3: Hipotézis tesztelés
- Page ID
- 205312
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
- 3.1: A hipotézis tesztelésének alapjai
- Az előző két fejezet bevezette a mintaadatok rendszerezésének és összegzésének módszereit, valamint a minta statisztikák felhasználását a populáció paramétereinek becslésére. Ez a fejezet bemutatja a következtetési statisztikák következő fő témáját: a hipotézis tesztelését.
- 3.2: Hipotézis teszt a populáció átlagáról, ha a populáció szórása ismert
- Két egyenértékű módszert fogunk megvizsgálni a hipotézis teszt elvégzésére: a klasszikus megközelítést és a p-érték megközelítést. A klasszikus megközelítés standard eltéréseken alapul. Ez a módszer összehasonlítja a tesztstatisztikát (Z-pontszám) a standard normál táblázat kritikus értékével (Z-pontszám). Ha a tesztstatisztika az elutasítási zónába esik, elutasítja a nullhipotézist. A p-érték megközelítés a normál görbe alatti területen alapul.
- 3.3: Hipotézis teszt a populáció átlagáról, ha a populáció szórása ismeretlen
- Gyakran előfordul, hogy a populáció szórása (σ) nem ismert. Megbecsülhetjük a populáció szórását (σ) a minta szórásával (szórásával). A tesztstatisztika azonban már nem követi a normál normál eloszlást. A tanuló t-eloszlására kell támaszkodnunk n-1 szabadságfokkal. Mivel a minta szórását (szórásait) használjuk, a tesztstatisztika Z-pontszámról t-pontszámra változik.