Loengu slaidid
Loengu slaidid
Loengu slaidid
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
X on normaaljaotusega<br />
Lause 1<br />
Kui x ∼ N(a,σ), siis<br />
1. ¯x ∼ N(a,σ/ √ n) ja √ n(¯x − a)/σ ∼ N(0, 1);<br />
2. ¯x jas 2 on sõltumatud juhuslikud suurused;<br />
3. (n − 1)s 2 /σ 2 on χ 2 –jaotusega vabadusastmete arvuga n − 1.
Juhusliku vektori (X , Y )arvkarakteristikute<br />
punkthinnangud<br />
1. juht, kui EX ja EY on teada. Siis<br />
Kx,y<br />
∗∗∗ = 1 n<br />
(x i − EX )(y i − EY )<br />
n<br />
i=1<br />
on cov(X , Y ) nihketa punkthinnang.
Juhusliku vektori (X , Y )arvkarakteristikute<br />
punkthinnangud<br />
1. juht, kui EX ja EY on teada. Siis<br />
Kx,y<br />
∗∗∗ = 1 n<br />
(x i − EX )(y i − EY )<br />
n<br />
i=1<br />
on cov(X , Y ) nihketa punkthinnang.<br />
2. juht, kui EX ja EY ei ole teada. Siis<br />
Kx,y ∗ = 1 n<br />
(x i − ¯x)(y i − ȳ)<br />
n − 1<br />
i=1<br />
on cov(X , Y ) nihketa punkthinnang.Kehtib võrdus<br />
Kx,y ∗ =<br />
n (xy − ¯xȳ),<br />
n − 1 xy = 1 n<br />
x i y i .<br />
n<br />
i=1
Juhusliku vektori (X , Y )arvkarakteristikute<br />
punkthinnangud<br />
1. juht, kui EX ja EY on teada. Siis<br />
Kx,y<br />
∗∗∗ = 1 n<br />
(x i − EX )(y i − EY )<br />
n<br />
i=1<br />
on cov(X , Y ) nihketa punkthinnang.<br />
2. juht, kui EX ja EY ei ole teada. Siis<br />
Kx,y ∗ = 1 n<br />
(x i − ¯x)(y i − ȳ)<br />
n − 1<br />
i=1<br />
on cov(X , Y ) nihketa punkthinnang.Kehtib võrdus<br />
Kx,y ∗ =<br />
n (xy − ¯xȳ),<br />
n − 1 xy = 1 n<br />
x i y i .<br />
n<br />
Korrelatsioonikordaja punkthinnang defineeritakse valemiga<br />
r ∗ x,y = K ∗ x,y<br />
s x s y<br />
.<br />
i=1
Näide.<br />
Olgu antud juhusliku vektori (X , Y )valim<br />
x i 28 18 11 12 20 27 23 28 42 30 18 30<br />
y i 10 19 11 14 25 26 30 36 25 30 32 21
Näide.<br />
Olgu antud juhusliku vektori (X , Y )valim<br />
x i 28 18 11 12 20 27 23 28 42 30 18 30<br />
y i 10 19 11 14 25 26 30 36 25 30 32 21<br />
¯x = 1 12<br />
12<br />
i=1<br />
x i = 23, 92, ȳ = 1<br />
12<br />
12<br />
i=1<br />
y i = 23, 25.
Näide.<br />
Olgu antud juhusliku vektori (X , Y )valim<br />
x i 28 18 11 12 20 27 23 28 42 30 18 30<br />
y i 10 19 11 14 25 26 30 36 25 30 32 21<br />
¯x = 1 12<br />
12<br />
i=1<br />
x i = 23, 92, ȳ = 1<br />
12<br />
12<br />
i=1<br />
y i = 23, 25.<br />
s 2 x = 76, 27, s x =8, 73, s 2 y = 70, 75, s y =8, 41.
Näide.<br />
Olgu antud juhusliku vektori (X , Y )valim<br />
x i 28 18 11 12 20 27 23 28 42 30 18 30<br />
y i 10 19 11 14 25 26 30 36 25 30 32 21<br />
¯x = 1 12<br />
12<br />
i=1<br />
x i = 23, 92, ȳ = 1<br />
12<br />
12<br />
i=1<br />
y i = 23, 25.<br />
s 2 x = 76, 27, s x =8, 73, s 2 y = 70, 75, s y =8, 41.<br />
K ∗ x,y = 26, 75, r ∗ x,y =<br />
26, 75<br />
=0, 36.<br />
8, 73 · 8, 41
Vahemikhinnagud<br />
Olgu α juhusliku suuruse X parameeter ja α ∗ = α ∗ (x 1 ,...,x n )<br />
parameetri α hinnang. Kui ε>0 on kindel suurus, siis vahemiku<br />
(α ∗ − ε, α ∗ + ε) otspunktid on samuti juhuslikud suurused.
