PARAMÉTERES STATISZTIKAI PRÓBÁK 1
HIPOTÉZISVIZSGÁLATOK, STATISZTIKAI PRÓBÁK
µ
0µ
=0 0 :
µ
=µ
HAz alapsokaságra vonatkozóan valamilyen feltevéssel élünk (pl.
µ
és/vagyσ
értéke) és azt statisztikai próbávalellenırizzük.
Jöhetnek-e az adatok olyan eloszlásból …? Pl.:
0 1:
µ
≠µ
Hnullhipotézis ellenhipotézis
A sokaságot szeretnénk megismerni, de csak a minta áll rendelkezésünkre.
u-próba
0 0 :
µ
=µ
H H1:
µ
≠µ
0n u x
σ µ
= −
n u x
σ µ0 0
= − próbastatisztika
Ha H0igaz, u0 ~ u
Ha u0 olyan értékeket vesz föl, amilyeneket u szokott, elfogadjuk
PARAMÉTERES STATISZTIKAI PRÓBÁK 3 u
α/2
0
elutasítás elutasítás elfogadás
α/2
uα/2 -uα/2
(
-ua2 <u0 ≤ua2H0)
=1−α
P
σ α
µ = −
a2 < − 0 ≤ua2H0 1 n
-u x P
n u
x n
u /2 / 0 /2 /
0
σ µ σ
µ
− α < < + αn u
x n
u
x− α/2
σ
/ <µ
0 < + α/2σ
/ a konfidencia-intervallum tartalmazza aµ
0értéketu-próba
• kiszámítjuk a próbastatisztika aktuális értékét:
n n
x n u x
σ µ µ σ
µ σ
µ
0 00
+ −
= −
= −
0 0 :
µ
=µ
H. :
vagy , :
vagy ,
: 0 1 0 1 0
1
µ
≠µ
Hµ
<µ
Hµ
>µ
H
értéke 0, ha H0 igaz
u-eloszlású
PARAMÉTERES STATISZTIKAI PRÓBÁK 5
• kijelöljük az elfogadási tartományt az elıírt α szignifikanciaszinthez
σ α µ σ
µ = −
− ≤
=
− ≤
< 0 2 0 2 1
2 a a
a u
n P x
n u -u x
P
• megvizsgáljuk, hogy a próbastatisztika kiszámított értéke az elfogadási tartományban van-e
• ha igen, elfogadjuk a nullhipotézist
: 0
1
µ
≠µ
Pl. H esetén
Els ı - és másodfajú hiba
döntés nullhipotézis a H
0hipotézist
elfogadjuk elutasítjuk
H
0igaz helyes döntés els ı fajú hiba ( α )
H
0nem igaz másodfajú hiba ( β ) helyes döntés
PARAMÉTERES STATISZTIKAI PRÓBÁK 7
A másodfajú hiba valószín ő sége
α/2 β
f(u0H0)
f(u0H1)
α/2 (µ1-µ0)/(σ/√n)
M ő ködési jelleggörbe (OC-görbe )
0.0 0.2 0.4 0.6 0.8 1.0
5.000 5.005 5.010 5.015 5.020
µ1 β
µ0
PARAMÉTERES STATISZTIKAI PRÓBÁK 9
7. példa
Táramérlegen négy ismételt tömegméréssel határoztuk meg egy tárgy tömegét. A 4 mérésb ı l álló minta számtani középértéke 5.0125 g. Korábbi mérésekb ı l tudjuk, hogy a mérés varianciája σ
2= 10
-4g
2. El kell
döntenünk, hihet ı -e, hogy a várható érték (a tárgy valódi tömege) 5.0000 g.
05 . 0 ,
4 ,
10 ,
5.0125
2=
4= =
= σ
−n α
x
0000 . 5 : H , 0000 . 5 :
H
0µ =
1µ ≠
− =
= n
u x
σ µ
0 02
= u
a5 . 2 2
/ 10
0000 . 5 0125 . 5
4
=
−
−
96 . 1
Az elfogadási tartomány: (-1.96; 1.96), a próbastatisztika aktuális értéke (2.5) ezen kívül van, így a H0hipotézist 0.05-os szignifikanciaszinten elvetjük.
