Hipoteza zerowa i hipotezy alternatywne

Rachunek prawdopodobieństwa i statystyka - W 8 Wnioskowanie statystyczne.

Testy statystyczne. Weryfikacja hipotez statystycznych.

Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl

Hipotezy i Testy statystyczne

• Każde badanie naukowe rozpoczyna się od sformułowania

problemu oraz najbardziej prawdopodobnego rozwiązania czyli hipotezy badawczej, bądź wielu hipotez.

• Każda hipoteza statystyczna jest podzbiorem ( jedno lub wieloelementowym ) zbioru hipotez dopuszczalnych.

• Każda hipoteza jest zdaniem oznajmującym, powinna być tak sformułowana, by można ją ocenić i przyjąć lub odrzucić.

• Test statystyczny jest regułą postępowania,

– która każdej możliwej próbie przyporządkowuje decyzję przyjęcia lub odrzucenia konkretnej hipotezy

– rozstrzygającą jakie wyniki próby pozwalają uznać

sprawdzaną hipotezę za prawdziwą a jakie za fałszywą.

Hipotezy statystyczne

Hipoteza zerowa i hipotezy alternatywne

• Hipoteza zerowa jest jedną wyróżnioną hipotezą, która podlega weryfikacji, pozostałe hipotezy ze zbioru hipotez dopuszczalnych stanowią zbiór hipotez alternatywnych.

• Hipotezie zerowej przypisujemy inną wagę niż hipotezie alternatywnej.

• Za hipotezę zerową przyjmuje się tę, której prawdziwość poddajemy w wątpliwość.

• Do weryfikacji hipotezy zerowej stosuje się testy

statystyczne bazujące na funkcjach testowych, określających zmienne losowe, których rozkłady są znane.

• Zabieg posługiwania się zmienną losową o znanym rozkładzie odniesienia jest wspólny dla wszystkich zadań budowy

przedziałów ufności i dla problemu testowania hipotez.

Proces weryfikacji hipotez statystycznych jest wieloetapowy

1. Sformułowanie hipotez H₀ i H₁

2. Przyjęcie odpowiedniego poziomu istotności α oraz liczebności próby

3. Określenie obszaru krytycznego i obszaru przyjęcia sprawdzanej hipotezy H₀

4. Wybór testu weryfikującego H₀ i wyliczenie wartości funkcji testowej

5. Podjęcie decyzji weryfikacyjnej

Rodzaje hipotez statystycznych

•Hipotezy statystyczne mogą dotyczyć:

– wartości analizowanych zmiennych: np. wartości średniej, wartości ekstremalnych ( mim, max);

– rozproszenia wartości, jednorodności (wariancji);

– różnicy pomiędzy wartościami określonej cechy w różnych grupach badawczych (różnych populacjach);

– siły i kierunku zależności pomiędzy badanymi zmiennymi (korelacja);

– rodzaju badanych zależności np zależność logarytmiczna, wykładnicza, liniowa …(regresja)

– oceny charakteru rozkładu zmiennej losowej - dopasowanie rozkładu teoretycznego do rozkładu empirycznego

1. Formułowanie hipotez H₀ i H₁

H

:µ

= µ

; H1: µ

≠ µ

lub

H

:µ

= µ

; H1: µ

>µ

albo

H

: σ

= σ

H1: σ

≠ σ

Hipotezy dotyczące siły i kierunku zależności pomiędzy badanymi zmiennymi (korelacja);

Hipotezy dotyczące rodzaju zależności pomiędzy badanymi zmiennymi

Hipoteza dotycząca zgodności rozkładu w populacji z rozkładem normalnym

Formułowanie hipotez

w parametrycznych testach istotności

Testy dla wartości średniej w rodzinie rozkładów normalnych – przypadek znanej wariancji

Hipoteza sprawdzana (zerowa) dotyczy określonego parametru, np wartości oczekiwanej m:

• H₀: m=m₀

przy jednej z hipotez alternatywnych:

• H₁: m≠m₀ lub H₁: m>m₀ lub H₁: m<m₀

• Hipoteza H₀ : o równości średnich z n - elementowej próby i w populacji będzie zweryfikowana na

podstawie wyników próby losowej.

