Проверка статистической гипотезы о математическом ожидании нормального
распределения при известной дисперсии.
Пусть имеется нормально распределенная случайная величина (,,
определенная на множестве объектов некоторой генеральной совокупности.
Известно, что D( = ( 2. Математическое ожидание M( неизвестно. Допустим,
что имеются основания предполагать, что M( = a, где a – некоторое число
(такими основаниями могут быть ограниченные сведения об объектах
генеральной совокупности, опыт исследования подобных совокупностей и т.
д.). Будем считать также, что имеется другая информация, указывающая на то,
что M( = a1, где a1 > a.
I. Выдвигаем нулевую гипотезу H0: M( = a;
при конкурирующей гипотезе H1: M( = a1.
Делаем выборку объема n: x1, x2,..., xn . В основе проверки лежит тот
факт, что случайная величина (выборочная средняя) распределена по
нормальному закону с дисперсией ( 2/n и математическим ожиданием, равным a
в случае справедливости H0, и равным a1 в случае справедливости H1.
Очевидно, что если величина оказывается достаточно малой, то это
дает основание предпочесть гипотезу H0 гипотезе H1. При достаточно большом
значении более вероятна справедливость гипотезы H1. Задачу можно было
бы поставить так: требуется найти некоторое критическое число, которое
разбивало бы все возможные значения выборочной средней ( в условиях данной
задачи это все действительные числа ) на два полубесконечных промежутка.
При попадании в левый промежуток следовало бы принимать гипотезу H0,
а при попадании в правый промежуток предпочтение следовало бы оказать
гипотезе H1. Однако на самом деле поступают несколько иначе.
В качестве статистического критерия выбирается случайная величина
,
распределенная по нормальному закону , причем Mz = 0 и Dz = 1 ( это следует
из свойств математического ожидания и дисперсии ) в случае справедливости
гипотезы H0. Если справедлива гипотеза H1, то
Mz = a* = ( a1 – a )/(, Dz = 1.
На рисунке 1. изображены графики p0(z) и p1(z) – функций плотности
распределения случайной величины z при справедливости гипотез H0 и H1,
соответственно.
Если величина , полученная из выборочных данных, относительно
велика, то и величина z велика, что является свидетельством в пользу
гипотезы H1. Относительно малые значения приводят к малым значениям
z, что свидетельствует в пользу гипотезы H0. Отсюда следует, что должна
быть выбрана правосторонняя критическая область. По принятому уровню
значимости ( (например ( = 0,05), используя то, что случайная величина z
распределена по нормальному закону, определим значение Kкр из формулы
( = P(Kкр < z <() = ((() – ((Kкр) = 0,5 – ((Kкр).
Отсюда , и осталось воспользоваться таблицей функции Лапласа для
нахождения числа Kкр.
Если величина z, полученная при выборочном значении , попадает в
область принятия гипотезы (z < Kкр), то гипотеза H0 принимается (делается
вывод, что выборочные данные не противоречат гипотезе H0). Если величина z
попадает в критическую область, то гипотеза H0 отвергается.
В данной задаче может быть подсчитана мощность критерия:
Мощность критерия тем больше, чем больше разность a1– a.
II. Если в предыдущей задаче поставить другое условие:
H0: M( = a;
H1: M( = a1 , a1 < a,
то сохранив смысл всех рассуждений, здесь придется рассматривать
левостороннюю критическую область, как изображено на рисунке 2. Здесь, как
и в предыдущем случае, a* = ( a1 – a )/(, а величина Kкр определяется
из формулы
( = P(–( < z < Kкр) = (( Kкр) – ((–() = (( Kкр) + .
Используя формулу –(( Kкр) = (( –Kкр), получаем:
(( –Kкр) = .
Отметим, что по смыслу задачи здесь Kкр – отрицательное число.
Значения z, вычисленные по выборочным данным, превышающие Kкр,
согласуются с гипотезой H0. Если величина z попадает в критическую область
(z < Kкр), то гипотезу H0 следует отвергнуть, считая предпочтительной
гипотезу H1.
III. Рассмотрим теперь такую задачу:
H0: M( = a;
H1: M( ( a.
В данном случае большие отклонения величины z от нуля в положительную
или отрицательную сторону должны приводить к заключению о ложности гипотезы
H0, то есть здесь следует рассматривать двустороннюю критическую область,
как изображено на рисунке 3.
Критическое значение Kкр определяется с помощью соотношения
P(–Kкр < z < Kкр) = 1 – ( = (( Kкр) – (( – Kкр) = 2(( Kкр) .
Из этого соотношения следует:
(( Kкр) =
Проверка гипотезы о равенстве дисперсий.
