CZE¸ ´S ˙C 2. WERYFIKACJA HIPOTEZ. PARAMETRYCZNE TESTY ISTOTNO´SCI.
1. Na pewnym roku studi´ow przed egzaminem z RPiSM wybrano losowo 9 student´ow i poddano ich egza- minowi. Otrzymano ´sredni¸a ocen x = 4.6 Wyniki egzaminu maj¸a rozk lad N(m, 0.5). Na poziomie istotno´sci α = 0.01 zweryfikowa˙c hipotez¸e H0: m = 4.5 wobec hipotezy alternatywnej H1: m > 4.5.
2. W pewnym du˙zym przedsi¸ebiorstwie zmierzono 100 losowo wybranym pracownikom efektywny czas pracy w ci¸agu jednego dnia i otrzymano ´sredni czas x = 4.82(h), s2 = 1(h). Na poziomie istotno´sci α = 0.05 zweryfikowa˙c hipotez¸e, ˙ze ´sredni czas pracy w tym przedsi¸ebiorstwie wynosi 5h (H0: m = 5) przeciw hipotezie: a) H1: m 6= 5, b) H1: m < 5.
3. Fabryka produkuje opony samochodowe dwiema metodami: star¸a i now¸a. Wiadomo, ˙ze czas ˙zycia opony wyprodukowanej star¸a metod¸a ma rozk lad N(m0, σ), m0 = 50000(km), σ jest nieznane. Pro- ducent twierdzi, ˙ze dla opony wyprodukowanej now¸a metod¸a ´sredni czas ˙zycia jest wi¸ekszy (m > m0).
Zbadano czasy ˙zycia 17 opon wyprodukowanych now¸a metod¸a i obliczono x = 55000, s = 1100. Czy na poziomie istotno´sci α = 0.01 mo˙zna twierdzi˙c, ˙ze opony wyprodukowane now¸a metod¸a maj¸a d lu˙zszy czas ˙zycia?
4. Producent ˙zar´owek twierdzi, ˙ze ´sredni czas ´swiecenia ˙zar´owki wynosi m0 = 150(dni). W celu zwery- fikowania tej hipotezy poddano kontroli n = 37 losowo wybranych ˙zar´owek i obliczono ´sredni czas ich ´swiecenia x = 139 a odchylenie standardowe s = 9.8. Wiadomo, ˙ze czas ´swiecenia ˙zar´owki ma rozk lad normalny. Na poziomie istotno´sci α = 0.01 zweryfikowa˙c informacj¸e producenta.
5. Do kurnika wpada lis i dokonuje pewnym przyrz¸adem pomiar´ow losowo wybranej kury. B l¸ad pomiaru ma rozk lad normalny. Przeprowadzi l 10 pomiar´ow i otrzyma l s2 = 0.029. Na poziomie istotno´sci α = 0.01 zweryfikowa˙c hipotez¸e, ˙ze σ2 = 0.0125 wobec hipotezy alternatywnej σ2 > 0.0125.
6. Badano wielko´s˙c plonu z hektara dla upraw chmielu gatunku ”A” i gatunku ”B”. Zmierzono wielko´s˙c plonu z 10 1-hektarowych p´ol obsianych gatunkiem ”A” i z 10 obsianych gatunkiem ”B”. Otrzymano dla gatunku ”A” ´sredni¸a warto´s˙c plonu x1 = 5.65 a dla gatunku ”B” x2 = 5.36 Wiadomo, ˙ze wariancja pomiaru wynosi dla gatunku ”A” σ12 = 0.06 a dla gatunku ”B” σ22 = 0.07. Zak ladamy, ˙ze wielko´s˙c plonu z hektara ma rozk lad normalny. Na poziomie istotno´sci α = 0.05 zweryfikowa˙c hipotez¸e, ˙ze warto´sci przeci¸etne plonu z hektara s¸a dla obu gatunk´ow jednakowe wobec hipotezy alternatywnej m´owi¸acej, ˙ze s¸a r´o˙zne.
