TEMA 10 TESTE DE CONCORDAN Obiective

Cunoaterea conceptelor referitoare la testele de concordan Analiza principalelor teste de concordan Aplicaii rezolvate Aplicaii propuse

Cuprins
10.1 Concepte referitoare la testele de concordan 10.2 Testul 2 10.3 Testul Henry 10.4 Testul Kolmogorov-Smirnov 10.5 Testul Grubbs 10.6 Concepte cheie 10.2 10.2 10.7 10.9 10.12 10.13

10.2

MODULUL 3 METODE DE INFEREN STATISTIC

10. TESTE DE CONCORDAN

10.1 Concepte referitoare la testele de concordan
Testele de concordan (n englez goodness of fit test) ne arat modul n care un anumit model statistic (o anumit distribuie statistic) se potrivete cu o anumit mulime de date. Aceste teste pun n eviden concordana dintre modelul empiric, furnizat de histogram, i modelul teoretic pe care l considerm adecvat pentru populaia din care provin datele statistice observate. Un test de concordan const din verificarea ipotezei nule: H 0 : X F ( x) , cu ipoteza alternativ:
H1 : X F ( x) ,

unde F(x) este o anumit funcie de distribuie cumulativ. n continuare se calculeaz statistica testului. La pasul urmtor se determin, n funcie de efectivul eantionului n i de nivelul sau pragul de ncredere , valoarea critic a testului. Decizia de acceptare/respingere a ipotezei H0 se ia prin compararea dintre statistica testului i valoarea critic a testului Vom analiza n continuare cele mai uzuale teste de concordan, dintre care unele sunt generale (aplicabile pentru mai multe distribuii statistice), iar altele sunt specifice (aplicabile numai pentru anumite distribuii statistice). Dintre testele de concordan specifice, vom analiza testele pentru verificarea ipotezei normalitii.

10.2 Testul 2
Testul de concordan 2 (hi-ptrat) este un test general, care poate fi aplicat oricrei distribuii statistice creia putem sa i calculm funcia de distribuie cumulativ. Testul 2 se aplic datelor grupate (sau datelor de frecven). Dac datele sunt negrupate, atunci le putem grupa cu ajutorul unei histograme. Pentru testul 2 se aplic urmtorul algoritm. Algoritm pentru testul 2 [1]: Se construiete o histogram cu nc clase, n care faj, j = 1,2,...,nc sunt frecvenele absolute observate. [2]: Se calculeaz frecvenele medii estimate fej:

fe j = n F (lc j +1 ) F (lc j ) ,

unde: n este efectivul eantionului; F este funcia de distribuie cumulativ testat; lcj i lcj+1 sunt limitele clasei j.
[3]: Se calculeaz statistica testului

2 calculat

=
j =1

nc

( fa

fe j ) fe j

TEMA 10 VERIFICAREA IPOTEZELOR STATISTICE

10.3

[4]: Se determin valoarea critic a testului

2 ( ; nc c + 1) , critic

unde: este nivelul (pragul) de semnificaie al testului; c este numrul de parametri ai distribuiei F; ncc+1 numrul de grade de libertate ale distribuiei 2.
[5]: Decizia asupra acceptrii sau respingerii ipotezei H0 se ia astfel: Dac
2 2 ( ; nc c + 1) , calculat critic

atunci se accept ipoteza nul, respectiv datele provin din distribuia testat. Dac
2 2 ( ; nc c + 1) , calculat > critic

atunci se respinge ipoteza nul, respectiv datele nu provin din distribuia testat.
Valorile critice ale testului 2 pentru nivelul (pragul) de semnificaie = 0,05 i un numr de 1 10 grade de libertate sunt date n tabelul urmtor:
= 0,05
Grade de libertate 1 2 3 4 5