Vahemikhinnagud<br />
Olgu α juhusliku suuruse X parameeter ja α ∗ = α ∗ (x 1 ,...,x n )<br />
parameetri α hinnang. Kui ε>0 on kindel suurus, siis vahemiku<br />
(α ∗ − ε, α ∗ + ε) otspunktid on samuti juhuslikud suurused.<br />
P(α ∈ (α ∗ − ε, α ∗ + ε)) = β.<br />
β – usaldusnivoo,<br />
l β =(α ∗ − ε, α ∗ + ε) –usaldusvahemik<br />
α ∗ − ε ja α ∗ + ε –usalduspiirid
Vahemikhinnagud<br />
Olgu α juhusliku suuruse X parameeter ja α ∗ = α ∗ (x 1 ,...,x n )<br />
parameetri α hinnang. Kui ε>0 on kindel suurus, siis vahemiku<br />
(α ∗ − ε, α ∗ + ε) otspunktid on samuti juhuslikud suurused.<br />
P(α ∈ (α ∗ − ε, α ∗ + ε)) = β.<br />
β – usaldusnivoo,<br />
l β =(α ∗ − ε, α ∗ + ε) –usaldusvahemik<br />
α ∗ − ε ja α ∗ + ε –usalduspiirid<br />
Kui<br />
P(α α ∗ − ε) =P(α α ∗ + ε) = 1 − β ,<br />
2<br />
siis on tegemist sümmeetrilise usaldusvahemikuga.
Vahemikhinnagud<br />
Olgu α juhusliku suuruse X parameeter ja α ∗ = α ∗ (x 1 ,...,x n )<br />
parameetri α hinnang. Kui ε>0 on kindel suurus, siis vahemiku<br />
(α ∗ − ε, α ∗ + ε) otspunktid on samuti juhuslikud suurused.<br />
P(α ∈ (α ∗ − ε, α ∗ + ε)) = β.<br />
β – usaldusnivoo,<br />
l β =(α ∗ − ε, α ∗ + ε) –usaldusvahemik<br />
α ∗ − ε ja α ∗ + ε –usalduspiirid<br />
Kui<br />
P(α α ∗ − ε) =P(α α ∗ + ε) = 1 − β ,<br />
2<br />
siis on tegemist sümmeetrilise usaldusvahemikuga.<br />
Vasakpoolne usaldusvahemik (−∞,α v ) usaldusnivooga β<br />
määratakse seosest P(α α p )=β.
Üldkogumi keskväärtuse usaldusvahemik<br />
¯x = 1 n<br />
n<br />
i=1<br />
x i , E¯x = EX , D¯x = σ2<br />
n .<br />
Tsentraalse piirteoreemi kohaselt on ¯x asümptootiliselt normaalne,<br />
st. kui n on küllalt suur, siis ¯x on ligikaudu normaaljaotusega<br />
parameetritega EX ja √ D¯x = σ/ √ n.