7. Producent pewnego proszku A wysun¸a l hipotez¸e, ˙ze u˙zywanie proszku A daje lepsze efekty ni˙z u˙zywanie zwyk lego proszku B. Na poziomie istotno´sci α = 0.05 zweryfikowa˙c wysuni¸et¸a hipotez¸e je´sli wiadomo, ˙ze ocena wynik´ow prania ka˙zdym z proszk´ow ma rozk lad normalny. Przetestowano proszek A 10 razy i otrzymano ´sredni¸a ocen x1 = 74.0 oraz s21 = 2.08. Przetestowano proszek B 7 razy i otrzymano ´sredni¸a ocen x2 = 57.3 oraz s21 = 1.65. Przyjmujemy, ˙ze σ1 = σ2.
8. Sonda˙z opinii publicznej na temat frekwencji oczekiwanej w wyborach samorz¸adowych wykaza l, ˙ze w losowo wybranej grupie 2500 os´ob 1600 zamierza uczestniczy´c w g losowaniu. Czy na poziomie istotno´sci r´ownym 0.95 mo˙zna przyj¸a´c, ˙ze 60% og´o lu os´ob zamierza wzi¸a´c udzia l w wyborach do samorz¸adu ?
ODPOWIEDZI DO ZADA ´N Z CZE¸ ´SCI 4:
1) nie ma podstaw do odrzucenia H0, 2) H0 odrzucamy, 3) H0 odrzucamy, 4) H0 odrzucamy, 5) H0 odrzucamy, 6) H0 odrzucamy, 7) H0 odrzucamy, 8) H0 odrzucamy.
0.05
2
1. Stawiamy hipotezy H0 i H1 oraz wybieramy odpowiedni model.
Z treści zadania wynika, że szacujemy wartość oczekiwaną oceny losowo wybranego studenta m.
H0 : m = 4.5, H1 : m > 4.5.
Badana cecha ma rozkład normalny o danej teoretycznej wartości odchylenia standardowego.
Zatem wybieramy Model 1.
2. Obliczamy wartość statystyki testowej.
U = x − m0 σ
√n
Podstawiamy x = 4.6, m0 = 4.5, σ = 0.5, n = 9.
I otrzymujemy:
U = x − m0 σ
√n = 4.6 − 4.5
0.5 ∗ 3 = 0.6
3. Znajdujemy zbiór krytyczny dla dango poziomu istotności α i danej hipotezy H1.
Ponieważ hipoteza alternatywna jest postaci H1 : m > m0, to wybieramy zbiór krytyczny postaci:
W = (u1−α; +∞)
Z tablicy 3 wyznaczamy wartość kwantyla rozkładu normalnego N (0, 1):
u1−α = u1−0.01= u0.99= 2.33
Zatem zbiór krytyczny jest postaci:
W = (2.33; +∞)
4. Podejmujemy decyzję weryfikacyjną.
Obliczona wartośc statystyki testowej U = 0.6. Zbiór krytyczny W = (2.33; +∞)
Ponieważ obliczona wartość statystyki testowej nie należy do zbudowanego zbioru krytycznego, to na poziomie istotności α = 0.01 nie ma podstaw do odrzucenia hipotezy H0 (tzn. przyjęcia H1).
Zatem na poziomie istotności α = 0.01 nie ma podstaw by twierdzić, że średnia ocen z egzaminu dla całej populacji studentów będzie większa niż 4.5.
1. Stawiamy hipotezy H0 i H1 oraz wybieramy odpowiedni model.
Z treści zadania wynika, że szacujemy wariancję pomiaru pewnym przyrządem σ2. H0 : σ2 = 0.0125, H1 : σ2 > 0.0125.
Badana cecha ma rozkład normalny, liczność próby n = 10 < 50.
Zatem wybieramy Model 4.
2. Obliczamy wartość statystyki testowej.
χ2 = ns2 σ02
Podstawiamy s2 = 0.0290, σ02 = 0.0125, n = 10.