Formułowanie hipotez

w parametrycznych testach istotności

Pracujemy nad nową technologią produkcji określonego stopu,

zapewniającą niższy średni poziom zanieczyszczeń niż w dotychczas stosowanej, w której średni poziom zanieczyszczeń wynosił µ₀

•H₀ :µ = µ₀ ; H₁: µ < µ₀

Hipotezę H₀ przyjmujemy albo odrzucamy na rzecz H_1.

Nieodrzucenie (przyjęcie) hipotezy zerowej nie dowodzi jej

prawdziwości, wynika jedynie z braku podstaw do jej odrzucenia Hipoteza H₁ jest w pewnym sensie ważniejsza, ponieważ test wykonujemy po to, by znaleźć podstawę do odrzucenia hipotezy zerowej i przyjęcia hipotezy alternatywnej.

Hipoteza zerowa jest hipotezą prostą, bowiem jednoznacznie

wyznacza rozkład prawdopodobieństwa, z którego jest losowana próba losowa. Hipotezą złożoną jest ta, która opisuje więcej niż jeden rozkład, w naszym przypadku jest to hipoteza alternatywna

Intuicyjna interpretacja hipotezy zerowej i alternatywnej

Nasze postępowanie przypomina zachowanie prokuratora, w sytuacji gdy

• Sąd musi opierać się na domniemaniu

niewinności podsądnego (hipoteza zerowa)

• Prokuratura skupia się na uzasadnieniu fałszywości tego domniemania

i odrzucenia go na korzyść orzeczenia winy podsądnego ( hipotezy alternatywnej)

2. Przyjęcie odpowiedniego poziomu istotności αααα oraz liczebności próby

Przy podejmowaniu decyzji weryfikującej hipotezy możemy popełnić dwa rodzaje błędów

prawdziwa fałszywa

bł ąd I rodzaju decyzja trafna

α 1- β

decyzja trafna błąd II rodzaju

1- α β

Hipoteza H

Decyzja

odrzucić

nie odrzucić

Przykład

H₀- oskarżony jest niewinny H₁ - oskarżony jest winien

Błąd I rodzaju : sąd skazał niewinnego:

H₀ prawdziwa, ale ją odrzucono Błąd II rodzaju: sąd uwolnił winnego:

H₁ prawdziwa, a przyjęto H_0,

Tu błąd I rodzaju jest znacznie bardziej dotkliwy, dlatego należy zminimalizować

prawdopodobieństwo jego popełnienia (czyli dostarczyć „niezbitych” dowodów⁾

Związek pomiędzy błędami I i II rodzaju:

H₀: µ=m₀ H₁: µ >m₀

Przy przyjętym poziomie istotności α, obszar krytyczny obejmuje wartości średnie ≥A, gdy P (x ≥A)= α

Dla określenia obszaru β przyjmiemy następujący zestaw hipotez H₀: µ=m₀ H₁: µ = m₁ >m₀

H₀: µ=m₀ H₁: µ=m₁

zmniejszanie wartości α pociąga wzrost wartości β

β α

Błąd II rodzaju i moc testu

• Z przedstawionego rysunku widać, że nie jest możliwe jednoczesne minimalizowanie prawdopodobieństwa popełnienia obu błędów.

• Z wartością β związana jest moc testu, która jest określana jako prawdopodobieństwo odrzucenia hipotezy zerowej , gdy jest ona fałszywa, czyli wynosi 1- β.

• Moc testu zależy od poziomu istotności α, a także od postaci hipotezy alternatywnej i liczebności próby

• W statystyce praktycznie postępuje się podobnie jak w sądzie przyjmując zasadę domniemania prawdziwości hipotezy

zerowej, co oznacza, że chcemy aby błąd I rodzaju nie często miał miejsce.

• Określając poziom istotności określamy granicę błędu I rodzaju, pamiętając że przyjmując niższą wartość α

uzyskujemy wyższą wiarygodność hipotezy alternatywnej (jej przyjęcie jest jakby mocniej uzasadnione), ale wtedy trudniej odrzucić hipotezę zerową.

