Σ
SDCalc
ZaawansowanyZaawansowane·14 min

Testowanie hipotez z odchyleniem standardowym

Dowiedz się, jak odchylenie standardowe jest wykorzystywane w testowaniu hipotez. Zrozum testy t, testy z i sposoby określania istotności statystycznej.

Przegląd

Testowanie hipotez to metoda statystyczna służąca do podejmowania decyzji o populacjach na podstawie danych z próbki. Odchylenie standardowe odgrywa kluczową rolę w ustalaniu, czy obserwowane różnice są istotne statystycznie, czy wynikają jedynie z losowego przypadku.

1

Sformułuj hipotezy

Sformułuj hipotezę zerową (H₀) i hipotezę alternatywną (H₁)
2

Wybierz poziom istotności

Wybierz poziom istotności (α), zwykle 0,05
3

Oblicz statystykę testową

Oblicz statystykę testową z wykorzystaniem odchylenia standardowego
4

Porównaj z wartością krytyczną

Porównaj z wartością krytyczną lub oblicz wartość p
5

Podejmij decyzję

Podejmij decyzję: odrzuć lub nie odrzucaj H₀

Test Z

Stosuj test Z, gdy znasz odchylenie standardowe populacji (σ) i dysponujesz dużą próbką (n ≥ 30).

Statystyka testu Z

z = (x̄ - μ₀) / (σ / √n)

Przykład

Producent twierdzi, że baterie wytrzymują średnio 100 godzin (μ₀ = 100). Testujesz 36 baterii i uzyskujesz x̄ = 98 godzin. Jeśli σ = 12 godzin: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 Przy z = -1 i α = 0,05 (test dwustronny) nie odrzucamy H₀. Różnica nie jest istotna statystycznie.

Test t

Stosuj test t, gdy nie znasz odchylenia standardowego populacji i musisz je oszacować na podstawie próbki (używając s zamiast σ).

Statystyka testu t

t = (x̄ - μ₀) / (s / √n)

Kiedy stosować test t, a kiedy test Z

- Test Z: σ jest znane, n ≥ 30 - Test t: σ jest nieznane (używamy s), dowolna wielkość próbki W praktyce testy t są znacznie częstsze, ponieważ rzadko znamy prawdziwe populacyjne σ.

Błąd standardowy

Błąd standardowy (SE) mierzy, jak bardzo średnie z próbek różnią się od średniej populacji. Jest kluczowym łącznikiem między odchyleniem standardowym a testowaniem hipotez.

Błąd standardowy średniej

SE = σ / √n (lub s / √n przy użyciu odchylenia próbkowego)

Błąd standardowy maleje wraz ze wzrostem wielkości próbki. Większe próbki dają dokładniejsze oszacowania i ułatwiają wykrywanie rzeczywistych różnic.

Istotność statystyczna

Wynik jest istotny statystycznie, gdy prawdopodobieństwo zaobserwowania go przez przypadek (wartość p) jest poniżej wybranego progu (α).

Jeśli wartość p < α

Odrzuć H₀. Wynik jest istotny statystycznie.

Jeśli wartość p ≥ α

Nie odrzucaj H₀. Wynik może być dziełem przypadku.

Istotność statystyczna a praktyczna

Wynik istotny statystycznie niekoniecznie jest ważny w praktyce. Przy bardzo dużych próbkach nawet minimalne różnice mogą być “istotne”, lecz pozbawione znaczenia w rzeczywistości. Zawsze rozpatruj wielkość efektu obok wartości p.
← Centrum Nauki