1 / 24

Statystyka w doświadczalnictwie

Statystyka w doświadczalnictwie. Wydział Technologii Drewna SGGW Studia II stopnia. Wykład 6. Testowanie hipotez statystycznych. Testy statystyczne. Dlaczego testy? Hipotezy statystyczne Błędy w testach Test istotności Przykłady testów. Próbkowanie. POPULACJA. PRÓBA. Wnioskowanie.

Download Presentation

Statystyka w doświadczalnictwie

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. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Statystyka w doświadczalnictwie Wydział Technologii Drewna SGGW Studia II stopnia

  2. Wykład 6 • Testowanie hipotez statystycznych

  3. Testy statystyczne • Dlaczego testy? • Hipotezy statystyczne • Błędy w testach • Test istotności • Przykłady testów

  4. Próbkowanie POPULACJA PRÓBA Wnioskowanie Parametr Statystyka Estymator

  5. Dlaczego testy? • Podstawą analiz statystycznych jest próba, natomiast przedmiotem zainteresowania – populacja • Korzystanie z próby = niepewność • Dlatego potrzebne jest narzędzie pozwalające na wnioskowanie o zależnościach między cechami w populacji na podstawie próby • Przykłady

  6. Hipotezy statystyczne • Hipoteza: sformułowane przypuszczenie dotyczące populacji generalnej • Gdy hipoteza dotyczy parametru – hipoteza parametryczna • Gdy hipoteza dotyczy rozkładu – hipoteza nieparametryczna

  7. Hipotezy parametryczne • Z reguły zapisane są w postaci krótkiego równania, np. μ = 44 μ1 = μ2 σ1 = σ2

  8. Hipotezy nieparametryczne • Zwykle zapisane w postaci zdania, np. • „rozkład zmiennej x w populacji jest zgodny z rozkładem normalnym” • „próby zostały pobrane z populacji o takich samych rozkładach” • ...

  9. Hipotezy statystyczne • Hipoteza zerowa – hipoteza podlegająca testowaniu • Hipoteza alternatywna – hipoteza „rezerwowa” na wypadek, gdyby hipoteza zerowa okazała się fałszywa • Powyższe hipotezy mogą być zarówno parametryczne, jak i nieparametryczne

  10. Hipotezy statystyczne H0: μ = 44 H0: μ1 = μ2 H0: rozkład zmiennej x w populacji jest zgodny z rozkładem normalnym

  11. Hipotezy statystyczne H1: μ ≠ 44 H1: μ1 ≠ μ2 H1: rozkład zmiennej x w populacji nie jest zgodny z rozkładem normalnym

  12. Błędy w testach • Hipoteza może być prawdziwa lub fałszywa • Wynik testu może kazać hipotezę zaakceptować lub odrzucić • W związku z tym…

  13. Błędy w testach

  14. Jak uniknąć błędów? • Konstrukcja testu: stosować testy, które podejmują tylko decyzję o odrzuceniu hipotezy lub stwierdzają brak podstaw do jej odrzucenia • Mały poziom istotności • (Test istotności)

  15. Test istotności • Formułujemy H0i H1, • Pobieramy próbę (próby) z populacji, • Obliczamy statystykę dla testu; statystyka ta ma określony rozkład gdy hipoteza zerowa jest prawdziwa, • Porównujemy obliczoną statystykę z wartością krytyczną dla założonego poziomu istotności • Odrzucamy hipotezę zerową lub stwierdzamy brak podstaw do odrzucenia hipotezy przy danym poziomie istotności

  16. Test istotności w praktyce • Gdy używamy oprogramowania statystycznego – zakończenie testu jest inne • Program oblicza prawdopodobieństwo testowe (p-value, „krytyczny poziom istotności”) • Szczegóły podczas ćwiczeń

  17. Przykłady testów

  18. Testy dla średniej

  19. Test dla proporcji

  20. Test dla wariancji

  21. Test zgodności

  22. Dziekuje za uwagę!

More Related