Üldkogumi keskväärtuse usaldusvahemik<br />
¯x = 1 n<br />
n<br />
i=1<br />
x i , E¯x = EX , D¯x = σ2<br />
n .<br />
Tsentraalse piirteoreemi kohaselt on ¯x asümptootiliselt normaalne,<br />
st. kui n on küllalt suur, siis ¯x on ligikaudu normaaljaotusega<br />
parameetritega EX ja √ D¯x = σ/ √ n.<br />
P(EX ∈ (¯x − ε β , ¯x + ε β ))
Üldkogumi keskväärtuse usaldusvahemik<br />
¯x = 1 n<br />
n<br />
i=1<br />
x i , E¯x = EX , D¯x = σ2<br />
n .<br />
Tsentraalse piirteoreemi kohaselt on ¯x asümptootiliselt normaalne,<br />
st. kui n on küllalt suur, siis ¯x on ligikaudu normaaljaotusega<br />
parameetritega EX ja √ D¯x = σ/ √ n.<br />
l β =<br />
P(EX ∈ (¯x − ε β , ¯x + ε β ))<br />
<br />
¯x − √ s β<br />
Φ −1 , ¯x + s β<br />
√ Φ −1 .<br />
n 2 n 2
Üldkogumi keskväärtuse usaldusvahemik<br />
¯x = 1 n<br />
n<br />
i=1<br />
x i , E¯x = EX , D¯x = σ2<br />
n .<br />
Tsentraalse piirteoreemi kohaselt on ¯x asümptootiliselt normaalne,<br />
st. kui n on küllalt suur, siis ¯x on ligikaudu normaaljaotusega<br />
parameetritega EX ja √ D¯x = σ/ √ n.<br />
l β =<br />
P(EX ∈ (¯x − ε β , ¯x + ε β ))<br />
<br />
¯x − √ s β<br />
Φ −1 , ¯x + s β<br />
√ Φ −1 .<br />
n 2 n 2<br />
Näide. Olgu {x 1 ,...,x 12 , y 1 ,...,y 12 } = {z 1 ,...,z 24 }.Siis<br />
¯z = 23, 58 ja s z =8, 39. Kui β =0, 9, siis<br />
<br />
8, 39 0, 9<br />
ε 0.9 ≈ √ Φ −1 =1, 712·1, 645 = 2, 82, l 0,9 ≈ (20, 76; 26, 4)<br />
24 2
Normaaljaotusele alluva üldkogumi keskväärtuse<br />
usalduspiirkond<br />
Kui X on normaaljaotusega, siis<br />
√ n(¯x − EX )<br />
T n−1 =<br />
s<br />
on Studenti jaotusega vabadusastmete arvuga n − 1.<br />
√ √ <br />
n|¯x − EX | nεβ<br />
P(|¯x − EX |
Normaaljaotusele alluva üldkogumi keskväärtuse<br />
usalduspiirkond<br />
Kui X on normaaljaotusega, siis<br />
√ n(¯x − EX )<br />
T n−1 =<br />
s<br />
on Studenti jaotusega vabadusastmete arvuga n − 1.<br />
√ √ <br />
n|¯x − EX | nεβ<br />
P(|¯x − EX |
Normaaljaotusele alluva üldkogumi keskväärtuse<br />
usalduspiirkond<br />
Kui X on normaaljaotusega, siis<br />
√ n(¯x − EX )<br />
T n−1 =<br />
s<br />
on Studenti jaotusega vabadusastmete arvuga n − 1.<br />
√ √ <br />
n|¯x − EX | nεβ<br />
P(|¯x − EX |
Normaaljaotusele alluva üldkogumi dispersiooni<br />
usalduspiirkond<br />
Kui X on normaaljaotusega, siis Y n−1 =(n − 1)s 2 /DX on<br />
χ 2 –jaotusega vabadusastmete arvuga n − 1.<br />
kus<br />
ja<br />
P(Y n−1
Normaaljaotusele alluva üldkogumi dispersiooni<br />
usalduspiirkond<br />
Kui X on normaaljaotusega, siis Y n−1 =(n − 1)s 2 /DX on<br />
χ 2 –jaotusega vabadusastmete arvuga n − 1.<br />
kus<br />
ja<br />
P(Y n−1
Normaaljaotusele alluva üldkogumi dispersiooni<br />
usalduspiirkond<br />
Kui X on normaaljaotusega, siis Y n−1 =(n − 1)s 2 /DX on<br />
χ 2 –jaotusega vabadusastmete arvuga n − 1.<br />
kus<br />
P(Y n−1
Normaaljaotusele alluva üldkogumi dispersiooni<br />
usalduspiirkond<br />
Kui X on normaaljaotusega, siis Y n−1 =(n − 1)s 2 /DX on<br />
χ 2 –jaotusega vabadusastmete arvuga n − 1.<br />
l β =<br />
P(ν 1 < Y n−1
Normaaljaotusele alluva üldkogumi standarhälbe<br />
usaldusvahemik<br />
Kui on teada dispersiooni usaldusvahemik<br />
siis<br />
ehk<br />
P(r 1 < DX < r 2 )=β,<br />
r 1 < DX < r 2 ⇔ r 1
Normaaljaotusele alluva üldkogumi standarhälbe<br />
usaldusvahemik<br />
Kui on teada dispersiooni usaldusvahemik<br />
siis<br />
ehk<br />
P(r 1 < DX < r 2 )=β,<br />
r 1 < DX < r 2 ⇔ r 1
Normaaljaotusele alluva üldkogumi standarhälbe<br />
usaldusvahemik<br />
Kui on teada dispersiooni usaldusvahemik<br />
siis<br />
ehk<br />
P(r 1 < DX < r 2 )=β,<br />
r 1 < DX < r 2 ⇔ r 1
Vahemikhinnang korrelatsioonikordajale<br />
Saab näidata, et juhuslik suurus<br />
T n−2 =<br />
r<br />
<br />
1 − r<br />
2<br />
n − 2<br />
allub Studenti jaotusele vabadusastmete arvuga n − 2ning<br />
juhuslikku suurust<br />
Z = 1 1+r<br />
ln<br />
2 1 − r<br />
võib käsitleda normaaljaotusega juhusliku suurusena, mille<br />
standardhälbe hinnang on<br />
s z =<br />
1<br />
√ n − 3<br />
.
