Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.

Samankaltaiset tiedostot
Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

MTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu

Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?

/1. MTTTP5, luento Kertausta. Olk. X 1, X 2,..., X n on satunnaisotos N(µ, ):sta, missä tunnettu. Jos H 0 on tosi, niin

/1. MTTTP1, luento Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:

Otoskeskiarvo on otossuure, jonka todennäköisyysjakauma tiedetään. Se on normaalijakauma, havainnollistaminen simuloiden

6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely

/1. MTTTP1, luento Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:

7.4 Normaalijakauma (kertausta ja täydennystä) Taulukosta P(Z 1,6449) = 0,05, P(Z -1,6449) = 0,05 P(Z 1,96) = 0,025, P(Z -1,96) = 0,025

ABHELSINKI UNIVERSITY OF TECHNOLOGY

voidaan hylätä, pienempi vai suurempi kuin 1 %?

Mat Tilastollisen analyysin perusteet, kevät 2007

Väliestimointi (jatkoa) Heliövaara 1

Harjoitus 7: NCSS - Tilastollinen analyysi

Sovellettu todennäköisyyslaskenta B

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

dx=5&uilang=fi&lang=fi&lvv=2014

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

MTTTP1, luento KERTAUSTA

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit

Sovellettu todennäköisyyslaskenta B

Mat Sovellettu todennäköisyyslasku A

MTTTP1, luento KERTAUSTA

10. laskuharjoituskierros, vko 14, ratkaisut

031021P Tilastomatematiikka (5 op) viikko 5

MTTTP5, luento Kahden jakauman sijainnin vertailu (jatkoa) Tutkimustilanteita y = neliöhinta x = sijainti (2 aluetta)

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty

c) A = pariton, B = ainakin 4. Nyt = silmäluku on5 Koska esim. P( P(A) P(B) =, eivät tapahtumat A ja B ole riippumattomia.

Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla määritelty funktio

MTTTP1 Tilastotieteen johdantokurssi Luento JOHDANTO

r = n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

Sovellettu todennäköisyyslaskenta B

MTTTP1 Tilastotieteen johdantokurssi Luento JOHDANTO

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

Testit laatueroasteikollisille muuttujille

Luottamusvälit. Normaalijakauma johnkin kohtaan

riippumattomia ja noudattavat samaa jakaumaa.

MTTTP5, luento Luottamusväli, määritelmä

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

Luento JOHDANTO

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

voidaan hylätä, pienempi vai suurempi kuin 1 %?

Tilastollisia peruskäsitteitä ja Monte Carlo

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Testejä suhdeasteikollisille muuttujille

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

HAVAITUT JA ODOTETUT FREKVENSSIT

Testaa onko myrkkypitoisuus eri ryhmissä sama. RATK. Lasketaan kaikkien havaintoarvojen summa: k T i = = 486.

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 5

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1

&idx=2&uilang=fi&lang=fi&lvv=2015

Hypoteesin testaus Alkeet

&idx=1&uilang=fi&lang=fi&lvv=2017

Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?

&idx=2&uilang=fi&lang=fi&lvv=2015

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

Tilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin

dx=2&uilang=fi&lang=fi&lvv=2015

Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus KE (2014) 1

Sovellettu todennäköisyyslaskenta B

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle

Mat Tilastollisen analyysin perusteet, kevät 2007

2. TILASTOLLINEN TESTAAMINEN...

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

MTTTP1, luento KERTAUSTA JA TÄYDENNYSTÄ. Tunnusluvut. 1) Sijainnin tunnuslukuja. Keskilukuja moodi (Mo) mediaani (Md) keskiarvo, kaava (1)

Tilastotieteen jatkokurssi syksy 2003 Välikoe

MTTTP1 Tilastotieteen johdantokurssi Luento JOHDANTO

Aki Taanila TILASTOLLISEN PÄÄTTELYN ALKEET

edellyttää valintaa takaisinpanolla Aritmeettinen keskiarvo Jos, ½ Ò muodostavat satunnaisotoksen :n jakaumasta niin Otosvarianssi Ë ¾

MTTTP1, luento KERTAUSTA

Tilastollinen testaaminen tai Tilastollinen päättely. Geneettinen analyysi

Estimointi. Luottamusvälin laskeminen keskiarvolle α/2 α/2 0.1

Tilastollisen analyysin perusteet Luento 4: Testi suhteelliselle osuudelle

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Johdatus tilastotieteeseen Tilastolliset testit. TKK (c) Ilkka Mellin (2005) 1

Sovellettu todennäköisyyslaskenta B

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Aki Taanila TILASTOLLISEN PÄÄTTELYN ALKEET

H0: otos peräisin normaalijakaumasta H0: otos peräisin tasajakaumasta

Tavanomaisten otostunnuslukujen, odotusarvon luottamusvälin ja Box ja Whisker -kuvion määritelmät: ks. 1. harjoitukset.

