Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Poglavlje 9<br />
Testiranje statističkih hipoteza<br />
9.1 Hipoteze, testne statistike, odluke i pogreške<br />
Statistička hipoteza je pretpostavka o populacijskoj razdiobi promatrane varijable. U<br />
slučaju parametarskih modela za populacijske razdiobe, to će biti bilo koja izjava o vrijednostima<br />
parametara. U ovom poglavlju uglavnom ćemo razmatrati takve statističke<br />
hipoteze. Osnovna hipoteza koja se testira zove se nulhipoteza i označava se sa H 0 . Nulhipoteza<br />
često predstavlja aktualno znanje o vrijednostima parametara ili neutralnu izjavu.<br />
Na primjer, želimo li testirati postojanje razlike izmedu dva populacijska parametra, nulhipoteza<br />
bi bila da nema nikakve razlike. Uz nulhipotezu, postavlja se i njoj alternativna<br />
hipoteza koju označavamo sa H 1 . Ako se hipotezom u potpunosti (jednoznačno) odreduje<br />
populacijska razdioba, tada se takva hipoteza zove jednostavnom, u suprotnom se zove<br />
složena hipoteza.<br />
Statistički test je pravilo podjele prostora vrijednosti uzoraka na dva podskupa: na<br />
područje vrijednosti uzoraka koji su konzistentni sa H 0 , i na njegov komplement u kojemu<br />
se nalaze vrijednosti nekonzistentne sa H 0 .<br />
Testovi kojima ćemo se baviti dizajnirani su za odgovaranje na pitanje: “Da li podaci<br />
daju dovoljno dokaza za odbacivanje H 0 ?” Odluka o odbacivanju ili ne odbacivanju nulhipoteze<br />
donosi se na osnovi vrijednosti testne statistike. Područje vrijednosti koje testna<br />
<strong>statistika</strong> poprima (dakle, njezina slika) dijeli se na područje vrijednosti koje su konzistentne<br />
sa H 0 i na područje nekonzistentno sa H 0 . Područje testne statistike koje je nekozistentno<br />
sa H 0 zove se kritično područje. Dakle, ako se opažena vrijednost testne statistike nalazi u<br />
kritičnom području, H 0 se odbacuje (u korist H 1 ).<br />
Razina značajnosti testa α je vjerojatnost odbacivanja H 0 ako je H 0 istinita hipoteza.<br />
Za slučaj kada odbacimo H 0 ako je H 0 istinito, kažemo da smo počinili pogrešku prve vrste.<br />
Pogrešku druge vrste činimo kada ne odbacujemo H 0 , a H 1 je istinito. <strong>Vjerojatnost</strong> pogreške<br />
druge vrste označavamo sa β. Idealni test bi bio onaj za koji bi bilo moguće vjerojatnosti<br />
obiju grešaka učiniti po volji malima. Takav test ne postoji.<br />
9.2 Klasično testiranje, značajnost i p-vrijednosti<br />
9.2.1 “Najbolji” testovi<br />
Klasični pristup nalaženja “dobrog” testa, tzv. Neyman-Pearsonova teorija, polazi od fiksne<br />
razine značajnosti α i konstruira test za koji vrijedi da je pogreška druge vrste β najmanja<br />
moguća za sve parametre specificirane alternativnom hipotezom H 1 . Ključni rezultat u<br />
toj teoriji je Neyman-Pearsonova lema koja daje najbolji test (najmanji β uz fiksno α) u<br />
78