Vahemikhinnang korrelatsioonikordajale<br />
Saab näidata, et juhuslik suurus<br />
T n−2 =<br />
r<br />
<br />
1 − r<br />
2<br />
n − 2<br />
allub Studenti jaotusele vabadusastmete arvuga n − 2ning<br />
juhuslikku suurust<br />
Z = 1 1+r<br />
ln<br />
2 1 − r<br />
võib käsitleda normaaljaotusega juhusliku suurusena, mille<br />
standardhälbe hinnang on<br />
s z =<br />
1<br />
√ n − 3<br />
.<br />
<br />
εβ<br />
β<br />
β = P(|Z|
Vahemikhinnang korrelatsioonikordajale (2)<br />
Tähistame<br />
z = 1 2<br />
ln<br />
1+r<br />
∗<br />
1 − r ∗<br />
antud valimi põhjal leitud Z-i väärtust (s.t. kõigepealt on leitud<br />
korrelatsioonikordaja punktihinnang r).
Vahemikhinnang korrelatsioonikordajale (2)<br />
Tähistame<br />
z = 1 2<br />
ln<br />
1+r<br />
∗<br />
1 − r ∗<br />
antud valimi põhjal leitud Z-i väärtust (s.t. kõigepealt on leitud<br />
korrelatsioonikordaja punktihinnang r). Z-i usaldusvahemik on<br />
seega P(Z ∈ (z − s z · ε β , z + s z · ε β )) = β.
Vahemikhinnang korrelatsioonikordajale (2)<br />
Tähistame<br />
z = 1 2<br />
ln<br />
1+r<br />
∗<br />
1 − r ∗<br />
antud valimi põhjal leitud Z-i väärtust (s.t. kõigepealt on leitud<br />
korrelatsioonikordaja punktihinnang r). Z-i usaldusvahemik on<br />
seega P(Z ∈ (z − s z · ε β , z + s z · ε β )) = β. Tähistame<br />
z 1 = z − s z · ε β ja z 2 = z + s z · ε β .<br />
Korrelatsioonikordaja usaldusvahemiku leiame valemiga<br />
e<br />
2z 1<br />
− 1<br />
P<br />
e 2z < r < e2z 2<br />
<br />
− 1<br />
1 +1 e 2z ≈ β.<br />
2 +1
Vahemikhinnang korrelatsioonikordajale (2)<br />
Tähistame<br />
z = 1 2<br />
ln<br />
1+r<br />
∗<br />
1 − r ∗<br />
antud valimi põhjal leitud Z-i väärtust (s.t. kõigepealt on leitud<br />
korrelatsioonikordaja punktihinnang r). Z-i usaldusvahemik on<br />
seega P(Z ∈ (z − s z · ε β , z + s z · ε β )) = β. Tähistame<br />
z 1 = z − s z · ε β ja z 2 = z + s z · ε β .<br />
Korrelatsioonikordaja usaldusvahemiku leiame valemiga<br />
e<br />
2z 1<br />
− 1<br />
P<br />
e 2z < r < e2z 2<br />
<br />
− 1<br />
1 +1 e 2z ≈ β.<br />
2 +1<br />
Kuna<br />
Z = 1 2<br />
ln<br />
1+r<br />
1 − r = arth(r),<br />
siis r =tanh(Z), s.t. P(tanh(z 1 ) < r < tanh(z 2 )) ≈ β.