= 0,05

2
3,841 5,991 7,815 9,488 11,070

Grade de libertate 6 7 8 9 10

2
12,592 14,067 15,507 16,919 18,307

Exemplul 10.1 S se aplice testul 2 pentru verificarea ipotezei normalitii pentru eantionul de date i tabelul de frecven din Exemplul 2.9, pentru care avem media 10,632 i abaterea standard 4,28843. Rezolvare: Aplicm paii algoritmului descris anterior. [1] Utilizm tabelul de frecven din Exemplul 2.9, pentru frecvenele absolute observate. [2] Pentru frecvenele medii estimate, standardizm mai nti valorile lc1=0; lc2=4,0; lc3=8,0; lc4=12,0; lc5=16,0; lc6=20,0 i obinem:

z1 = z3 = z5 =

0 10,632 0 10,632 = 2,48 ; z2 = = 2,48 ; 4,28843 4,28843 8,0 10,632 12,0 10,632 = 0,61 ; z4 = = 0,32 ; 4,28843 4,28843 16,0 10,632 20,0 10,632 = 1,25 ; z6 = = 2,18 . 4,28843 4,28843

10.4

MODULUL 3 METODE DE INFEREN STATISTIC

Atunci din tabelul distribuiei normale standardizate obinem:

fe1 = 25 [F ( z2 ) F ( z1 )] = 25 [F ( 1,55) F ( 2,48)] = = 25 [0,0606 0,0066] = 25 0,0540 = 1,4.

fe2 = 25 [F ( z3 ) F ( z2 )] = 25 [F ( 0,61) F ( 1,55)] = = 25 [0,2709 0,0606] = 25 0,2103 = 5,3. fe3 = 25 [F ( z 4 ) F ( z3 )] = 25 [F (0,32 ) F ( 0,61)] = = 25 [0,6255 0,2709] = 25 0,3546 = 8,9. fe4 = 25 [F (z5 ) F ( z 4 )] = 25 [F (1,25) F (0,32)] = = 25 [0,8944 0,6255] = 25 0,2689 = 6,7. fe5 = 25 [F ( z6 ) F ( z5 )] = 25 [F (2,18) F (1,25)] = = 25 [0,9854 0,8944] = 25 0,0910 = 2,3.
[3] Statistica testului este calculat n tabelul de frecven urmtor:
Clase 1 2 3 4 5 Intervale de clas 0 4,0 8,0 12,0 16,0 4,0 8,0 12,0 16,0 20,0 faj 2 5 8 7 3 25 fej 1,36 5,22 8,89 6,74 2,27 (faj fej)2 0,4093 0,0473 0,7852 0,0685 0,5304 (faj fej)2/fej 0,3009 0,0091 0,0884 0,0102 0,2335 0,6419

Rezult statistica calculat a testului:

2 calculat = 0,6419 .

[4] Pentru = 0,05, nc = 5, c = 2 rezult valoarea critic a testului:

2 (0,05;4) = 9,488. = critic 2 2 ( ; nc c + 1) = critic (0,05;5 2 + 1) = critic

[5] Decizia, innd cont de relaia:

2 2 (0,05; 4) = 9,488 , calculat = 0,6419 < critic

este normalitate confirmat.

Exemplul 10.2 Un zar este aruncat de 600 de ori, n tabelul urmtor fiind nregistrate numrul de apariii (faj, j = 1,2,...,6) ale fiecrei fee nj a zarului:
nj faj 1 119 2 104 3 84 4 99 5 90 6 104

S se aplice testul 2 pentru verificarea ipotezei uniformitii, respectiv pentru a verifica dac zarul este echilibrat.

TEMA 10 VERIFICAREA IPOTEZELOR STATISTICE

10.5

Rezolvare: Experimentul aruncrii unui zar este modelat de distribuia uniform. Rezult frecvenele estimate fej = 100, j = 1,2,...,6. Statistica testului:

2 calculat

=
j =1

( fa

fe j ) fe j

este calculat cu ajutorul tabelului urmtor.

nj faj fej fajfej (faj fej)2 (faj fej)2/fej 1 119 100 19 361 3,61 2 104 100 4 16 0,16 3 84 100 -16 256 2,56 4 99 100 -1 1 0,01 5 90 100 -10 100 1 6 104 100 4 16 0,16 Total 600 600 7,50

Rezult statistica calculat:

2 calculat = 7,50 .

