Проверка гипотез и стандартное отклонение

Q: How should I interpret a high standard deviation?

A high standard deviation means the observations are spread farther from the mean on average. Whether that spread is acceptable depends on the context: wide dispersion might signal risk in finance, instability in manufacturing, or genuine natural variation in scientific data.

Q: Why do some articles mention n while others mention n-1?

The denominator reflects the difference between population and sample formulas. Population variance and population standard deviation use N because the full dataset is known. Sample variance and sample standard deviation often use n-1 because Bessel’s correction reduces bias when estimating population spread from a sample.

Q: What is a statistical interpretation guide?

A statistical interpretation guide is a page that moves beyond arithmetic and explains meaning. It tells you what a metric is, when the formula applies, and how to describe the result in plain English without overstating certainty.

Q: Can I cite this article in a report?

You should cite the underlying authoritative reference for formal work whenever possible. This page is best used as an explanatory bridge that helps you understand the concept before quoting the original standard or handbook.

Q: Why include direct citations on every article page?

Direct citations give readers a route to verify the definition, notation, and assumptions. That improves trust and reduces the chance that a simplified explanation is mistaken for the entire technical standard.

Обзор

Проверка гипотез — это статистический метод принятия решений о генеральной совокупности на основе выборочных данных. Стандартное отклонение играет ключевую роль в определении того, являются ли наблюдаемые различия статистически значимыми или обусловлены случайностью.

Сформулируйте гипотезы

Сформулируйте нулевую гипотезу (H₀) и альтернативную гипотезу (H₁)

Выберите уровень значимости

Выберите уровень значимости (α), обычно 0,05

Рассчитайте тестовую статистику

Вычислите тестовую статистику с использованием стандартного отклонения

Сравните с критическим значением

Сравните с критическим значением или рассчитайте p-значение

Примите решение

Примите решение: отвергнуть или не отвергнуть H₀

Z-критерий

Z-критерий используется, когда известно стандартное отклонение генеральной совокупности (σ) и объём выборки достаточно велик (n ≥ 30).

Статистика Z-критерия

z = (x̄ - μ₀) / (σ / √n)

Пример

Производитель утверждает, что батарейки служат в среднем 100 часов (μ₀ = 100). Вы протестировали 36 батареек и получили x̄ = 98 часов. Если σ = 12 часов: z = (98 - 100) / (12 / √36) = -2 / 2 = -1 При z = -1 и α = 0,05 (двусторонний критерий) мы не отвергаем H₀. Различие статистически незначимо.

T-критерий

T-критерий используется, когда стандартное отклонение генеральной совокупности неизвестно и его приходится оценивать по выборке (используя s вместо σ).

Статистика t-критерия

t = (x̄ - μ₀) / (s / √n)

Когда использовать t-критерий, а когда z-критерий

- Z-критерий: σ известно, n ≥ 30 - T-критерий: σ неизвестно (используется s), любой объём выборки На практике t-критерий применяется значительно чаще, поскольку истинное σ генеральной совокупности редко бывает известно.

Стандартная ошибка

Стандартная ошибка (SE) показывает, насколько выборочные средние отклоняются от среднего генеральной совокупности. Это ключевая связь между стандартным отклонением и проверкой гипотез.

Стандартная ошибка среднего

SE = σ / √n (или s / √n при использовании выборочного СО)

Стандартная ошибка уменьшается с увеличением объёма выборки. Большие выборки дают более точные оценки и позволяют легче обнаруживать истинные различия.

Статистическая значимость

Результат считается статистически значимым, когда вероятность наблюдения его случайно (p-значение) ниже выбранного порога (α).

Если p-значение < α

Отвергнуть H₀. Результат статистически значим.

Если p-значение ≥ α

Не отвергать H₀. Результат может быть обусловлен случайностью.

Статистическая и практическая значимость

Статистически значимый результат не обязательно имеет практическую важность. При очень больших выборках даже ничтожные различия могут быть «значимыми», но бессмысленными на практике. Всегда учитывайте размер эффекта наряду с p-значениями.

A statistics tutorial is a practical interpretation guide, not just a formula dump. It refers to the assumptions, notation, and reporting language that analysts need when they explain a result to a teacher, manager, client, or reviewer. The article body covers the specific topic, while the sections below create a common interpretation frame that readers can reuse across related metrics.

Reading goal	What to focus on	Common mistake
Definition	What the metric is and what quantity it summarizes	Treating the formula as self-explanatory
Formula choice	Sample versus population assumptions and notation	Using n when n-1 is required or vice versa
Interpretation	Whether the result indicates concentration, spread, or risk	Calling a large value good or bad without context

Frequently Asked Questions

How should I interpret a high standard deviation?