Vahemikhinnang korrelatsioonikordajale (3)<br />
Näide jätkub.<br />
Leiame korrelatsioonikordaja usaldusvahemiku usaldusnivool<br />
β =0, 95.<br />
z = arth(0, 36) = 0, 377 s z =<br />
Leiame veel<br />
1<br />
√ 12 − 3<br />
= 1 3<br />
ε ≈ 1 0, 95<br />
3 Φ−1 =0, 6<br />
2<br />
z 1 =0, 377 − 0, 653 = −0, 276 z 2 =0, 377 + 0, 653 = 1, 03.<br />
Korrelatsioonikordaja usaldusvahemik on<br />
l 0,95 =(tanh(−0, 276); tanh(1, 03)) = (−0, 28; 0, 77).
Vahemikhinnang sündmuse tõenäosusele p<br />
Bernoulli piirteoreemi kohaselt koondub tõenäosuse järgi<br />
sündmuse A sagedus katsete arvu tõkestamatul kasvamisel<br />
sündmuse A toimumise tõenäosuseks.
Vahemikhinnang sündmuse tõenäosusele p<br />
Bernoulli piirteoreemi kohaselt koondub tõenäosuse järgi<br />
sündmuse A sagedus katsete arvu tõkestamatul kasvamisel<br />
sündmuse A toimumise tõenäosuseks.<br />
Kui X on binoomjaotusega, siis saab näidata, et p = k n on<br />
parameetri p nihketa<br />
<br />
hinnang<br />
<br />
ning X /n on ligikaudu<br />
pq<br />
normaaljaotusega N p, .<br />
n
Vahemikhinnang sündmuse tõenäosusele p<br />
Bernoulli piirteoreemi kohaselt koondub tõenäosuse järgi<br />
sündmuse A sagedus katsete arvu tõkestamatul kasvamisel<br />
sündmuse A toimumise tõenäosuseks.<br />
Kui X on binoomjaotusega, siis saab näidata, et p = k n on<br />
parameetri p nihketa<br />
<br />
hinnang<br />
<br />
ning X /n on ligikaudu<br />
pq<br />
normaaljaotusega N p, .<br />
n<br />
Tõenäosuse sümmeetrilise usaldusvahemiku leiame järgmiselt:<br />
⎛<br />
⎞<br />
millest<br />
β = P(|p − p ∗ |
Vahemikhinnang sündmuse tõenäosusele p (näide)<br />
Münti visati 100 korda ja 58 korral tuli kiri“. Leidke 95%<br />
”<br />
usaldusvahemik sündmuse mündi viskamisel tuleb kiri“<br />
”<br />
tõenäosusele.<br />
p ∗ = 58 =0, 58,<br />
0, 95<br />
ε 0,95 ≈ Φ −1 ·<br />
2<br />
Usaldusvahemik<br />
ehk<br />
100<br />
<br />
0, 58 · (1 − 0, 58)<br />
=1, 96 · 0, 05 = 0, 1<br />
100<br />
l 0,95 =(0, 48; 0, 68).<br />
P(0, 48 < p < 0, 68) ≈ 0, 95.
Hüpoteeside kontroll<br />
Definitsioon 1<br />
Iga oletust tundmatu jaotusseaduse kuju või parameetrite kohta<br />
nimetatakse (statistiliseks) hüpoteesiks.
Hüpoteeside kontroll<br />
Definitsioon 1<br />
Iga oletust tundmatu jaotusseaduse kuju või parameetrite kohta<br />
nimetatakse (statistiliseks) hüpoteesiks.<br />
Kontrollitavat hüpoteesi nimetatakse tavaliselt nullhüpoteesiks ja<br />
tähistatakse H 0 .Kõrvuti nullhüpoteesiga vaadeldakse<br />
konkureerivat ehk alternatiivset hüpoteesi H 1 ,stH 0 ja H 1 on<br />
teineteist välistavad.
