<\/p>\n
Hipoteza statystyczna<\/strong> to za\u0142o\u017cenie dotycz\u0105ce parametru populacji<\/a> .<\/span><\/p>\n Na przyk\u0142ad mo\u017cemy za\u0142o\u017cy\u0107, \u017ce \u015bredni wzrost m\u0119\u017cczyzny w Stanach Zjednoczonych wynosi 70 cali.<\/span><\/p>\n Hipoteza dotycz\u0105ca wzrostu jest hipotez\u0105 statystyczn\u0105<\/strong> , a prawdziwy \u015bredni wzrost m\u0119\u017cczyzny w Stanach Zjednoczonych jest parametrem populacyjnym<\/strong> .<\/span><\/p>\n Test hipotezy<\/strong> to formalny test statystyczny, kt\u00f3rego u\u017cywamy do odrzucenia lub nieodrzucenia hipotezy statystycznej.<\/span><\/p>\n Aby sprawdzi\u0107, czy hipoteza statystyczna dotycz\u0105ca parametru populacji jest prawdziwa, uzyskujemy losow\u0105 pr\u00f3bk\u0119<\/a> z populacji i przeprowadzamy test hipotezy na danych pr\u00f3bki.<\/span><\/p>\n Istniej\u0105 dwa rodzaje hipotez statystycznych:<\/span><\/p>\n Hipoteza zerowa<\/strong> , oznaczona jako H0<\/sub> , to hipoteza, \u017ce dane pr\u00f3bki pochodz\u0105 wy\u0142\u0105cznie z przypadku.<\/span><\/p>\n Hipoteza alternatywna<\/strong> , oznaczona jako H1<\/sub> lub Ha<\/sub> , to hipoteza, \u017ce na dane pr\u00f3bki wp\u0142ywa przyczyna nieprzypadkowa.<\/span><\/p>\n Hipoteza testowa<\/strong> sk\u0142ada si\u0119 z pi\u0119ciu krok\u00f3w:<\/span><\/p>\n 1. Podaj hipotezy.<\/span><\/strong><\/p>\n Podaj hipotez\u0119 zerow\u0105 i alternatywn\u0105. Te dwie hipotezy musz\u0105 si\u0119 wzajemnie wyklucza\u0107, wi\u0119c je\u015bli jedna jest prawdziwa, druga musi by\u0107 fa\u0142szywa.<\/span><\/p>\n 2. Okre\u015bl poziom istotno\u015bci, jaki nale\u017cy zastosowa\u0107 w przypadku hipotezy.<\/span><\/strong><\/p>\n Zdecyduj si\u0119 na poziom istotno\u015bci. Typowe wybory to .01, .05 i .1.<\/span><\/p>\n 3. Znajd\u017a statystyk\u0119 testow\u0105.<\/span><\/strong><\/p>\n Znajd\u017a statystyk\u0119 testow\u0105 i odpowiadaj\u0105c\u0105 jej warto\u015b\u0107 p. Cz\u0119sto analizujemy \u015bredni\u0105 lub proporcj\u0119 populacji, a og\u00f3lny wz\u00f3r na znalezienie statystyki testowej jest nast\u0119puj\u0105cy: (statystyka pr\u00f3bki \u2013 parametr populacji) \/ (odchylenie standardowe statystyki)<\/span><\/p>\n 4. Odrzu\u0107 lub nie odrzucaj hipotezy zerowej.<\/strong><\/span><\/p>\n Korzystaj\u0105c ze statystyki testowej lub warto\u015bci p, okre\u015bl, czy mo\u017cesz odrzuci\u0107 hipotez\u0119 zerow\u0105 na podstawie poziomu istotno\u015bci.<\/span><\/p>\n Warto\u015b\u0107 p<\/em> m\u00f3wi nam o sile dowod\u00f3w potwierdzaj\u0105cych hipotez\u0119 zerow\u0105. Je\u015bli warto\u015b\u0107 p jest mniejsza ni\u017c poziom istotno\u015bci, odrzucamy hipotez\u0119 zerow\u0105.<\/span><\/p>\n 5. Interpretacja wynik\u00f3w.<\/strong><\/span><\/p>\n Zinterpretuj wyniki testu hipotezy w kontek\u015bcie zadanego pytania.<\/span><\/p>\n Testuj\u0105c hipotez\u0119, mo\u017cna pope\u0142ni\u0107 dwa rodzaje b\u0142\u0119d\u00f3w decyzyjnych:<\/span><\/p>\n B\u0142\u0105d pierwszego rodzaju:<\/strong> odrzucasz hipotez\u0119 zerow\u0105, gdy jest ona rzeczywi\u015bcie prawdziwa. Prawdopodobie\u0144stwo pope\u0142nienia b\u0142\u0119du I rodzaju jest r\u00f3wne poziomowi istotno\u015bci, cz\u0119sto nazywanemu alfa<\/em> i oznaczanemu \u03b1.