3. Określenie obszaru krytycznego i obszaru przyjęcia sprawdzanej hipotezy H₀

Obszar krytyczny wyznacza jedno z następujących równań

P(||||U |≥|≥|≥|≥ u_1-αααα/2 ) = αααα dwustronny obszar krytyczny P(U ≥≥≥≥ u_1-αααα ) = αααα prawostronny obszar krytyczny P(U ≤ -u_αααα ) = αααα lewostronny obszar krytyczny

• Jeśli prawdziwa jest hipoteza zerowa, to wartość statystyki U nie powinna przekraczać pewnej wartości krytycznej u_α

• α oznacza obszar zbiór nietypowych wartości statystyki testowej pod warunkiem prawdziwości hipotezy zerowej

H₀: m=m₀ H₁: m<m₀ P(U ≤ u_αααα ) = αααα

0 u _αααα

αααα

lewostronny obszar krytyczny

H₀: m=m₀ H₁: m>m₀ P(U ≥≥≥≥ u_αααα ) = αααα

0

1- αααα

u _1-αααα αααα

prawostronny obszar krytyczny

H₀: m=m₀ H₁: m≠m₀ P (||||U |≥|≥|≥|≥ u _1-α/2 ) = αααα

0

1- αααα

u _{1- αααα/2}

αααα/2 αααα/2

dwustronny obszar krytyczny

4. Wybór testu weryfikującego H₀ i wyliczenie statystyki testowej

Rozważamy rozkład średnich z n - elementowej próby, jest to rozkład N(m₀,

σ

Stąd statystyka U , określona wzorem

ma rozkład N (0,1),

• Jeśli prawdziwa jest hipoteza zerowa , to obliczona z próby wartość statystyki U nie powinna przekraczać wartości

krytycznej u_α (kwantyla u_α )

m n

U x

σ

= −

n

Funkcje testowe dla dużej próby i dla małej,

gdy nieznana jest wartość wariancji w populacji

s n m

U = x −

− 1

= − n

s m

t x

Duża próba, wylosowana z populacji o rozkładzie N (m, σ)

Mała próba, wylosowana z populacji o rozkładzie N (m, σ)

wtedy U, określone funkcją testową, jest zmienną losową o rozkładzie N(0;1)

wtedy zmienna losowa t, określona wzorem ma rozkład Studenta

o n-1 stopniach swobody, który jest niezależny od wartości wariancji w populacji

Inne funkcje testowe, określające zmienne o rozkładzie Studenta

) 2

(

2 1

2 1 2

2 2 2

1 1

2

1

+ −

+ +

= − n n

n n

n n s

n s

n

x t x

Jeśli z populacji mających taki sam rozkład normalny wylosujemy dwie próby o liczebnościach odpowiednio n₁ i n₂ , średnich arytmetycznych x₁ i x₂ oraz wariancjach s₁² i s₂² , obliczonych z próby, to zmienna t

ma rozkład Studenta o n₁+n₂-2 stopniach swobody

Podobnie rozkład Studenta mają funkcje stosowane do testowania hipotezy o niezależności zmiennych (że współczynnik korelacji ρ =0), i funkcje do testowania istotności współczynników regresji: (H₀: a_i=0).

Przykład realizowany z pomocą pakietu STATISTICA

• Dane z badań przeprowadzonych w 1996 roku dotyczące zarobków Polaków.

• Ankiety wysłano do 5000 pracowników wylosowanych przez GUS.

• Ankiety zwróciło 1255 osób. Arkusz zawiera następujące informacje o badanych osobach

– Płeć

– Wykształcenie – Wiek

– Staż pracy – Płaca brutto

Stawiam pod wątpliwość twierdzenie, że płeć nie ma wpływu na wysokość zarobków w Polsce, jeśli by tak było to nie powinno być różnic pomiędzy średnimi wartościami zarobków kobiet i mężczyzn.