Numrul de grade de libertate al distribuiei 2 este numrul de clase 1, adic 6 1 = 5. 2 (0,05;5) = 11,070 i are loc relaia: Valoarea critic a testului, pentru = 0,05 este critic
2 2 (0,05;5) = 11,070 > calc critic = 7,50 .

Rezult decizia de acceptare a ipotezei uniformitii, adic zarul este echilibrat.

Testul 2 se aplic i pentru tabelele de contingen, pentru a stabili dac exist o legtur ntre variabilele calitative (nominale) coninute n aceste tabele. Ipoteza nul specific faptul c nu exist o relaie ntre cele dou variabile, adic
H0: Cele dou variabile sunt independente.

Ipoteza alternativ specific faptul c o variabil este influenat de cealalt:

H1: Cele dou variabile sunt dependente. Algoritmul testului 2 pentru tabele de contingen pq [1]: Se construiete tabelul de contingen cu p coloane i q linii, n care pe coloane nregistrm valorile variabilei A, A1, A2,..., Ap, iar pe linii nregistrm valorile variabilei B, B1, B2,..., Aq. n celulele tabelului avem frecvenele absolute faij, i = 1,..., q, j = 1,..., p . n ultima coloan avem sumele pe linie ni, iar n ultima linie sumele pe coloan mj. [2]: Se calculeaz frecvenele medii estimate feij:

feij =

ni m j n

, i = 1, q, j = 1, p ,

unde n este totalul general al tabelului de contingen.

[3]: Se calculeaz statistica testului

10.6

MODULUL 3 METODE DE INFEREN STATISTIC

2 calculat

=
i =1 j =1

( fa

ij

feij ) feij

[4]: Se determin valoarea critic a testului:

2 ( ; ) , critic

unde: este nivelul (pragul) de semnificaie al testului; n este numrul de grade de libertate ale distribuiei 2, calculat cu relaia:

= ( p 1) (q 1) .
[5]: Decizia asupra acceptrii sau respingerii ipotezei H0 se ia astfel: Dac
2 2 ( ; ) , calculat critic

atunci se accept ipoteza nul, respectiv cele dou variabile sunt independente. Dac
2 2 ( ; ) , calculat > critic

atunci se respinge ipoteza nul, respectiv cele dou variabile sunt dependente, una fiind influenat de cealalt.
Exemplul 10.3 Un distribuitor, care primete un anumit produs de la doi furnizori, F1 i F2, a nregistrat reclamaiile primite n termen de garanie (TG) pentru produsele livrate. Datele obinute sunt n tabelul de contingen urmtor:
Furnizor F1 Reclamaii n TG Fr reclamaii n TG Furnizor F2

500 46.250

1.500 123.750

S se aplice testul 2 pentru a verifica dac reclamaiile depind de furnizorii de produse.

Rezolvare: Aplicm paii algoritmului descris anterior. [1]: Avem tabelul de contingen 22 urmtor, n care p = 2 i q = 2, iar n celulele tabelului avem frecvenele absolute:
Furnizor F1 Reclamaii n TG Fr reclamaii n TG mj Furnizor F2 ni

