Sunteți pe pagina 1din 6

Testarea ipotezelor statistice

Concepte

 Ipoteză statistică = ipoteza care se face cu privire la parametrul unei


repartiţii sau la legea de repartiţie pe care o urmează anumite variabile
aleatoare.

 Ipoteză nulă (H0) = constă întotdeauna în admiterea caracterului


întâmplător al deosebirilor, adică în presupunerea că nu există deosebiri
esenţiale.

 Ipoteză alternativă (H1) = o teorie care contrazice ipoteza nulă. Ea va fi


acceptată doar când există suficiente dovezi, evidenţe, pentru a se stabili că
este adevărată.

 Dacă ipoteza nulă constă în afirmaţia că parametrul θ al unei distribuţii este


egal cu o anumită valoare θ0:

 ipoteza alternativă simplă: θ = θ1

θ ∈{θ1 , θ2 ,..., θk }
 ipoteza alternativă compusă:

 Testul statistic este utilizat drept criteriu de acceptare sau de respingere a


ipotezei nule.

 Regiunea critică, Rc = valorile numerice ale testului statistic pentru care


ipoteza nulă va fi respinsă.

 este astfel aleasă încât probabilitatea ca ea să conţină testul statistic,


când ipoteza nulă este adevărată, să fie α, cu α mic (α=0.01 etc.).

 dacă punctul definit de vectorul de sondaj x1,x2,…,xn cade în regiunea


critică Rc, ipoteza H0 este respinsă, iar dacă punctul cade în afara
regiunii critice Rc, ipoteza H0 est acceptată.

 regiunea critică este delimitată de valoarea critică, C – punctul de


tăietură în stabilirea acesteia.

 Eroare de genul întâi = eroarea pe care o facem eliminând o ipoteză nulă,


deşi este adevărată.

 Riscul de genul întâi (α) = probabilitatea comiterii unei erori de genul întâi.

 se numeşte nivel sau prag de semnificaţie.


 Nivelul de încredere a unui test statistic este (1-α) iar, în expresie
procentuală, (1-α)100 reprezintă probabilitatea de garantare a rezultatelor.

 Eroare de genul al doilea = eroarea pe care o facem acceptând o ipoteză


nulă, deşi este falsă.

 Probabilitatea (riscul) comiterii unei erori de genul al doilea este β.

 Puterea testului statistic este (1-β).

 Erorile în testarea ipotezelor statistice

Decizia de Ipoteza adevărată

acceptare H0 H1

H0 Decizie corectă Eroare de genul


II
(probabilitate 1-α)
(risc β)

H1 Eroare de genul I Decizie corectă

(risc α) (probabilitate 1-
β)

 α= P(respingere H0 ‫ ׀‬H0 este corectă)=P(eroare de gen I)

 β= P(acceptare H0 ‫ ׀‬H0 este falsă)=P(eroare de gen II)


Legătura dintre probabilităţile α şi β
sx
 Cum,s x = n , odată cu creşterea volumului n al eşantionului,
abaterile medii pătratice ale distribuţiilor pentru H0 şi H1 devin mai mici
şi, evident, atât α, cât şi β, descresc.

α şi β când volumul eşantionului n' > n

 Se fac presupuneri privind populaţia sau populaţiile ce sunt eşantionate


(normalitate etc.).

 Se calculează apoi testul statistic şi se determină valoarea sa numerică pe


baza datelor din eşantion.

 Se desprind concluziile: ipoteza nulă este fie acceptată, fie respinsă, astfel:

 dacă valoarea numerică a testului statistic cade în regiunea critică


(Rc), respingem ipoteza nulă şi concluzionăm că ipoteza alternativă
este adevărată. Această decizie este incorectă doar în 100 α % din
cazuri;

 dacă valoarea numerică a testului nu cade în regiunea critică (Rc),


se acceptă ipoteza nulă H0.

 Ipoteza alternativă poate avea una dintre următoarele trei forme (pe care le
vom exemplifica pentru testarea egalităţii parametrului „media colectivităţii
generale“, μ, cu valoarea μ0)

 test bilateral:

H 0 : μ = μ0

H1: μ ≠ μ0 (μ < μ0 sau μ > μ0)

 test unilateral dreapta:


H 0 : μ = μ0

H 1 : μ > μ0

 test unilateral stânga:

H 0 : μ = μ0

H 1 : μ < μ0

μ μ μ

a) b)
c)

Regiunea critică pentru a) test bilateral; b) test unilateral stânga; c) test unilateral
dreapta

Testarea ipotezei privind media populaţiei generale (μ) pentru


eşantioane de volum mare

 Utilizarea eşantioanelor de volum mare (n > 30) face posibilă aplicarea


teoremei limită centrală.

 În cazul testului bilateral, ipotezele sunt:

H0: μ = μ0 (μ - μ0=0)

H1: μ ≠ μ0 (μ - μ0≠0) (adică μ < μ0 sau μ > μ0);

x − µ0 x − µ0 x − µ0
z= = ≈
σx σ x n sx n

Rc: z< - z α/2 sau z> z α/2

Regula de decizie este, deci:


x −µ
Respingem H0 dacă 0 < −zα / 2
σx n
sau x − µ0
> zα / 2
σx n

 Exemplu: Presupunem că un fabricant de materiale de construcţii


comercializează ciment în pungi care trebuie să conţină 12 kg/pungă. Pentru
a detecta eventuale abateri în ambele sensuri de la această cantitate, se
selectează 100 de pungi, pentru care se calculează , sx= 0,5 kg. Pentru
un prag de semnificatie α = 0,01 (probabilitatea de garantare a rezultatelor:
(1- α)100=99%) să se determine dacă se acceptă ipoteza nulă, respectiv
aceea că greutatea pungilor este, în medie, de 12 kg.

H0: μ = 12;

H1: μ ≠ 12 ( μ < 12 sau μ > 12).

z α/2 =z0,005=2,576

x −12 x −12 x −12 11,85 −12


z= = ≈ = = −3,0
σx σ n s n 0,5 10

Regiunea critică: z< - z α/2 sau z> z α/2

Cum z = - 3,0 < - 2,576 se respinge ipoteza nulă H0 şi se acceptă ipoteza


alternativă, aceea că greutatea pungilor diferă, în medie, de 12 kg.

α Test unilateral stânga Test unilateral dreapta Test bilateral

0,10 z < - 1,28 z > 1,28 z < - 1,645 sau z > 1,645

0,05 z < - 1,645 z > 1,645 z < - 1,96 sau z > 1,96

0,01 z < - 2,33 z > 2,33 z < - 2,576 sau z > 2,576

 Pentru testul unilateral stânga, ipotezele sunt:

H0: μ = μ0 (μ - μ0=0);

H1: μ < μ0 (μ - μ0<0).


x − µ0 x − µ0 x − µ0
z=
Testul statistic calculat este: = ≈
σx σ n s n
Regiunea critică este dată de:

Rc: z < –zα


Regula de decizie este:
x −µ
Respingem ipoteza H0 dacă 0 < −zα
σ n