Έλεγχος Υποθέσεων με Τυπική Απόκλιση

Επισκόπηση

Ο έλεγχος υποθέσεων είναι μια στατιστική μέθοδος για τη λήψη αποφάσεων σχετικά με πληθυσμούς βασισμένη σε δειγματικά δεδομένα. Η τυπική απόκλιση παίζει καθοριστικό ρόλο στον προσδιορισμό του αν οι παρατηρούμενες διαφορές είναι στατιστικά σημαντικές ή απλώς αποτέλεσμα τυχαίας μεταβλητότητας.

Διατύπωση Υποθέσεων

Διατυπώστε τη μηδενική υπόθεση (H₀) και την εναλλακτική υπόθεση (H₁)

Επιλογή Επιπέδου Σημαντικότητας

Επιλέξτε το επίπεδο σημαντικότητας (α), τυπικά 0,05

Υπολογισμός Στατιστικού Ελέγχου

Υπολογίστε το στατιστικό ελέγχου χρησιμοποιώντας την τυπική απόκλιση

Σύγκριση με Κρίσιμη Τιμή

Συγκρίνετε με την κρίσιμη τιμή ή υπολογίστε τη τιμή p

Λήψη Απόφασης

Αποφασίστε: απορρίψτε ή μην απορρίψετε την H₀

Έλεγχος Z

Χρησιμοποιήστε τον έλεγχο Z όταν γνωρίζετε την πληθυσμιακή τυπική απόκλιση (σ) και έχετε μεγάλο μέγεθος δείγματος (n ≥ 30).

Στατιστικό Ελέγχου Z

z = (x̄ - μ₀) / (σ / √n)

Παράδειγμα

Ένας κατασκευαστής ισχυρίζεται ότι οι μπαταρίες διαρκούν 100 ώρες κατά μέσο όρο (μ₀ = 100). Ελέγχετε 36 μπαταρίες και βρίσκετε x̄ = 98 ώρες. Αν σ = 12 ώρες: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Με z = -1 και α = 0,05 (δίπλευρος), δεν απορρίπτουμε την H₀. Η διαφορά δεν είναι στατιστικά σημαντική.

Έλεγχος T

Χρησιμοποιήστε τον έλεγχο t όταν δεν γνωρίζετε την πληθυσμιακή τυπική απόκλιση και πρέπει να την εκτιμήσετε από το δείγμα (χρησιμοποιώντας s αντί σ).

Στατιστικό Ελέγχου T

t = (x̄ - μ₀) / (s / √n)

Πότε να Χρησιμοποιήσετε Έλεγχο T ή Z

- Έλεγχος Z: Η σ είναι γνωστή, n ≥ 30 - Έλεγχος t: Η σ είναι άγνωστη (χρήση s), οποιοδήποτε μέγεθος δείγματος Στην πράξη, οι έλεγχοι t είναι πολύ πιο συνηθισμένοι γιατί σπάνια γνωρίζουμε την πραγματική πληθυσμιακή σ.

Τυπικό Σφάλμα

Το τυπικό σφάλμα (ΤΣ) μετρά πόσο μεταβάλλονται οι δειγματικοί μέσοι σε σχέση με τον πληθυσμιακό μέσο. Είναι ο βασικός σύνδεσμος μεταξύ τυπικής απόκλισης και ελέγχου υποθέσεων.

Τυπικό Σφάλμα του Μέσου

SE = σ / √n (ή s / √n όταν χρησιμοποιείται δειγματική ΤΑ)

Το τυπικό σφάλμα μειώνεται καθώς αυξάνεται το μέγεθος του δείγματος. Μεγαλύτερα δείγματα δίνουν πιο ακριβείς εκτιμήσεις και διευκολύνουν τον εντοπισμό πραγματικών διαφορών.

Στατιστική Σημαντικότητα

Ένα αποτέλεσμα είναι στατιστικά σημαντικό όταν η πιθανότητα να το παρατηρήσετε τυχαία (τιμή p) είναι κάτω από το κατώφλι που επιλέξατε (α).

Αν τιμή p < α

Απορρίψτε την H₀. Το αποτέλεσμα είναι στατιστικά σημαντικό.

Αν τιμή p ≥ α

Μην απορρίψετε την H₀. Το αποτέλεσμα μπορεί να οφείλεται σε τυχαιότητα.

Στατιστική vs Πρακτική Σημαντικότητα

Ένα στατιστικά σημαντικό αποτέλεσμα δεν είναι απαραίτητα πρακτικά σημαντικό. Με πολύ μεγάλα δείγματα, ελάχιστες διαφορές μπορεί να είναι “σημαντικές” αλλά ασήμαντες στην πράξη. Πάντα λαμβάνετε υπόψη το μέγεθος επίδρασης μαζί με τις τιμές p.

← Κέντρο Μάθησης