500 46.250 46.750

1.500 123.750 125.250

2.000 170.000 172.000

[2]: Calculm frecvenele medii estimate i obinem valorile din tabelul urmtor:

fe11 =

n1 m1 2.000 46.750 = = 544 , n 172.000

TEMA 10 VERIFICAREA IPOTEZELOR STATISTICE

10.7

fe12 =

n1 m2 2.000 125.250 = = 1.456 , n 172.000

fe21 = fe22 =

n2 m1 170.000 46.750 = = 46.206 , n 172.000

n2 m2 170.000 125.250 = = 123.794 . n 172.000

Furnizor F1 Furnizor F2 ni

Reclamaii n TG Fr reclamaii n TG mj

544 46.206 46.750

1.456 123.794 125.250

2.000 170.000 172.000

[3]: Calculm statistica testului organiznd datele n tabelul urmtor:

i, j 1, 1 1, 2 2, 1 2, 2 faij 500 1.500 46.250 123.750 172.000 feij 544 1.456 46.206 123.794 172.000 (faijfeij)2/feij 3,559 1,330 0,042 0,016 4,946

2 Am obinut calculat = 4,946 . [4]: Determinm valoarea critic a testului pentru = 0,05 i n = (21)(21) = 1. Rezult:

2 2 ( ; ) = critic (0,05;1) = 3,841 . critic

[5]: Am obinut:
2 2 calculat = 4,946 > critic = 3,841 ,

i n consecin decidem asupra respingerii ipotezei nule i acceptrii ipotezei alternative, adic reclamaiile depind de furnizorii de produse.

10.3 Testul Henry

Unul din testele de concordan cele mai uzuale i mai simple pentru verificarea ipotezei normalitii este aa-numita dreapt a lui Henry. Metoda se bazeaz pe liniarizarea valorilor eantionului sau a valorilor distribuiei frecvenei relative. Testul Henry se poate aplica att pentru date negrupate, ct i pentru date grupate. Vom prezenta n continuare algoritmul de aplicare a testului Henry pentru date grupate. n acest scop vom utiliza gruparea datelor de frecven obinut ca urmare a construciei histogramei frecvenei relative, precum i grila de probabilitate normal standardizat prezentat n Tema 6.

10.8

MODULUL 3 METODE DE INFEREN STATISTIC

Algoritm pentru testul Henry date grupate [1]: Se determin limitele intervalelor de clas (lcj) i frecvena absolut (faj), j = 1,2,...,nc, conform algoritmului histogramei frecvenei relative [2]: Se determin mijloacele intervalelor de clas (mj) cu relaia:

mj =

lc j + lc j +1 2

[3]: Se determin frecvena cumulat estimat (fcej) cu relaiile:

fce1 = fa1 fce j +1 = fce j + fa j + fa j +1 , j = 1, K, nc 1.

[4]: Se determin frecvena cumulat estimat procentual (fcej(%)) cu relaia:

fce j (%) =

fce j 2n

100(%), j = 1,K, nc .

Elementele de la paii [1] - [4] ai algoritmului se calculeaz ntr-un tabel de frecven cumulat estimat de forma:
Clase 1 2 ... k ... nc Intervale de clas lc1 lc2 ... lck ... lcnc lc2 lc3 ... lck+1 ... lcnc+1 mj m1 m2 ... mk ... mnc faj fa1 fa2 ... fak ... fanc n fcej fce1= fa1 fce2= fce1+ fa1+ fa2 ... fcek= fcek-1+ fak-1+ fak ... fcenc= fcenc-1+ fanc-1+ fanc (fcenc + fanc = 2n) fcej(%) fce1/2n100 fce2/2n100 ... fcek/2n100 ... fcenc/2n100 -

[5]: Se reprezint pe grila de probabilitate normal punctele de coordonate:

(m ; fce (%)),
j j

j = 1,2,..., nc .

[6]: Se traseaz o dreapt care s treac prin (apropierea a) ct mai multe puncte. [7]: Decizia asupra ipotezei normalitii:

Dac toate punctele se situeaz n proximitatea dreptei trasate, atunci se accept ipoteza normalitii; Dac exist unul sau mai multe puncte sensibil deprtate de dreapta trasat, atunci se respinge ipoteza normalitii.