MTTTP1 Tilastotieteen johdantokurssi Luento JOHDANTO

Estimointi. Otantajakauma

Mat Tilastollisen analyysin perusteet, kevät 2007

Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4

MTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu

Tilastolliset testit. Tilastolliset testit. Tilastolliset testit: Mitä opimme? 2/5. Tilastolliset testit: Mitä opimme? 1/5

POPULAATIO. Oikeastaan arvot, joista ollaan kiinnostuneita (mitatut numeeriset suureet, luokittelut).

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä

Transkriptio:

9.10.2018/1 MTTTP1, luento 9.10.2018 KERTAUSTA TESTAUKSESTA, p-arvo Asetetaan H 0 H 1 Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi. Lasketaan otoksesta testisuureelle arvo.

9.10.2018/2 Kiinnitetään riskitaso (eli todennäköisyys, että tosi H 0 hylätään). Määritetään testisuureen harvinaisten arvojen joukko, joka riippuu riskitasosta ja vaihtoehtoisesta hypoteesista. Hylätään H 0, jos saatu arvo kuuluu harvinaisten arvojen joukkoon, muulloin hyväksytään. H 0 :n hylkääminen johtaa H 1 :n hyväksymiseen.

9.10.2018/3 Päättely voidaan myös tehdä nk. p-arvon perusteella, p-arvo on pienin riskitaso, jolla H 0 voidaan hylätä. Jos p-arvo on valittua riskitasoa pienempi, niin H 0 hylätään, muulloin hyväksytään. H 0 : = 0, H 1 : > 0, Z ~ N(0, 1) likimain, kun H 0 tosi.

9.10.2018/4 p-arvo tulos tilastollisesti < 0,05 melkein merkitsevä < 0,01 merkitsevä < 0,001 erittäin merkitsevä

9.10.2018/5 7.7.1 Prosenttiosuuden testaus (kertausta) H 0 : = 0 Z p 0 100 ) / n 0 ( 0 likimain ~ N(0,1), kun H 0 tosi

9.10.2018/6 Esim. 7.7.1. Tarkastellaan erään liikkeen asiakkaita. Halutaan tutkia, ovatko asiakkaista yli puolet naisia. Tehdään 200 asiakkaan satunnaisotos jossa naisia on 113. Nyt H 0 : = 50 % ja H 1 : > 50 %. Otoksessa naisia 56,5 %. Aineiston perusteella testisuureen arvoksi saadaan z 56,5 50 50(100 50) / 200 1,838 z 0,05 1,6449.

9.10.2018/7 H 0 hylätään 5 %:n riskitasolla, mutta ei 2,5 %:n riskillä, joten 0,025 < p-arvo < 0,05. Ks. http://www.sis.uta.fi/tilasto/mtttp1/syksy2018/luentorunko.pd f#page=81

9.10.2018/8 Esim. 7.7.2. Eräs puolue väittää, että suomalaisista 40 % kannattaa sen tekemää ehdotusta. Väitteen tutkimiseksi teit kyselyn 1000 henkilölle, joista 360 ilmoitti kannattavansa kyseistä ehdotusta. Onko puolue arvioinut ehdotuksen kannattajat oikein? Nyt H 0 : = 40 % ja H 1 : < 40 % Otoksessa kannattajia 36 %. Testisuureen arvoksi saadaan z 36 40(100 40 40) /1000 2,58.

9.10.2018/9 Onko tämä harvinaisten arvojen joukkoon kuuluva? Jos tehdään testaus 1 %:n riskitasolla, niin harvinaisiksi arvoiksi katsotaan lukua 2,3264 = -z 0,01 pienemmät ja täten hylätään nollahypoteesi (-2,58 < -2,3264).

