Struktura i podział testów
Hipotezy dotyczące proporcji testuje się zgodnie z ogólnymi zasadami testowania hipotez statystycznych: formułujemy hipotezy, zakładamy poziom istotności α - dopuszczalną wartość błędu pierwszego rodzaju, następnie na podstawie danych z próby wyznaczamy wartość statystyki testowej, po czym porównujemy ją z wartościami krytycznymi odczytanymi z tablic odpowiedniego rozkładu teoretycznego. Postać stosowanej statystyki testowej zależy od następujących czynników:
czy badamy hipotezę dotyczącą jednej, dwóch, czy wielu proporcji
jaka jest liczebność próby (prób) występujących w danym zagadnieniu
w przypadku dwu lub więcej prób - czy próby są niezależne, czy zależne (powiązane).
Poniżej przedstawiono w skrócie kilka testów najczęściej wykorzystywanych w poszczególnych sytuacjach.
Testy dla jednej proporcji (test dla prób dużych)
W próbie losowej o liczebności n jest m elementów spełniających pewien warunek. Wówczas proporcja w próbie
. Chcemy sprawdzić, czy taki wynik losowania pozwala przyjąć, że w całej populacji proporcja ta ma zadaną z góry wartość po. Hipotezy mają postać:
H1: postać hipotezy alternatywnej zależy od sformułowania zagadnienia:
|
(1) |
|
(2) |
|
(3) |
Założenia: próba musi być dostatecznie duża, to znaczy jej liczebność musi spełniać warunek n > 50, a otrzymana wartość proporcji z próby powinna spełniać warunek: 0,2 < p < 0,8. Można wtedy zastosować statystykę o rozkładzie normalnym. Obliczamy:
,
gdzie qo = 1 − po. Jeśli hipoteza zerowa H0 jest prawdziwa, to statystyka z ma w przybliżeniu standardowy rozkład normalny - wynika to z Centralnego Twierdzenia Granicznego.
Wartość tak obliczonej statystyki porównujemy z wartością krytyczną (lub dwiema wartościami krytycznymi) wyznaczonymi na podstawie poziomu istotności α dla zmiennej losowej o rozkładzie normalnym.
Wartości krytyczne znajdujemy z tablic dystrybuanty rozkładu normalnego. Jeżeli U jest dystrybuantą standardowego rozkładu normalnego, a U − 1 - funkcją odwrotną do dystrybuanty, natomiast α - założonym poziomem istotności - to odczytujemy:
dla przypadku (1):
zkryt = U − 1(1 − α)
w przypadku (2):
zaś w przypadku (3) mamy 2 wartości graniczne:
.
Przedział krytyczny:
w przypadku (1) jest prawostronny, czyli gdy z > zkryt - odrzucamy H0, w przypadku przeciwnym - nie ma podstaw do jej odrzucenia.
w przypadku (2) przedział krytyczny jest lewostronny (dla z < zkryt odrzucamy H0),
w przypadku (3) przedział krytyczny jest obustronny (dla z > zkryt1 i dla z < zkryt2 odrzucamy H0).
Testy dla dwóch proporcji
Dwie próby niezależne
Poniżej omówiono dwa testy - jeden dla dużych liczebności prób, oparty na statystyce z o rozkładzie normalnym, analogiczny do omówionego powyżej dla jednej próby, drugi, możliwy do zastosowania przy nieco mniejszych liczebnościach prób, oparty na statystyce o rozkładzie chi-kwadrat.
Test dla dwóch prób dużych
Liczebności prób powinny spełniać relacje: n1 > 50 i n2 > 50. Jeżeli spośród n1 elementów pierwszej próby m1 spełnia określony warunek, to proporcja z próby jest równa
.
Analogicznie dla drugiej próby:
.
Wyznaczamy proporcję dla „próby połączonej”:
oraz
a następnie wyznaczamy wartość statystyki z:
Statystyka ta ma rozkład normalny i wartości krytyczne oraz obszary krytyczne wyznaczamy dla tego testu tak samo, jak to opisano wcześniej w teście dla jednej proporcji.
Test dla dwóch prób o mniejszych liczebnościach (oparty na statystyce chi-kwadrat)
Tutaj liczebności muszą spełniać warunek n = n1 + n2 > 20
Liczby elementów spełniających lub nie spełniających zadanego warunku w poszczególnych populacjach można zapisać w tabeli 2x2:
Liczba elementów: |
Próba 1 |
Próba 2 |
Suma: |
spełniających warunek (TAK) |
a |
b |
a + b |
nie spełniających warunku (NIE) |
c |
d |
c + d |
Suma: |
n1=a+c |
n2=b+d |
n=a+b+c+d |
Na podstawie tabeli obliczamy wartość statystyki
gdzie
Jeżeli liczebności prób są na tyle duże, że n1 + n2 > 40 - można wówczas pominąć w liczniku składnik
w nawiasie. Wartości krytyczne wyznacza się z tablic rozkładu chi-kwadrat o 1 stopniu swobody.