Exemplul 10.4 Se consider eantionul de date i tabelul de frecven din Exemplul 2.9. S se aplice testul Henry pentru verificarea ipotezei normalitii, avnd n vedere forma aproximativ de clopot a histogramei frecvenei relative. Rezolvare: n tabelul de frecven cumulat estimat urmtor au fost determinate elementele de la paii 1 4 ai algoritmului, calculndu-se mai nti mijloacele intervalelor de clas. Dup aceea a fost calculat frecvena cumulat estimat a fiecrei clase, iar n final frecvena cumulat estimat procentual prin mprire la 2n i apoi nmulire cu 100.

TEMA 10 VERIFICAREA IPOTEZELOR STATISTICE

10.9

Clase 1 2 3 4 5

Intervale de clas 0 4,0 8,0 12,0 16,0 4,0 8,0 12,0 16,0 20,0

mj 2,0 6,0 10,0 14,0 18,0

faj 2 5 8 7 3 25

fcej 2 2+2+5=9 9 + 5 + 8 = 22 22 + 8 + 7 = 37 37 + 7 + 3 = 47 (47 + 3 = 50)

fcej(%) 4,0% 18,0% 44,0% 74,0% 94,0% -

n continuare, va trebui s reprezentm pe grila de probabilitate normal standardizat valorile pentru (mj; fcej(%)) (Figura 10.1). Pentru reprezentarea pe ordonat, va trebui s inem cont c grila este simetric numai pe ordonata dreapt, pe ordonata stng ea avnd intervale de valori diferite, respectiv ntre dou valori (linii) ale grilei fiind valori diferite de la un interval la altul. Pentru o reprezentare corect i proporional va trebui s facem o interpolare ntre valoarea fcej(%)i limitele ntre care reprezentm aceast valoare.

F(z) % 99,87% 99,38% 97,72% 93,32% 84,13% 69,15% 50,00% 30,85% 15,87% 6,68% 2,28% 0,62% 0,13% mj

z 3,0 2,5 2,0 1,5 1,0 0,5 0,0 -0,5 -1,0 -1,5 -2,0 -2,5 -3,0

2,0

6,0

10,0

14,0

18,0

Decizie: Normalitate confirmat

Figura 10.1 Dreapta lui Henry

Se observ c toate punctele reprezentate pe gril sunt situate pe dreapta trasat. n aceste condiii decizia testului este de normalitate confirmat, ceea ce nseamn c acceptm ipoteza c datele eantionului provin dintr-o populaie modelat de distribuia normal.

10.4 Testul Kolmogorov-Smirnov

Testul Kolmogorov Smirnov este un test de normalitate foarte rspndit,bazat pe prorietile matematice demonstrate de cei doi mari matematicieni rui. Testul Kolmogorov Smirnov este un test util, datorit faptului c ofer posibilitatea de decizie asupra ipotezei normalitii att analitic, ct i grafic. Testul utilizeaz date negrupate, fiind relativ dificil de aplicat fr utilizarea unui calculator electronic.

10.10

MODULUL 3 METODE DE INFEREN STATISTIC

Algoritm pentru testul Kolmogorov Smirnov date negrupate [1]: Se calculeaz media i dispersia eantionului de date negrupate x1 , x2 ,..., xn :

x=

x
i =1

, s=

(x x)
i =1 i

n 1

[2]: Se ordoneaz cresctor valorile eantionului de date i se obine eantionul ordonat:

x(1) x( 2) ... x( n ) .
[3]: Se calculeaz funcia de distribuie cumulativ empiric a eantionului ordonat cresctor:

Fn ( x) =
[4]: Se calculeaz statistica testului:

i , i = 1, 2,..., n . n

Dn = max Fn ( x j ) F0 ( x j ) , unde F0(xj) este funcia de distribuie cumulativ normal.

[5]: Decizia asupra ipotezei normalitii se ia n funcie de valoarea critic a testului d1,n (unde este eroarea, iar 1 nivelul de ncredere al testului) astfel:

Dac Dn d1 ,n , atunci se accept ipoteza normalitii; Dac Dn > d1 ,n , atunci se respinge ipoteza normalitii. LI = F0 ( xi ) d1 ,n , LS = F0 ( xi ) + d1 ,n .

