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.
9.6 Testovi i pouzdani intervali<br />
Obzirom na način kako su konstruirani, postoji direktna veza izmedu pouzdanih intervala<br />
i testova. Ako je testna <strong>statistika</strong> (uz H 0 ) ista kao pivotna veličina i ako razina značajnosti<br />
testa α odgovara pouzdanosti intervala od 1 − α, onda je veza sljedeća. Za sve one opažene<br />
vrijednosti testne statistike koje se nalaze unutar granica pouzdanog intervala, H 0 se ne<br />
odbacuje. U suprotnome se H 0 odbacuje. Pri tome dvostranim testovima odgovaraju<br />
dvostrani pouzdani intervali, a jednostranim testovima odgovarajući jednostrani intervali.<br />
U nekim slučajevima testna <strong>statistika</strong> i pivotna veličina nisu sasvim istoga oblika. Na<br />
primjer, pri konstrukciju pouzdanog intervala za razliku proporcija, u nazivniku pivotne<br />
veličine nalaze se procjene proporcija svake od populacija posebno, dok se u testnoj statistici<br />
kojom se testira jednakost proporcija, u nazivniku nalazi procjena zajedničke proporcije.<br />
Ipak, aproksimativno su ti nazivnici bliski pa i u tom slučaju možemo donositi zaključke o<br />
nulhipotezama na bazi pouzdanih intervala kao i u ostalim slučajevima.<br />
9.7 χ 2 -testovi<br />
χ 2 -testovi se odnose na populacijske razdiobe kategorijalnih ili diskretnih numeričkih varijabli.<br />
Testiranje se zasniva na usporedbi opaženih frekvencija f i i očekivanih (u skladu<br />
s nulhipotezom) frekvencija e i i-tog razreda. Testna <strong>statistika</strong> je, u stvari, težinska mjera<br />
udaljenosti tih frekvencija:<br />
H = ∑ (f i − e i ) 2<br />
.<br />
e<br />
i i<br />
Ako vrijedi nulhipoteza, tada H ima aproksimativno χ 2 -razdiobu kada je uzorak velik.<br />
Nulhipotezu odbacujemo ako je opažena vrijednost od H prevelika.<br />
9.7.1 Test prilagodbe modela podacima<br />
χ 2 -testom testiramo da li predloženi diskretni model za populacijsku razdiobu dobro objašnjava<br />
opažene podatke. Drugim riječima, testiramo je li model dobro prilagoden podacima.<br />
U tom slučaju, nulhipoteza H 0 je da se populacijska razdioba opažane varijable ravna po<br />
zakonu razdiobe pretpostavljenog modela. Još kažemo da se podaci ravnaju po zakonu<br />
razdiobe pretpostavljenom nulhipotezom H 0 .<br />
Odredimo broj stupnjeva slobode razdiobe testne statistike. Pretpostavimo da opažana<br />
varijabla ima k razreda. Budući da su frekvencije zavisne u smislu da je njihov zbroj fiksan<br />
i jednak n (duljini uzorka), imamo jedan stupanj slobode manje. Ako pri tome još i po H 0<br />
pretpostavljena populacijska razdioba ima r nepoznatih parametara koje treba procijeniti<br />
iz uzorka (da bi se mogle izračunati očekivane frekvencije), tada gubimo još r stupnjeva<br />
slobode. Dakle testna <strong>statistika</strong> H uz H 0 ima χ 2 -razdiobu s k − r − 1 stupnjem slobode.<br />
Nepoznati parametri procjenjuju se metodom maksimalne vjerodostojnosti.<br />
Budući da je razdioba testne statistike aproksimativno jednaka χ 2 -razdiobi, treba paziti<br />
da ta aproksimacija bude zadovoljavajuće točna. To će biti ispunjeno ako nazivnici u izrazu<br />
za H, dakle očekivane frekvencije, ne budu premale. Obično se zahtjeva da budu barem 5.<br />
U nekim situacijama se prihvaća da je dovoljno da su veće od 1, ali uz uvjet da je barem<br />
80% razreda frekvencije barem 5.<br />
Primjer 9.4 Želim li testirati je li neka igraća kocka fer, prikladni model je uniformna<br />
razdioba na skupu prvih šest prirodnih brojeva. Dakle, ako je X broj koji se okrene na<br />
84