Гипотезы о дисперсии играют очень важную роль в
экономико–математическом моделировании, так как величина рассеяния
экспериментальных выборочных данных относительно рассчитанных теоретических
значений соответствующих параметров, характеризующаяся дисперсией, дает
возможность судить о пригодности (адекватности) теории или модели, на
основании которой строится теория.
Пусть нормально распределенная случайная величина ( определена на
некотором множестве, образующем генеральную совокупность, а нормально
распределенная случайная величина ( определена на другом множестве, которое
тоже составляет генеральную совокупность. Из обеих совокупностей делаются
выборки: из первой – объема n1, а из второй – объема n2 (отметим, что объем
выборки не всегда можно определить заранее, как например в случае, если он
равен количеству рыб, попавших в сеть). По каждой выборке рассчитывается
исправленная выборочная дисперсия: s12 для выборки из первой совокупности и
s22 для выборки из второй совокупности.
Поставим задачу: с помощью выборочных данных проверить статистическую
гипотезу H0: D( = D(. В качестве конкурирующей гипотезы будем рассматривать
идею, заключающуюся в том, что дисперсия той совокупности, для которой
исправленная выборочная дисперсия оказалась наибольшей, больше дисперсии
другой совокупности. Критерий берется в следующем виде:
.
Здесь S**– наибольшая из двух оценок s12 и s22, а S*– наименьшая из тех же
двух оценок.
Критерий F распределен по закону Фишера с k1 и k2 степенями свободы.
Здесь
k1 = n1–1, k2 = n2–1, если S**= s12;
k1 = n2–1, k2 = n1–1, если S**= s22.
В этой задаче естественно рассматривать правостороннюю критическую
область, так как достаточно большие выборочные значения критерия F
свидетельствуют в пользу конкурирующей гипотезы.
При заданном уровне значимости q (обычно q =0,05 или q =0,01)
критическое значение Fкр определяется из таблицы распределения Фишера. В
случае F > Fкр гипотеза H0 отвергается, а в случае F < Fкр – принимается.
Пусть два множества некоторых объектов, обладающих количественным
признаком, подвергнуты выборочному контролю. Значения количественного
признака есть распределенные по нормальному закону случайные величины,
которые мы обозначим (1 и (2, соответственно, для первого и для второго
множеств. Из первого множества сделана выборка объема n1=21 и подсчитана
исправленная выборочная дисперсия, оказавшаяся равной 0,75. Из второго
множества сделана выборка объема n2=11. Эта выборка дала значение
исправленной выборочной дисперсии, равное 0,25. Выдвигаем гипотезу H0:
D(1=D(2. Конкурирующая гипотеза H1 заключается в том, что D(1>D(2. В данном
случае выборочное значение Fв критерия Фишера равно 3. При выбранном уровне
значимости q = 0,05 по числам степеней свободы k1=20, k2=10 находим по
таблице распределения Фишера Fкр=2,77. Так как Fв > Fкр, гипотеза о
равенстве дисперсий должна быть отвергнута.
Проверка статистической значимости выборочного коэффициента корреляции.
Проверкой статистической значимости выборочной оценки ( параметра (
генеральной совокупности называется проверка статистической гипотезы H0: (
= 0, при конкурирующей гипотезе
H1: ( ( 0. Если гипотеза H0 отвергается, то оценка ( считается
статистически значимой.
Пусть имеются две случайные величины ( и (, определенные на множестве
объектов одной и той же генеральной совокупности, причем обе имеют
нормальное распределение. Задача заключается в проверке статистической
гипотезы об отсутствии корреляционной зависимости между случайными
величинами ( и (.
H0: ((( = 0;
H1: ((( ( 0.
Здесь ((( – коэффициент линейной корреляции.
Производится выборка объема n и вычисляется выборочный коэффициент
корреляции r. За статистический критерий принимается случайная величина
,
которая распределена по закону Стьюдента с n – 2 степенями свободы.
Отметим сначала, что все возможные значения выборочного коэффициента
корреляции r лежат в промежутке [–1;1]. Очевидно, что относительно большие
отклонения в любую сторону значений t от нуля получаются при относительно
больших, то есть близких к 1, значениях модуля r. Близкие к 1 значения
модуля r противоречат гипотезе H0, поэтому здесь естественно рассматривать
двустороннюю критическую область для критерия t.
По уровню значимости ( и по числу степеней свободы n – 2 находим из
таблицы распределения Стьюдента значение tкр. Если модуль выборочного
значения критерия tв превосходит tкр, то гипотеза H0 отвергается и
выборочный коэффициент корреляции считается статистически значимым. В
противном случае, то есть если (tв( < tкр и принимается гипотеза H0,
выборочный коэффициент корреляции считается статистически незначимым.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