[6]: Pentru reprezentarea grafic, se calculeaz dou limite, inferioar i superioar, astfel:

Decizia grafic de respingere a normalitii se adopt atunci cnd funcia de distribuie cumulativ empiric iese n afara limitelor inferioar i superioar. Valorile critice aproximative ale testului Kolmogorov Smirnov sunt date n tabelul urmtor, n funcie de efectivul eantionului n i nivelul de ncredere 1:

0,80

0,85

0,90

0,95

0,99

d 1 ,n

1,07 n

1,14 n

1,22 n

1,36 n

1,63 n

Exemplul 10.5 Se consider eantionul de date negrupate din Exemplul 2.9. S se aplice testul Kolmogorov-Smirnov pentru verificarea ipotezei normalitii, avnd n vedere forma aproximativ de clopot a histogramei frecvenei relative. Rezolvare: Pentru eantionul dat, avem media 10,632 i abaterea standard 4,28843.

TEMA 10 VERIFICAREA IPOTEZELOR STATISTICE

10.11

n tabelul urmtor sunt calculate, pe fiecare linie, pentru valorile ordonate ale eantionului, funcia de distribuie cumulativ empiric i teoretic, statistica testului i limitele inferioar i superioar.
i 1 2 3 4 5 6 7 8 9 10 11 12 13 xi 10,1 12,2 14,3 6,4 9,2 16,6 15,5 11,8 12,3 13,2 11,2 10,4 7,5 x(i) 2,0 3,5 4,2 5,7 6,4 7,5 7,6 8,3 9,2 10,1 10,3 10,4 10,5 Fn(xi) 0,040 0,080 0,120 0,160 0,200 0,240 0,280 0,320 0,360 0,400 0,440 0,480 0,520 F0(xi) 0,0221 0,0481 0,0668 0,1251 0,1619 0,2326 0,2398 0,2933 0,3692 0,4506 0,4691 0,4784 0,4877 |F0(xi)-Fn(xi)| 0,0179 0,0319 0,0532 0,0349 0,0381 0,0074 0,0402 0,0267 0,0092 0,0506 0,0291 0,0016 0,0323 LI 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,021 0,097 0,179 0,197 0,206 0,216 LS 0,2941 0,3201 0,3388 0,3971 0,4339 0,5046 0,5118 0,5653 0,6412 0,7226 0,7411 0,7504 0,7597

14 15 16 17 18 19 20 21 22 23 24 25

5,7 13,1 18,0 2,0 14,9 17,0 3,5 8,3 10,3 10,5 7,6 4,2

11,2 11,8 12,2 12,3 13,1 13,2 14,3 14,9 15,5 16,6 17,0 18,0

0,560 0,600 0,640 0,680 0,720 0,760 0,800 0,840 0,880 0,920 0,960 1,000

0,5527 0,6073 0,6427 0,6513 0,7175 0,7254 0,8038 0,8402 0,8718 0,9180 0,9312 0,9571

0,0073 0,0073 0,0027 0,0287 0,0025 0,0346 0,0038 0,0002 0,0082 0,0020 0,0288 0,0429

0,281 0,335 0,371 0,379 0,446 0,453 0,532 0,568 0,600 0,646 0,659 0,685

0,8247 0,8793 0,9147 0,9233 0,9895 0,9974 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000

Rezult statistica testului (valoarea maxim a diferenei dintre funciile de distribuie empiric i teoretic) Dn = 0,0532. Pentru n = 25 i nivelul de ncredere 1 = 0,95, avem valoarea critic d1,n = d0,95;25 = 0,272. Atunci, conform criteriului de decizie al testului, se adopt decizia normalitate confirmat. Reprezentarea grafic a testului este redat n Figura 10.2. Se observ c funcia de distribuie empiric se apropie de funcia teoretic i nu depete limitele critice.

