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.
slučaju kada su obje hipoteze, nulhipoteza i alternativna, jednostavne hipoteze. Za zadanu<br />
razinu značajnosti, kritično se područje (a time i testna <strong>statistika</strong>) za najbolji test, odredi<br />
kao skup onih vrijednosti uzoraka za koje vrijedi da je omjer L 0 /L 1 vjerodostojnosti L 0<br />
uz H 0 i L 1 uz H 1 , izraženih kao funkcije uzoraka, ograničen odozgo nekom konstantom.<br />
Preciznije, ako je C kritično područje veličine α, te ako postoji konstanta k takva da za sve<br />
točke iz C vrijedi L 0<br />
L 1<br />
≤ k, a da za točke izvan C vrijedi L 0<br />
L 1<br />
> k, tada je C najjače kritično<br />
područje veličine α za testiranje jednostavne osnovne hipoteze H 0 : θ = θ 0 u odnosu na<br />
jednostavnu alternativnu hipotezu H 1 : θ = θ 1 (L 0 ≡ L(θ 0 ), L 1 ≡ L(θ 1 )).<br />
Ako je barem jedna od hipoteza H 0 i/ili H 1 složena, tada samo u specijalnim slučajevima,<br />
na primjer kod jednostranih testova, postoji test koji je najbolji za sve parametre.<br />
U slučajevima kada najbolji test u smislu Neymman-Pearsonove teorije ne postoji, koristi<br />
se drugi pristup za nalaženje dobrih testova: metoda omjera vjerodostojnosti. Testovi dobiveni<br />
metodom omjera vjerodostojnosti su, na neki način, poopćenja testova dobivenih<br />
Neyman-Pearsonovim pristupom. Kritično područje testa omjera vjerodostojnosti zadovoljava<br />
nejednadžbu:<br />
max θ∈H0 L(θ|x)<br />
max θ L(θ|x)<br />
za neki k. Maksimum u brojniku se uzima samo po vrijednostima parametra koja zadovoljavaju<br />
hipotezu H 0 , dok se maksimum u nazivniku uzima u odnosu na sve moguće vrijednosti<br />
parametara. Na primjer, primjenom tog pristupa na slučaj uzorkovanja iz normalne populacije<br />
N(µ, σ 2 ) i testiranje hipoteze H 0 : µ = µ 0 , gdje je µ 0 zadani broj, dolazimo do testa<br />
opisanoga testnom statistikom<br />
T = X − µ 0 √ n<br />
S<br />
za koju vrijedi da, ako je H 0 ispunjeno, ima Studentovu t(n − 1)-razdiobu. Tu činjenicu<br />
pišemo:<br />
T H 0<br />
∼ t(n − 1).<br />
Istom metodom dolazimo do testne statistike za testiranje H 0 : σ 2 = σ0 2 (σ2 0 je zadani<br />
pozitivni realni broj):<br />
(n − 1)s 2 H ∼<br />
0<br />
χ 2 (n − 1).<br />
σ 2 0<br />
Primjer 9.1 X je slučajni uzorak iz N(µ, σ 2 )-distribuirane populacije i oba parametra su<br />
nepoznata. želimo sprovesti jednostrani test (µ 0 je zadani broj):<br />
≤ k<br />
H 0 : µ = µ 0 , H 1 : µ < µ 0<br />
uz razinu značajnosti od 5%. Testna <strong>statistika</strong> je<br />
T = X − µ 0 √ H n ∼<br />
0<br />
t(n − 1),<br />
S<br />
a kritično područje je ⟨−∞, −t 0.05 (n−1)]. Dakle, ako je vrijednost t = T (x) testne statistike<br />
T na opaženom uzorku x takva da je t ≤ −t 0.05 (n−1), tada odbacujemo H 0 uz značajnost od<br />
5% (tj. uz rizik od 5% da smo pogriješili) 1 . Da smo imali suprotnu jednostranu alternativu<br />
H ′ 1 : µ > µ 0, tada bi kritično područje bio interval [t 0.05 (n − 1), +∞⟩.<br />
1 Korektna interpretacija ovog jednostranog testa (i gotovo svakog drugog jednostranog testa) je da, u<br />
stvari, testiramo H ′ 0 : µ ≥ µ 0 u odnosu na H 1 : µ < µ 0. U tom slučaju, razina značajnosti se interpretira kao<br />
najveća vjerojatnost pogreške prve vrste. Budući da nije teško pokazati da se ta najveća vjerojatnost postiže<br />
upravo za graničnu vrijednost µ = µ 0 , jednostrani test iz primjera 9.1 je ekvivalentan testu sa korektnim<br />
zapisom hipoteza.<br />
79