Проверка статистических гипотез

Статистической гипотезой называется любое предположение о виде или о параметрах неизвестного распределения генеральной совокупности.

Не располагая сведениями обо всей генеральной совокупности, высказанную гипотезу сопоставляют по определенным правилам с выборочными данными и делают вывод о том, можно принять гипотезу или нет. Эта процедура сопоставления называется проверкой гипотезы.

Рассмотрим этапы проверки гипотезы и используемые при этом понятия.

1. Располагая выборочными данными и руководствуясь конкретными условиями рассматриваемой задачи, формулируют гипотезу , которую называют основной или нулевой, и гипотезу , конкурирующую с гипотезой . Гипотезу называют также альтернативной, она является логическим отрицанием гипотезы . Выбор тех или иных нулевых или альтернативных гипотез определяется решаемыми исследователем прикладными задачами.

2. Задается вероятность , которую называют уровнем значимости.

Уровень значимости определяет вероятность так называемой ошибки первого рода, которая совершается при отвержении гипотезы , т.е. принимается конкурирующая гипотеза , тогда как на самом деле гипотеза верна. Вероятность задается заранее малым числом: 0,1; 0,05, 0,001 и т.д.

3. Выбирается статистический критерий проверки гипотезы – . Статический критерий – это случайная величина, закон распределения которой при условии справедливости проверяемой гипотезы известен.

После выбора критерия множество всех его возможных значений разбивают на два непересекающихся подмножества: одно из них содержит значения критерия, при котором нулевая гипотеза отвергается – критическая область , а другое содержит те значения критерия, при которых гипотеза принимается – область принятия гипотезы. Критическими точками называются точки, отделяющие критическую область от области принятия гипотезы.

Различают одностороннюю (правостороннюю или левостороннюю) и двустороннюю критические области. Правосторонней (левосторонней)называют критическую область, определяемую неравенством (). Двусторонней называют критическую область, определяемую неравенствами .

4. По результатам эксперимента находят эмпирическое (наблюдаемое) значение статистического критерия . Если наблюдаемое значение критерия принадлежит критической области, то нулевую гипотезу отвергают в пользу конкурирующей гипотезы; если наблюдаемое значение критерия принадлежит области принятия гипотезы, то нулевую гипотезу принимают.

5. Результат проверки гипотезы формулируется следующим образом: гипотеза проверена по критерию на уровне значимости и принята (не противоречит имеющимся экспериментальным данным) или отвергнута.

Пример.

Проверка гипотезы о равенстве средних двух нормально распределенных совокупностей с неизвестными, но равными дисперсиями по малым выборкам ()

Пусть имеются две нормально распределенные генеральные совокупности и , характеризуемые генеральными средними и . Для проверки гипотезы из этих совокупностей берутся две независимые выборки объемов и , по которым находят выборочные средние , и исправленные выборочные дисперсии , .

1. Нулевая гипотеза : .

Альтернативная гипотеза : а) ();

б) .

2. Уровень значимости .

3. Статистический критерий: (22)

Критерий имеет распределение Стьюдента с степенями свободы.

а) При альтернативной гипотезе () критическая область является односторонней и определяется неравенством . Критическая точка определяется по таблице значений распределения Стьюдента, где , .

б) При альтернативной гипотезе критическая область является двусторонней и определяется неравенством . Критическая точка определяется по таблице значений распределения Стьюдента, где , .

4. По формуле (22) определяем эмпирическое значение -критерия.

Гипотеза принимается, если: а) ;

б) .

5. Делается вывод о результатах проверки гипотезы .

Основные понятия корреляционного и регрессионного анализов

При одновременном изучении нескольких признаков какого-либо объекта или учете нескольких показателей в эксперименте возникает вопрос о взаимосвязях между исследуемыми величинами. Наиболее разработанными в математической статистике методами анализа взаимосвязей являются корреляционный и регрессионный анализы.

При изучении взаимосвязи признаки делятся на два класса:

· признаки, обуславливающие изменения других признаков, называются факторными, или факторам;

· признаки, изменяющиеся под действием факторных признаков, называются результативными.

Связь называется статистической, если каждому значению факторного признака соответствует определенное (условное) распределение результативного признака. Корреляционной связью называется частный случай статистической связи, состоящий в том, что разным значениям факторного признака соответствуют различные средние значения результативного.

Корреляционная зависимость между признаками и может быть представлена в виде уравнения:

,

где – условное математическое ожидание признака при заданном . Это уравнение называется теоретическим уравнением регрессии (или функцией регрессии) на , а его график – теоретической линией регрессии.

Парная регрессия

В зависимости от вида функции различают линейную и нелинейную регрессию.

Для отыскания теоретического уравнения регрессии необходимо знать закон распределения двумерной случайной величины . Но на практике исследователь располагает выборкой пар значений ограниченного объема . В этом случае можно построить лишь наилучшую оценку для функции регрессии, которой является выборочное уравнение регрессии на (или просто уравнение регрессии), где – условная средняя признака при фиксированном значении признака , – параметры уравнения регрессии.

Так, например, оценкой линейного уравнения регрессии на является выборочное уравнение регрессии .

Параметры и выборочного уравнения регрессии находятся следующим образом:

; (23)

, (24)

где – выборочная средняя факторного признака , – выборочная средняя результативного признака , – средняя из произведений соответствующих значений факторного и результативного признаков, – выборочная дисперсия факторного признака .

Коэффициент в уравнении регрессии называется коэффициентом регрессии (выборочным). Он показывает, насколько изменяется в среднем значение результативного признака при увеличении факторного на единицу собственного измерения.