Testowanie hipotez

Co to jest testowanie hipotez?

Testowanie hipotez to czynność statystyczna, w ramach której analityk sprawdza założenie dotyczące parametru populacji. Metodologia zastosowana przez analityka zależy od charakteru wykorzystywanych danych i celu analizy.

Testowanie hipotez służy do oceny wiarygodności hipotezy przy użyciu przykładowych danych. Takie dane mogą pochodzić z większej populacji lub z procesu generowania danych. Słowo „populacja” będzie używane w obu tych przypadkach w poniższych opisach.

Jak działa testowanie hipotez

Podczas testowania hipotez analityk testuje próbkę statystyczną w celu dostarczenia dowodów na wiarygodność hipotezy zerowej.

Analitycy statystyczni sprawdzają hipotezę, mierząc i badając losową próbkę analizowanej populacji. Wszyscy analitycy wykorzystują losową próbkę populacji, aby przetestować dwie różne hipotezy: hipotezę zerową i hipotezę alternatywną.

Hipoteza zerowa jest zwykle hipotezą równości parametrów populacji; np. hipoteza zerowa może głosić, że średni zwrot z populacji jest równy zero. Hipoteza alternatywna jest w rzeczywistości przeciwieństwem hipotezy zerowej (np. średni zwrot w populacji nie jest równy zeru). W ten sposób wykluczają się one wzajemnie i tylko jeden może być prawdziwy. Jednak jedna z dwóch hipotez zawsze będzie prawdziwa.

4 etapy testowania hipotez

Wszystkie hipotezy są testowane w czteroetapowym procesie:

1. Pierwszym krokiem analityka jest sformułowanie dwóch hipotez, tak aby tylko jedna mogła mieć rację.

2. Następnym krokiem jest sformułowanie planu analizy, który określa sposób oceny danych.

3. Trzecim krokiem jest wykonanie planu i fizyczna analiza przykładowych danych.

4. Czwartym i ostatnim krokiem jest analiza wyników i odrzucenie hipotezy zerowej lub stwierdzenie, że hipoteza zerowa jest wiarygodna, biorąc pod uwagę dane.

Przykład testowania hipotez w świecie rzeczywistym

Jeśli na przykład osoba chce sprawdzić, czy grosz ma dokładnie 50% szans na wylądowanie na orłach, hipoteza zerowa będzie taka, że 50% jest poprawna, a hipoteza alternatywna będzie taka, że 50% jest niepoprawne.

Matematycznie hipoteza zerowa zostałaby 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 równa się 50%.

Pobiera się losową próbkę 100 rzutów monetą, a następnie testuje hipotezę zerową. Jeśli okaże się, że 100 rzutów monetą zostało rozłożonych na 40 orłów i 60 reszek, analityk założyłby, że grosz nie ma 50% szans na wylądowanie na orłach i odrzuciłby hipotezę zerową i zaakceptowałby hipotezę alternatywną.

Jeśli z drugiej strony było 48 orłów i 52 reszki, to jest prawdopodobne, że moneta mogła być uczciwa i nadal przynosić taki wynik. W przypadkach takich jak ten, gdzie hipoteza zerowa jest „zaakceptowana”, analityk stwierdza, że różnica między oczekiwanymi wynikami (50 orłów i 50 reszek) a obserwowanymi wynikami (48 orłów i 52 reszek) jest „wyjaśniona przez przypadek”.

Przegląd najważniejszych wydarzeń

• Testowanie hipotez służy do oceny wiarygodności hipotezy przy użyciu przykładowych danych.

• Test dostarcza dowodów na wiarygodność hipotezy, biorąc pod uwagę dane.

• Analitycy statystyczni sprawdzają hipotezę, mierząc i badając losową próbkę analizowanej populacji.