Hüpoteeside kontroll<br />
Definitsioon 1<br />
Iga oletust tundmatu jaotusseaduse kuju või parameetrite kohta<br />
nimetatakse (statistiliseks) hüpoteesiks.<br />
Kontrollitavat hüpoteesi nimetatakse tavaliselt nullhüpoteesiks ja<br />
tähistatakse H 0 .Kõrvuti nullhüpoteesiga vaadeldakse<br />
konkureerivat ehk alternatiivset hüpoteesi H 1 ,stH 0 ja H 1 on<br />
teineteist välistavad.<br />
Hüpoteesi H 0 kontrollimiseks kasutatakse valimi x 1 , x 2 ,...,x n põhjal<br />
spetsiaalselt koostatud statistikut θ ∗ n(x 1 , x 2 ,...,x n ), mille kui<br />
juhusliku suuruse täpne või ligikaudne jaotus on teada. Statistiku<br />
θ ∗ n kõigi võimalike väärtuste hulk ∆ jaotatakse kaheks<br />
mittelõikuvaks osahulgaks: kriitiliseks hulgaks ∆ 1 (hüpoteesi H 0<br />
tagasilükkamise piirkond) ja lubatud hulgaks ∆ 0 (hüpoteesi H 0<br />
vastuvõtmise piirkond).
Valimi jaotuse põhjal määratakse ∆ 1 selliselt, et kui hüpotees H 0<br />
on õige, siis P(θ ∗ n ∈ ∆ 1 )=α, kusα on etteantud väike arv.
Valimi jaotuse põhjal määratakse ∆ 1 selliselt, et kui hüpotees H 0<br />
on õige, siis P(θ ∗ n ∈ ∆ 1 )=α, kusα on etteantud väike arv.<br />
Lihtsamad kriitilised hulgad ∆ 1 on:<br />
1. parempoolne kriitiline hulk (θ kr , +∞);<br />
2. vasakpoolne kriitiline hulk (−∞,θ kr );<br />
3. kahepoolne kriitiline hulk (−∞,θ krv ) ∪ (θ krp , +∞),<br />
kusjuures<br />
P(θ ∗ n ∈ (−∞,θ krv )) = P(θ ∗ n ∈ (θ krp , +∞));<br />
4. sümmeetriline kriitiline hulk (−∞,θ kr ) ∪ (θ kr , +∞).
Parempoolse kriitilise hulga (θ kr , +∞) korral<br />
θ ∗ n >θ kr ⇒ hüpotees H 0 lükatakse tagasi,<br />
θ ∗ n
Parempoolse kriitilise hulga (θ kr , +∞) korral<br />
θ ∗ n >θ kr ⇒ hüpotees H 0 lükatakse tagasi,<br />
θ ∗ n
Parempoolse kriitilise hulga (θ kr , +∞) korral<br />
θ ∗ n >θ kr ⇒ hüpotees H 0 lükatakse tagasi,<br />
θ ∗ n
Parempoolse kriitilise hulga (θ kr , +∞) korral<br />
θ ∗ n >θ kr ⇒ hüpotees H 0 lükatakse tagasi,<br />
θ ∗ n
hüpotees H 0 võetakse vastu lükatakse tagasi<br />
õige õige otsus esimest liiki viga<br />
vale teist liiki viga õige otsus<br />
Definitsioon 2<br />
Esimest liiki vea lubatavuse tõenäosust α nimetatakse kriteeriumi<br />
olulisuse nivooks.
hüpotees H 0 võetakse vastu lükatakse tagasi<br />
õige õige otsus esimest liiki viga<br />
vale teist liiki viga õige otsus<br />
Definitsioon 2<br />
Esimest liiki vea lubatavuse tõenäosust α nimetatakse kriteeriumi<br />
olulisuse nivooks.<br />
β teist liiki vea lubatavuse tõenäosus.<br />
Definitsioon 3<br />
Teist liiki vea mittelubatavuse tõenäosust 1 − β nimetatakse<br />
kriteeriumi võimsuseks.
hüpotees H 0 võetakse vastu lükatakse tagasi<br />
õige õige otsus esimest liiki viga<br />
vale teist liiki viga õige otsus<br />
Definitsioon 2<br />
Esimest liiki vea lubatavuse tõenäosust α nimetatakse kriteeriumi<br />
olulisuse nivooks.<br />
β teist liiki vea lubatavuse tõenäosus.<br />
Definitsioon 3<br />
Teist liiki vea mittelubatavuse tõenäosust 1 − β nimetatakse<br />
kriteeriumi võimsuseks.<br />
α = P[(θ ∗ n ∈ ∆ 1 )(H 0 on õige)]<br />
β = P[(H 0 on vale)(θ ∗ n ∈ ∆ 0 )]