Dwie próby zależne
Ten przypadek występuje na przykład wtedy, gdy te same obiekty czy osoby stanowiące próbę są badane dwukrotnie w różnych warunkach. Wtedy zwykle liczebności obu prób są jednakowe: n1 = n2 = n
Wynikiem takiego eksperymentu są 4 liczby, stwierdzające, ile obiektów w każdej z prób spełnia lub nie spełnia warunku. Wyniki takie można zestawić w tabelce 2x2:
Liczebności |
Próba 2: TAK |
Próba 2: NIE |
Próba 1:TAK |
a |
b |
Próba 1: NIE |
c |
d |
Te same wyniki można też zaprezentować w postaci tabelki proporcji zamiast liczebności (gdzie np.
itd.)
Proporcje: |
Próba 2: TAK |
Próba 2: NIE |
Próba 1:TAK |
p11 |
p10 |
Próba 1: NIE |
p01 |
p00 |
W zależności od liczebności prób możliwe są różne odmiany testu.
Liczebność duża
Jeżeli
, to wyznaczamy statystykę z o rozkładzie normalnym z jednego ze wzorów:
(stosujemy dowolny z powyższych wzorów, zależnie od dostępnych danych). Wartość statystyki z porównujemy z wartością zkryt wyznaczoną z tablic rozkładu normalnego, przy czym postępowanie jest takie samo, jak opisane powyżej dla testu dla jednej proporcji.
Liczebność mała (test McNemara)
W tym przypadku hipotezy mają postać:
(proporcje w obu doświadczeniach są równe)
(proporcje w obu przypadkach różnią się istotnie)
Jeżeli b + c > 10 oraz zarówno b > 5 jak i c > 5 to można wykorzystać statystykę
Jeżeli natomiast liczebności są jeszcze mniejsze, tak, że b + c > 10, ale b < 5 lub c < 5, należy wykorzystać nieco zmodyfikowany wzór:
Wartość krytyczną odczytujemy z tablic rozkładu chi-kwadrat dla danego poziomu istotności α i v = 1 stopnia swobody. Obszar krytyczny testu jest prawostronny (odrzucamy H0, gdy
).
Testy dla wielu proporcji
Mamy tu k prób o liczebnościach
. W i-tej próbie mi elementów spełnia zadany warunek, zatem proporcja w i-tej próbie jest równa
.
Testujemy hipotezy:
(wszystkie proporcje w populacjach są jednakowe)
H1: nie H0 (proporcje w poszczególnych populacjach różnią się)
Próby niezależne
Test Fishera-Snedecora
Jeżeli wszystkie liczebności
to można wyznaczyć statystykę o rozkładzie Fishera-Snedecora. Obliczamy najpierw „średnią proporcję”
oraz
Otrzymaną wartość statystyki F porównujemy z wartością krytyczną odczytaną z tablic rozkładu Fishera-Snedecora dla założonego poziomu istotności α oraz liczby stopni swobody v1 = k − 1 i
. Obszar krytyczny jest prawostronny, czyli gdy F > Fkryt — odrzucamy hipotezę H0.
Próby zależne
Jeżeli mamy do czynienia z k zależnymi próbami (seriami wyników) o jednakowej liczebności n każda (np. n osób jest poddawanych k razy badaniu, którego wynik klasyfikujemy w kategoriach: tak, nie), przy czym liczebności są
, możemy wykorzystać test Cochrana do stwierdzenia, czy wyniki w poszczególnych doświadczeniach różnią się istotnie:
H0: wyniki poszczególnych serii nie różnią się istotnie
H1: wyniki różnią się (zmiana warunków eksperymentu wpływa na wyniki)
Niech:
mi oznacza, jak poprzednio, liczbę obiektów w i-tej próbie, które spełniają warunek (wynik Tak), to znaczy
, zaś
,
wj oznacza liczbę prób, w których j-ty obiekt uzyskał wynik Tak - to znaczy
oraz
.
Obliczamy statystykę
którą porównujemy z wartością krytyczną odczytaną z tablic rozkładu chi-kwadrat dla poziomu istotności α i v = k − 1 stopni swobody. Obszar krytyczny testu jest prawostronny.