I otrzymujemy:
χ2 = ns2
σ02 = 10 · 0.029
0.0125 = 23.2
3. Znajdujemy zbiór krytyczny dla dango poziomu istotności α i danej hipotezy H1.
Ponieważ hipoteza alternatywna jest postaci H1 : σ > σ0, to wybieramy zbiór krytyczny postaci:
W = (χ2(α; n − 1); +∞)
Z tablicy 4 wyznaczamy wartość krytyczną rozkładu chi-kwadrat:
χ2(α; n − 1) = χ2(0.01; 9) =
χ2(α; n − 1) = χ2(0.01; 9) = 21.67
Zatem zbiór krytyczny jest postaci:
W = (21.67; +∞)
4. Podejmujemy decyzję weryfikacyjną.
Obliczona wartośc statystyki testowej χ2 = 23.2. Zbiór krytyczny W = (21.67; +∞)
Ponieważ obliczona wartość statystyki testowej należy do zbudowanego zbioru krytycznego, to na po- ziomie istotności α = 0.01 nalezy odrzucić hipotezę H0 (tzn. przyjąć H1).
Zatem na poziomie istotności α = 0.01 można twierdzić, że wariancja pomiary tym przyrządem jest większa niż 0.0125.
1. Stawiamy hipotezy H0 i H1 oraz wybieramy odpowiedni model.
Z treści zadania wynika, że badana cecha jest mierzalna oraz porównujemy wartości oczekiwane w dwóch populacjach.
Oznaczmy przez m1, m2 wartości oczekiwane badanej cechy, a przez σ1, σ2 odchylenia standardowe badanej cechy odpowiednio w pierwszej (proszek A) i drugiej (proszek B) populacji.
H0 : m1 = m2, H1 : m1 > m2.
Badana cecha ma rozkład normalny, wartości teoretyczne odchylenia standardowego σ1, σ2 nie są znane.
Zatem wybieramy Model 2 dla weryfikacji hipotezy o równości wartości oczekiwanej w dwóch popula- cjach.
2. Obliczamy wartość statystyki testowej.
T = x1− x2
rn1s21+n2s22
n1+n2−2 · nn1+n2
1·n2
Podstawiamy x1 = 74.0, x2 = 57.3, s21 = 2.08, s22 = 1.65, n1 = 10, n2 = 7.
I otrzymujemy:
T = x1− x2
r
n1s21+n2s22
n1+n2−2 · nn1+n2
1·n2
= 74.0 − 57.3
q10·2.08+7·1.65
10+7−2 · 10+710·7 = 23.09
3. Znajdujemy zbiór krytyczny dla dango poziomu istotności α i danej hipotezy H1.
Ponieważ hipoteza alternatywna jest postaci H1 : m1 > m2, to wybieramy zbiór krytyczny postaci:
W = (t(2α; n1 + n2− 2); +∞)
Z tablicy 5 wyznaczamy wartość krytyczną rozkładu t-Studenta:
t(2α; n1+ n2− 2) = t(0.1; 15) = 1.75
Zatem zbiór krytyczny jest postaci:
W = (1.75; +∞)
4. Podejmujemy decyzję weryfikacyjną.
Obliczona wartośc statystyki testowej T = 23.09. Zbiór krytyczny W = (1.75; +∞)
Ponieważ obliczona wartość statystyki testowej należy do zbudowanego zbioru krytycznego, to na po- ziomie istotności α = 0.05 nalezy odrzucić hipotezę H0 (tzn. przyjąć H1).
Zatem na poziomie istotności α = 0.05 można twierdzić, że używanie proszku A daje lepsze efekty niż używanie zwykłego proszku B .
1. Stawiamy hipotezy H0 i H1 oraz wybieramy odpowiedni model.
Z treści zadania wynika, że badana cecha jest zerojedynkowa (1 = zamierza głosować; 0 = nie za- mierza głosować), szacujemy wskaźnik struktury p, czyli odsetek uprawnionych do głosowania, którzy zamierzają wziąć udział w wyborach.
Z treści zadania można wnioskować, że głosujących będzie więcej niż 60%, zatem hipotezy stawiamy następująco:
H0 : p = 0.6, H1 : p > 0.6.
Badana cecha jest zerojedynkowa, liczność próby n = 2500 jest większa od 100.
Zatem wybieramy Model dla weryfikacji hipotezy o wskaźniku struktury.
