208 Weryfikacja hipotez statystycznych
Tabela 6.1')
Warianty cechy X |
/ |
- j2 |
Razem | ||
i Y |
K - |
m | |||
n |
ij | ||||
abstynent |
bardzo rzadko |
raz w miesiącu |
częściej | ||
Tak |
0,83 |
0,83 |
0,63 |
0,00 |
2,29 |
Nie |
3,33 |
3,33 |
2,50 |
0,00 |
9,17" |
Razem |
4,17 |
4,17 |
3,13 |
0,00 |
11,46 |
Obliczona przez nas statystyka (6.6) ma więc wartość X ~ 11-46 .
Z tablic rozkładu y? odczytujemy wartość krytyczną dla poziomu istotności a = 0,05 i (2-1 )(4-1 )=3 stopni swobody. Znaleziona wartość krytyczna wynosi
Xa =7,815. Mamy zatem: x* = 11,46 e W = /7,815;+oo), czyli hipotezę lllt
odrzucamy na rzecz hipotezy alternatywnej H|.
Można sądzić przy 5% błędzie I rodzaju, że częstość spożywania alkoholu prze/ młodzież zależy od faktu spożywania alkoholu w domu.
Jak sama nazwa wskazuje, testy parametryczne służą do weryfikacji hipotez odnośnie do parametrów rozkładu rozpatrywanej zbiorowości. Podobnie jak w przypadku testów nieparametrycznych, weryfikacja hipotez może dotyczyć:
- jednej populacji generalnej, wówczas celem naszym jest sprawdzenie, czy interesujący nas parametr charakteryzujący zbiorowość statystyczną ma określoną wartość,
- dwóch zbiorowości, a celem jest weryfikacja hipotezy o równości wartości badanego parametru w analizowanych zbiorowościach.
W poprzednim rozdziale stwierdziliśmy, że estymatorem wartości oczekiwanej w populacji generalnej może być średnia arytmetyczna z próby. Jednakże wyznaczona przez nas ocena estymatora nie jest prawdopodobnie wartością poszukiwanego parametru. Stąd istnieje konieczność weryfikacji hipotezy, czy nieznana wartość oczekiwana jest równa lub statystycznie różni się (albo jest większa lub mniejsza) od pewnej (np. przyjętej przez nas) wartości.
Stawiamy zatem hipotezę zerową Hn: wobec jednej z możliwych
hipotez alternatywnych: Hf 0juo, Hf ^Mo, ^ri:/J</-,n
Wybór odpowiedniego sprawdzianu do weryfikacji tej hipotezy zależy od posiadanej wiedzy na temat zbiorowości generalnej oraz od liczebności próby (podobnie jak to miało miejsce w przypadku budowy przedziałów ufności).
Przypadek I. Populacja o rozkładzie normalnym ze znanym a Z populacji losujemy «-elementov ą próbę. Jeżeli populacja ma rozkład N(fi,cr), przy czym odchylenie standardowe populacji o jest znane, to tcsl istotności dla hipotezy H0: M=/-‘o polega na podjęciu decyzji w oparciu o wyznaczoną wartość sprawdzianu testu:
u - (6.7)
a
gilzie:
x - średnia arytmetyczna wyznaczona z próby,
po - z góry określona wartość nadziei matematycznej w populacji,
G - odchylenie standardowe dla populacji, n - liczebność próby.
Statystyka ta przy założeniu prawdziwości hipotezy Ha ma rozkład normalny 7V(0,1).
W tym wariancie konstruuje się obustronny obszar odrzucenia, tak pokazano rysunku 6.3.
a/2
\
u®
Rys. 6.3 Obustronny obszar odrzucenia oparły na standaryzowanym rozkładzie normalnym dla poziomu istotności a
Ma on postać W = (-co;-//„)u(;/„;oo), gdzie u„ wyznaczamy tak, aby spełniony był warunek lĄit\ £ //„) - a . Korzystając z. własności prawdopodo-