PARAMÉTERES STATISZTIKAI PRÓBÁK 11
Egymintás t-próba
t x
s n x
s n s n t
s n
0
0 0 0
= − µ = − + − µ µ µ = + − µ µ H
0: µ µ =
0P -t x
s n t
a2 a
0
2
1
< −
≤
= −
µ α
H
1: µ µ ≠
08. példa
Egy analitikai módszer torzítatlanságának vizsgálatára 5 ismételt mérést végeztek. Az eredmények: 3.25, 3.27, 3.24, 3.26 és 3.24. Elfogadva, hogy az adatok
közelít ı leg normális eloszlásúak, ellen ı rizzük 5%-os szignifikanciaszinten a torzítatlanság hipotézisét!
x = 3.252 s = 0 . 013038 n = 5
t0
=
3.252 - 3.25=
0.0130385
0.342997
t
α( )
2
4 = 2 776 .
PARAMÉTERES STATISZTIKAI PRÓBÁK 13
Statisztikai próba és konfidencia-intervallum
2 0
2 α
α t t
t < <
−
Kétoldali eset
Elfogadási tartomány:
n s t x
n s
-ta2 < −µ0 ≤ a2
n s t x n
s -t
x a2 <
µ
0 ≤ + a2 Átrendezven s t0 = x−µ0
A µvárható érték 1-αvalószínőségőkonfidencia-intervalluma n
s t x n
s -t
x a2 < µ ≤ + a2
Elfogadjuk a nullhipotézist (µ= µ0), ha a konfidencia- intervallum tartalmazza a µ0feltételezett várható értéket.
n s t x n
s -t
x a2 < µ0 ≤ + a2
PARAMÉTERES STATISZTIKAI PRÓBÁK 15
χχχχ 2222 -próba a variancia vizsgálatára
H
1: σ
2> σ
02H
0: σ
2≤ σ
02Ha H0igaz, akkor a következıkifejezés
χχχχ
2-eloszlású, szabadsági foka: ν = −n 1( )
χ
0σ
2
2
0 2
= s n − 1 P s n
2( )
0 2
1
2− 1
≤
= −
σ χ
αα
,
9. példa
A 17. példa adatai alapján ellen ı rizzük α =0.05-os szignifikanciaszinten, hogy elfogadható-e az az állítás, mely
szerint a mérési módszer varianciája
( σ
2) legfeljebb 10
-4(%)
2.
PARAMÉTERES STATISZTIKAI PRÓBÁK 17
s
2= 1.700 10 ⋅
-4χ
02
4
0 00017 4
= . 10− ⋅ = 6.8
H
0: σ
2≤ 10
−4H
1: σ
2> 10
−4χ σ
σ σ
σ
0 2
2
2 4
2
4 2
0 00017 4
10 10
0 00017 4
= ⋅ . − ⋅ = − ⋅ . ⋅ =
6.8
χ
2> 1 , ha H
1igaz
( )
4 9.488,fölsıhatár2 05 .
0 =
χ
013038 .
= 0 s
Két szórásnégyzet összehasonlítása (F-próba)
H
0: σ
12= σ
22A próbastatisztika: F s ( )
s n , n
0 1
2
2
2 1
1
21
= ; − −
Egyik oldali ellenhipotézis esetén: H
1: σ
12> σ
22Akkor utasítjuk el a nullhipotézist, ha
s
12/ s
22> F
αPARAMÉTERES STATISZTIKAI PRÓBÁK 19
Kétoldali ellenhipotézis esetén: H
1: σ
12≠ σ
22Akkor utasítjuk el a nullhipotézist, ha
s
s
1F
-a/2
2
2
<
1 2s
s
1F
a/2
2
2
<
2vagy
s
12/ s
22≥ 1 elég az elfogadási tartomány föls ı határát ellen ı rizni
95 %-os egyoldali szint = a 90 %-os kétoldali szintnek
Kétmintás t-próba
Adott a két független minta elemszáma (n
1és n
2), és szórásnégyzetük ( és ). s
12s
22Tételezzük fel, hogy a két sokaság varianciája megegyezik. (Ezt F-próbával ellen ı rizni kell!)
d = − x
1x
2E d ( ) = µ
1− µ
2( ) ( )
Var d = Var x
1− x
2= σ
2/ n
1+ σ
2/ n
2PARAMÉTERES STATISZTIKAI PRÓBÁK 21
s s
n n
d
2 2
1 2
1 1
= +
( ) ( )
[ ]
s
2n +n - s n s n
1 2
1 2
1 2
2 2
1
2 1 1
= − + −
A következ ı kifejezés t-eloszlású
( ) ( )
t= d E d s
d E d s n n
d
− = −
1 + 1
1 2
ν = + n
1n
2− 2 ,
H
0: µ
1= µ
2, ekkor E d ( ) = 0
A próbastatisztika:
t = d- s
d s n n
d 0
1 2
0
1 1
=
+ , ν = ( n
1− + 1 ) ( n
2− 1 ) σ
1σ
2
2