Проверка гипотез и стандартное отклонение

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.

← Центр обучения