<\/span><\/p>\n B\u0142\u0105d II rodzaju:<\/strong> nie odrzucasz hipotezy zerowej, gdy jest ona w rzeczywisto\u015bci fa\u0142szywa. Prawdopodobie\u0144stwo pope\u0142nienia b\u0142\u0119du typu II nazywane jest moc\u0105 testow\u0105 lub beta<\/em><\/a> i oznaczane jest przez \u03b2.<\/span><\/p>\n Hipoteza statystyczna mo\u017ce by\u0107 jednostronna lub dwustronna.<\/span><\/p>\n Hipoteza jednostronna<\/strong> polega na sformu\u0142owaniu stwierdzenia \u201ewi\u0119kszego ni\u017c\u201d lub \u201emniejszego ni\u017c\u201d.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce \u015bredni wzrost m\u0119\u017cczyzny w Stanach Zjednoczonych wynosi 70 cali lub wi\u0119cej. Hipotez\u0105 zerow\u0105 by\u0142oby H0: \u00b5 \u2265 70 cali, a hipotez\u0105 alternatywn\u0105 by\u0142oby Ha: \u00b5 < 70 cali.<\/span><\/p>\n Hipoteza dwustronna<\/strong> polega na z\u0142o\u017ceniu stwierdzenia \u201er\u00f3wnego\u201d lub \u201enie r\u00f3wnego\u201d.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce \u015bredni wzrost m\u0119\u017cczyzny w Stanach Zjednoczonych wynosi 70 cali. Hipotez\u0105 zerow\u0105 by\u0142oby H0: \u00b5 = 70 cali, a hipotez\u0105 alternatywn\u0105 by\u0142oby Ha: \u00b5 \u2260 70 cali.<\/span><\/p>\n Uwaga:<\/em> znak r\u00f3wno\u015bci jest zawsze uwzgl\u0119dniany w hipotezie zerowej, niezale\u017cnie od tego, czy jest to =, \u2265 czy \u2264.<\/span><\/p>\n Powi\u0105zane:<\/strong> Co to jest hipoteza kierunkowa?<\/span><\/p>\n Istnieje wiele rodzaj\u00f3w testowania hipotez, kt\u00f3re mo\u017cna przeprowadzi\u0107 w zale\u017cno\u015bci od rodzaju danych, z kt\u00f3rymi pracujesz i celu analizy.<\/span><\/p>\n Poni\u017csze samouczki zawieraj\u0105 wyja\u015bnienie najpopularniejszych typ\u00f3w testowania hipotez:<\/span><\/p>\n Wprowadzenie do testu t dla jednej pr\u00f3by<\/a> Hipoteza statystyczna to za\u0142o\u017cenie dotycz\u0105ce parametru populacji . Na przyk\u0142ad mo\u017cemy za\u0142o\u017cy\u0107, \u017ce \u015bredni wzrost m\u0119\u017cczyzny w Stanach Zjednoczonych wynosi 70 cali. Hipoteza dotycz\u0105ca wzrostu jest hipotez\u0105 statystyczn\u0105 , a prawdziwy \u015bredni wzrost m\u0119\u017cczyzny w Stanach Zjednoczonych jest parametrem populacyjnym . Test hipotezy to formalny test statystyczny, kt\u00f3rego u\u017cywamy do odrzucenia lub nieodrzucenia hipotezy statystycznej. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-413","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Dwa typy hipotez statystycznych<\/span><\/strong><\/h2>\n
Testowanie hipotez<\/strong><\/span><\/h2>\n
Dwa rodzaje b\u0142\u0119d\u00f3w decyzyjnych<\/span><\/strong><\/h2>\n
Testy jednostronne i dwustronne<\/strong><\/span><\/h2>\n
Rodzaje testowania hipotez<\/strong><\/span><\/h2>\n
Wprowadzenie do testu t dla dw\u00f3ch pr\u00f3b<\/a>
Wprowadzenie do testu t dla par pr\u00f3bek<\/a>
Wprowadzenie do testu Z pojedynczej proporcji<\/a>
Wprowadzenie do testu Z dw\u00f3ch proporcji<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"