6. Testowanie hipotez
której rozkład, dokładny lub przybliżony, jest znany przy założeniu prawdziwości hipotezy H0. Następnie wyznaczamy obszar Q C R służący do weryfikacji hipotezy H0 w ten sposób, aby przy założeniu prawdziwości H0 była spełniona równość
Pr (ZeQ) - a. (6.1.1)
Wtedy odrzucamy H0 i przyjmujemy H{, o ile istotnie zdarzy się, że z — Z (co) = z(x i,jc2, ... E Q, czyli, gdy zajdzie zdarzenie mało prawdopodobne. W praktyce statystycznej przyjmuje się zwykle, że a — 0.05, czasem a = 0.01 lub ewentualnie a = 0.1.
Obszar krytyczny i poziom istotności
Obszar Q nazywa się obszarem krytycznym, a liczbę a nazywa się poziomem istotności. Hipotezę zerową odrzucamy na korzyść alternatywnej, gdy wartość z statystyki Z znajdzie się w obszarze krytycznym. Może się oczywiście zdarzyć, że z € Q mimo, że hipoteza H0 jest prawdziwa. Zdarzy się to jednak z małym prawdopodobieństwem a. Popełniamy wtedy błąd polegający na odrzuceniu hipotezy prawdziwej, zwany błędem pierwszego rodzaju. Przyjęcie hipotezy H0 fałszywej stanowi błąd drugiego rodzaju. W przyjętej tutaj procedurze nie ma jednak przyjmowania H0, co najwyżej postanawia się, że nie ma podstaw do jej przyjęcia. Taką procedurę postępowania przyjęto, gdyż nie precyzuje się tu prawdopodobieństwa popełnienia błędu drugiego rodzaju. W następnych punktach omówimy przykłady testów statystycznych, gdzie nieznanymi parametrami próby będą wartość oczekiwana i wariancja. Liczne przykłady innych testów można znaleźć w książce [5].
Podobnie jak dla przedziałów ufności, rozpatrujemy trzy modele: rozkład normalny ze znaną wariancją, rozkład normalny z nieznaną wariancją, rozkład dowolny ze skończoną wariancją i duża próba. We wszystkich modelach n oznacza liczebność próby.
Rozkład normalny, <T znane
Model I. Populacja generalna ma rozkład N(m,a), odchylenie standardowe jest znane. Nieznany jest parametr m, dla którego stawiamy hipotezę H0 : m — m0, przeciwko jednej z hipotez:
H| : m 7^ nią,
H[ : m > m0,
H | : m < m0.
Statystyka służąca do weryfikacji hipotezy HQ dana jest wzorem
X — m
o
a
i