9.10.2018/10 Pienin riskitaso, jolla H 0 voidaan hylätä, on P(Z 2,58) 0,005, koska P(Z 2,5758) = 0,005.

9.10.2018/11 Vaihtoehtoinen hypoteesi voidaan asettaa myös kaksisuuntaisena, jolloin H 1 : 40 %. Tällöin p-arvo on P(Z 2,58) + P(Z 2,58) 0,01. Jos valitaan kaksisuuntaisessa testissä tätä suurempi riskitaso (esimerkiksi 0,025), niin nollahypoteesi hylätään ja päätellään, että puolue on arvioinut ehdotuksen kannattajien osuuden väärin.

9.10.2018/12 Esim. Kahvin myyjä väittää, että 15 % kahvin juojista valitsee kahvimerkin hinnan perusteella. Tehdään tutkimus, jossa 250 kahvin juojalta kysytään kahvimerkin valintaa vaikuttavia tekijöitä. Vastanneista 25 valitsi kahvin hinnan perusteella. Uskotko myyjän väitteen?

0,01< p-arvo < 0,05 9.10.2018/13

9.10.2018/14 7.7.2 Odotusarvon testaus H 0 : µ = µ 0 t X s / n 0 ~ tn 1, kun H 0 tosi

9.10.2018/15 Esim. 7.7.3. Kauppias väitti, että kananmunien keskipaino on 50 g. Tehdään 36 alkion satunnaisotos ja saadaan = 47, s = 6. Onko kauppiaan väittämään uskomista? Nyt H 0 : = 50 g H 1 : < 50 g Saadaan t 4750 3 6/ 36, joka on pienempi kuin t 0,005;35 2,75, joten hylätään nollahypoteesi 0,5 %:n riskitasolla (ei uskota kauppiaan väitettä).

9.10.2018/16 Voidaan arvioida, että p-arvo eli P(t 35 < 3) < 0,005. Vaihtoehtoinen hypoteesi voidaan myös asettaa kaksisuuntaisena eli H 1 : 50 g Jos päättely tehdään 1 %:n riskitasolla, niin harvinaisten arvojen rajoina ovat ±t 0,01/2;35 ±2,75, joiden ulkopuolelle 3 jää. Päätellään, että 50 g. Nyt p arvo = P(t 35 < 3) + P(t 35 > 3) < 0,01.

9.10.2018/17 Esim. 7.7.4. Perunalastujen valmistaja ilmoittaa perunalastupussiensa keskipainoksi 340 g. Tutkitaan väitettä ja tehdään 16 pussin satunnaisotos ja saadaan keskipainoksi 336 g ja keskihajonnaksi 11 g. Voitko uskoa valmistajan väitteen? H 0 : = 340 g H 1 : < 340 g t 336 340 11/ 16 1,45 5 %:n riskitasolla harvinaisten arvojen raja on -t 0,05;15 = -1,753, joten H 0 hyväksytään.

Nyt p-arvo on P(t 15 < 1,45) > 0,05, graafisesti: 9.10.2018/18

9.10.2018/19 Sama johtopäätelmä tehdään, jos vaihtoehtoinen hypoteesi asetetaan kaksisuuntaiseksi eli H 1 : 340 g. Koska t 0,05/2;15 = 2,131, niin H 0 hyväksytään 5 %:n riskitasolla. Nyt p-arvo = P(t 15 < 1,45) + P(t 15 > 1,45) > 0,10. Esim. Lepakoiden tunnistusmatkat, ks. http://www.sis.uta.fi/tilasto/mtttp1/syksy2018/esimerk it_kaavoihin.pdf

9.10.2018/20 7.7.3 2 riippumattomuustesti Kahden muuttujan välinen riippuvuustarkastelu ristiintaulukon perusteella, asetetaan H0: ei riippuvuutta H1: on riippuvuutta H0 hylätään, jos p-arvo pieni (esim. < 0,05).

9.10.2018/21 7.7.4 Odotusarvojen yhtäsuuruuden testaaminen t-testillä Tutkitaan kahden populaation odotusarvojen yhtäsuuruutta riippumattomien otosten t-testillä, asetetaan H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 H0 hylätään, jos p-arvo pieni (esim. < 0,05).