Testowanie hipotez
Co to jest testowanie hipotez?
Testowanie hipotez to czynność statystyczna, w ramach której analityk testuje założenie dotyczące parametru populacji. Metodologia zastosowana przez analityka zależy od charakteru wykorzystanych danych i powodu analizy.
Testowanie hipotez służy do oceny wiarygodności hipotezy przy użyciu przykładowych danych. Takie dane mogą pochodzić z większej populacji lub z procesu generowania danych. W poniższych opisach w obu przypadkach będzie używane słowo „populacja”.
Kluczowe wnioski
- Testowanie hipotez służy do oceny wiarygodności hipotezy przy użyciu przykładowych danych.
- Test dostarcza dowodów dotyczących wiarygodności hipotezy, biorąc pod uwagę dane.
- Analitycy statystyczni testują hipotezę, mierząc i badając losową próbkę analizowanej populacji.
Jak działa testowanie hipotez
Podczas testowania hipotez analityk testuje próbkę statystyczną w celu dostarczenia dowodów na wiarygodność hipotezy zerowej.
Analitycy statystyczni testują hipotezę, mierząc i badając losową próbkę analizowanej populacji. Wszyscy analitycy używają losowej próby populacyjnej, aby przetestować dwie różne hipotezy: hipotezę zerową i hipotezę alternatywną.
Hipoteza zerowa jest zwykle hipotezą równości między parametrami populacji; np. hipoteza zerowa może stanowić, że średni zwrot z populacji jest równy zeru. Hipoteza alternatywna jest w rzeczywistości przeciwieństwem hipotezy zerowej (np. Średni zwrot z populacji nie jest równy zeru). Zatem wykluczają się one wzajemnie i tylko jeden może być prawdziwy. Jednak jedna z dwóch hipotez zawsze będzie prawdziwa.
4 kroki testowania hipotez
Wszystkie hipotezy są testowane w czterostopniowym procesie:
- Pierwszym krokiem analityka jest sformułowanie dwóch hipotez, tak aby tylko jedna była słuszna.
- Następnym krokiem jest sformułowanie planu analizy, który określa, w jaki sposób dane będą oceniane.
- Trzecim krokiem jest wykonanie planu i fizyczna analiza przykładowych danych.
- Czwartym i ostatnim krokiem jest analiza wyników i albo odrzucenie hipotezy zerowej, albo stwierdzenie, że hipoteza zerowa jest wiarygodna, biorąc pod uwagę dane.
Przykład testowania hipotez w świecie rzeczywistym
Jeśli, na przykład, ktoś chce sprawdzić, czy grosz ma dokładnie 50% szans na wylądowanie na głowach, hipoteza zerowa byłaby taka, że 50% jest poprawne, a hipoteza alternatywna byłaby taka, że 50% nie jest poprawne.
Matematycznie hipoteza zerowa byłaby przedstawiona jako Ho: P = 0,5. Hipoteza alternatywna byłaby oznaczona jako „Ha” i byłaby identyczna z hipotezą zerową, z wyjątkiem przekreślonego znaku równości, co oznacza, że nie jest równy 50%.
Pobierana jest losowa próbka 100 rzutów monetą, a następnie testowana jest hipoteza zerowa. Jeśli okaże się, że 100 rzutów monetą zostało rozłożonych jako 40 orłów i 60 reszek, analityk założyłby, że grosz nie ma 50% szans na wylądowanie na orłach i odrzuciłby hipotezę zerową i zaakceptował hipotezę alternatywną.
Z drugiej strony, gdyby było 48 orłów i 52 reszki, to jest prawdopodobne, że moneta mogłaby być uczciwa i nadal dawać taki wynik. W takich przypadkach, jak ten, w których hipoteza zerowa jest „akceptowana”, analityk stwierdza, że różnicę między oczekiwanymi wynikami (50 orłów i 50 reszek) a obserwowanymi wynikami (48 orłów i 52 reszki) można „wyjaśnić wyłącznie przypadkiem”.