Hipotezą zerową jest zdanie: Zarobki mężczyzn i kobiet nie różnią się H₀ : m₁=m₂ przy hipotezie alternatywnej H₁ : m₁≠ m_{2 ,}

Obliczenia w programie Statistica

Podstawa do podjęcia decyzji weryfikacyjnej

• Jeżeli obliczona wartość funkcji testowej znajdzie się w obszarze krytycznym hipotezę H₀ należy odrzucić co jest równoważne z przyjęciem hipotezy H₁

• W programach komputerowych decyzję podejmuje się na podstawie obliczonej wartości prawdopodobieństwa p

• jeśli p< α ⇒ H₀ odrzucamy, przyjmujemy H₁

• jeśli p ≥ α ⇒ nie ma podstaw do odrzucenia H₀

A α

Weryfikacja hipotezy o wariancji w rozkładzie normalnym

H₀: (σσσσ² ≤≤≤≤ σσσσ²₀) przy H₁: (σσσσ² > σσσσ²₀ ⁾

Przyjmujemy poziom istotności α

i wiemy, że statystyka ma rozkład chi-kwadrat o n-1 stopniach swobody.

Skoro, gdy H₀ jest prawdziwa, zachodzi równość ,

Zatem hipotezę H₀ odrzucamy, na rzecz H₁, ilekroć stwierdzimy (na podstawie obliczeń), że zaszła nierówność

2 2

0 2

χ α

σ ^{n >}

nS

α σ ^> χ ^{α ) =}

( ₂ ²

0 2

nS n

P

2 0

2

σ ⁿ nS

Weryfikacja hipotezy o wariancji w rozkładzie normalnym

• Błąd pomiaru odległości za pomocą radaru ma rozkład normalny.

Przeprowadzono 10 pomiarów tej samej znanej odległości i otrzymano następujące wartości błędów

k 1 2 3 4 5 6 7 8 9 10

s_k[km] 0,115 -0,250 0,180 -0,060 -0,120 0,010 -0,050 0,075 -0,150 -0,250

suma błędów -0,500

średni błąd -0,050

wariancja błędów 0,0216

Na poziomie istotności α=0,05 zweryfikować hipotezę , że wariancja błędu nie przekracza 0,0125.

Odczytane z tablic chi kwadrat dla n-1=9 stopni swobody =16,919 Obliczam wartość funkcji testowej

919 , 16 276

, 0125 17

, 0

0216 ,

0

* 10

2 0

2 = = >

σ ⁿ

nS H₀ należy odrzucić

Tablice rozkładu χχχχ²

poziom istotności 0,99 0,95 0,9 0,1 0,05 0,01

l.ss

1 0,000 0,004 0,016 2,706 3,841 6,635

2 0,020 0,103 0,211 4,605 5,991 9,210

3 0,115 0,352 0,584 6,251 7,815 11,345

4 0,297 0,711 1,064 7,779 9,488 13,277

5 0,554 1,145 1,610 9,236 11,070 15,086

6 0,872 1,635 2,204 10,645 12,592 16,812

7 1,239 2,167 2,833 12,017 14,067 18,475

8 1,646 2,733 3,490 13,362 15,507 20,090

9 2,088 3,325 4,168 14,684 16,919 21,666

10 2,558 3,940 4,865 15,987 18,307 23,209

11 3,053 4,575 5,578 17,275 19,675 24,725

12 3,571 5,226 6,304 18,549 21,026 26,217

13 4,107 5,892 7,042 19,812 22,362 27,688

14 4,660 6,571 7,790 21,064 23,685 29,141

15 5,229 7,261 8,547 22,307 24,996 30,578

Etapy wnioskowania statystycznego

obliczenia własne

1. postawienie hipotezy zerowej 2. wybór testu i sprawdzenie

spełnienia założeń

3. obliczenie wartości funkcji testowej

4. ustalenie (odczytanie z

tablic) wartości krytycznych dla danego poziomu

istotności

5. podjęcie decyzji o przyjęciu lub odrzuceniu hipotezy H₀

6. interpretacja otrzymanych wyników

z użyciem pakietu STATISTICA 1. postawienie hipotezy zerowej 2. wybór testu i sprawdzenie

spełnienia założeń

3. wprowadzenie danych

4. podjęcie decyzji o przyjęciu lub odrzuceniu hipotezy H₀

5. interpretacja otrzymanych wyników