2. Obliczamy wartość statystyki testowej.
U =
Zn
n − p0
qp0(1−p0) n
Podstawiamy p0 = 0.6, n = 2500, Zn= 1600, czyli Znn = 0.64 . I otrzymujemy:
U =
Zn
n − p0
qp0(1−p0) n
= 0.64 − 0.60
q0.6·0.4 2500
= 0.04 0.01 = 4
3. Znajdujemy zbiór krytyczny dla dango poziomu istotności α i danej hipotezy H1.
Ponieważ hipoteza alternatywna jest postaci H1 : p > 0.6, to wybieramy zbiór krytyczny postaci:
W = (u1−α; +∞)
Podstawiamy α = 0.05. Z tablicy 3 wyznaczamy wartość kwantyla rozkładu normalnego N (0.1):
u1−α = u1−0.05= u0.95= 1.65
Zatem zbiór krytyczny jest postaci:
W = (1.65; +∞)
4. Podejmujemy decyzję weryfikacyjną.
Obliczona wartośc statystyki testowej U = 4. Zbiór krytyczny W = (1.65; +∞)
Ponieważ obliczona wartość statystyki testowej należy do zbudowanego zbioru krytycznego, to na po- ziomie istotności α = 0.05 nalezy odrzucić hipotezę H0 (tzn. przyjąć H1).
Zatem na poziomie istotności α = 0.05 można twierdzić, że więcej niż 60% uprawnionych do głosowania weźmie udział w tych wyborach.
1. Stawiamy hipotezy H0 i H1 oraz wybieramy odpowiedni model.
Z treści zadania wynika, że badana cecha jest zerojedynkowa (1 = potrafi rozwiązać to zadanie; 0 = nie potrafi rozwiązać tego zadania).
Porównujemy wartości wskaźnika struktury w dwóch populacjach: kobiet i mężczyzn.
Oznaczmy przez p1 odsetek kobiet potrafiących rozwiązać to zadanie, a przez p2 odsetek mężczyzn potrafiących rozwiązać to zadanie.
Z treści wynika, że chcielibyśmy wykazać, że mężczyźni częściej potrafią rozwiązać to zadanie niż kobiety, zatem stawiamy hipotezy następująco:
H0 : p1 = p2, H1 : p1 < p2.
Badana cecha ma jest zerojedynkowa, liczności prób z obu populacji n1 = 100, n2 = 120 są większe lub równe od 100.
Zatem wybieramy Model dla weryfikacji hipotezy o dwóch wskaźnikach struktury.
2. Obliczamy wartość statystyki testowej.
U =
Zn1 n1 −Znn2
2
rZn1+Zn2 n1+n2
1 − Zn1n +Zn2
1+n2
· nn1+n2
1·n2
Podstawiamy Zn1 = 17, Zn2 = 25, czyli Znn1
1 = 0.17 oraz Znn2
2 = 0.21 . I otrzymujemy:
U =
Zn1 n1 − Znn2
2
rZn1+Zn2 n1+n2
1 − Zn1n +Zn2
1+n2
· nn1+n2
1·n2
= 0.17 − 0.21
r
42 220
1 − 22042·12000220
= −0.04
0.05 = −0.8
3. Znajdujemy zbiór krytyczny dla dango poziomu istotności α i danej hipotezy H1.
Ponieważ hipoteza alternatywna jest postaci H1 : p > 0.6, to wybieramy zbiór krytyczny postaci:
W = (−∞; −u1−α)
Podstawiamy α = 0.05. Z tablicy 3 wyznaczamy wartość kwantyla rozkładu normalnego N (0.1):
u1−α = u1−0.05= u0.95= 1.65
Zatem zbiór krytyczny jest postaci:
W = (−∞; −1.65)
4. Podejmujemy decyzję weryfikacyjną.
Obliczona wartośc statystyki testowej U = −0.8. Zbiór krytyczny W = (−∞; −1.65)
Ponieważ obliczona wartość statystyki testowej nie należy do zbudowanego zbioru krytycznego, to na poziomie istotności α = 0.05 nie ma podstaw do odrzucenia hipotezy H0 (tzn. przyjęcią H1).
Zatem na poziomie istotności α = 0.05 nie ma podstaw by twierdzić, że w badanej populacji mężczyźni częściej niż kobiety potrafią rozwiązać to zadanie.