1,00 0,80 Fn(xi) 0,60 0,40 0,20 0,00 0,00 F0(xi) LI LS

5,00

10,00

15,00

20,00

Figura 10.2 Testul Kolmogorov-Smirnov

10.12

MODULUL 3 METODE DE INFEREN STATISTIC

10.5 Testul Grubbs

Testul Grubbs este cel mai des folosit test pentru verificarea existenei valorilor extreme (denumite i valori aberante n englez outliers), respectiv a valorilor care se ndeprteaz de restul populaiei i care nu caracterizeaz din punct de vedere statistic acea populaie. Aceste valori trebuie eliminate (discardate), pentru a nu influena rezultatele analizei i ale inferenei statistice. Algoritm pentru testul Grubbs [1]: Se ordoneaz cresctor valorile x1 , x2 ,..., xn ale eantionului de date i se obine eantionul ordonat cresctor x(1) x( 2) ... x( n ) , urmnd a se decide asupra eliminrii

eventuale a valorilor xmax = x( n ) ca valoare extrem maxim, respectiv xmin = x(1) ca valoare extrem minim.
[2]: Se calculeaz media i abaterea standard ale eantionului de date:

x=

xi
i =1

, s=

(x x)
i =1 i

n 1 x x(1) s

[3]: Se calculeaz statistica testului:

v=

x( n ) x s

, v =

[4]: Decizia de pstrare/ndeprtare a valorii xmax = x( n ) (sau xmin = x(1) ) ca valoare extrem

(aberant) maxim (sau minim) se ia astfel:

Dac v > j (n;1 ) (sau v > j (n;1 ) ), atunci xmax = x( n ) (sau xmin = x(1) ) se elimin ca fiind valoare extrem (aberant) maxim (sau minim) Dac v j (n;1 ) (sau v j (n;1 ) ), atunci xmax = x( n ) (sau xmin = x(1) ) se pstreaz.

Valorile critice ale testului Grubbs j (n;1 ) n funcie de efectivul eantionului n i nivelul de ncredere 1 sunt date n tabelul urmtor.
1 n 15 25 50 100 0,900 2,25 2,49 2,77 3,02 0,950 2,41 2,66 2,96 3,21 0,975 2,55 2,82 3,13 3,38 0,990 2,71 3,01 3,34 3,60 0,995 2,81 3,14 3,48 3,75 1,000 3,00 3,39 3,79 4,08

Exemplul 10.6 S se aplice testul Grubbs pentru eliminarea valorilor aberante pentru eantionul de 25 de valori din Exemplul 2.9. Rezolvare: Aplicm paii algoritmului.

TEMA 10 VERIFICAREA IPOTEZELOR STATISTICE

10.13

[1]: Ordonm cresctor eantionul. Obinem:

xmax = x( 25) = 18,0 , xmin = x(1) = 2,0 .

[2]: Pentru eantionul dat, avem media x = 10,632 i abaterea standard s = 4,28843. [3]: Se calculeaz statisticile testului. Obinem:
v= x( 25) x s x x(1) s = 18,0 10,632 = 1,7181 , 4,28843 10,632 2,0 = 2,0129 . 4,28843

v =

[4]: Pentru n = 25 i nivelul de ncredere 1 = 0,95 rezult din tabelul valorilor critice:

v = 1,7181 < j (n;1 ) = j (25;0,95) = 2,66 , v = 2,0129 < j (n;1 ) = j (25;0,95) = 2,66 , ceea ce ne duce la concluzia c nu exist valori extreme maxime (sau minime) care s fie eliminate.

10.6 Concepte cheie

Test de concordan Statistica testului Valoare critic Nivel (prag) de semnificaie Nivel de ncredere Frecven cumulat estimat

Testul 2 Testul Henry Deapta lui Henry Testul Kolmogorov -Smirnov Valoare extrem (aberant) Testul Grubbs

10.14

MODULUL 3 METODE DE INFEREN STATISTIC