je kritický obor vymezen jako:

    p-value = 1-F0(xOBS)

  • Alternativní hypotéza ve tvaru „≠“ (ve prospěch alternativy svědčí extrémně nízké nebo extrémně vysoké hodnoty testové statistiky)– POZOR!Lze použít pouze při symetrickém nulovém rozdělení!!!!

    p-value = 2.min{F0(xOBS) ;1-F0(xOBS)}


  • Jak rozhodujeme pomocí p-value?

    T(X), jestliže platí H0

    Nezamítáme H0

    Zamítáme H0

    p-value

    α

    xOBS=2,17

    µ =0

    α>p-valuezamítáme H0

    α<p-valuenezamítáme H0

    C

    1,64


    α>p-valuezamítáme H0

    α<p-valuenezamítáme H0

    • P-value je nejvyšší hladina významnosti na níž nezamítáme nulovou hypotézu.

    • P-value je nejnižší hladina významnosti na níž zamítáme nulovou hypotézu.


    Rozhodování na klasických hladinách významnosti (0,05 a 0,01)

    Zamítáme H0

    Nerozhodná oblast

    Nezamítáme H0

    0,01

    0,05

    p-value


  • Login