10 concepts clés dans les tests d'hypothèses

Tests d'hypothèses

est une technique statistique qui est utilisée dans une variété de situations. Bien que les détails techniques diffèrent d'une situation à tous les tests d'hypothèses utilisent le même ensemble de termes et de concepts de base. Les descriptions suivantes des termes et concepts communs se réfèrent à un test d'hypothèse, dans lequel les moyennes de deux populations sont comparées.

Hypothèse nulle

La hypothèse nulle est une déclaration claire sur la relation entre deux (ou plusieurs) des objets statistiques. Ces objets peuvent être des mesures, des distributions, ou catégories. Typiquement, l'hypothèse nulle, comme son nom l'indique, déclare que il n'y a aucune relation.

Dans le cas des deux populations, l'hypothèse nulle pourrait indiquer que les moyens des deux populations sont égaux.

Hypothèse alternative

Une fois que l'hypothèse nulle a été dit, il est facile de construire le hypothèse alternative. Il est essentiellement la déclaration que l'hypothèse nulle est fausse. Dans notre exemple, l'hypothèse alternative serait que les moyens des deux populations ne sont pas égaux.

Importance

La importance niveau est une mesure de la résistance de la statistique test d'hypothèse. Il est souvent caractérisé comme la probabilité de conclure à tort que l'hypothèse nulle est fausse.

Le niveau de signification est quelque chose que vous devez spécifier à l'avance. Dans les applications, le niveau de signification est généralement l'une des trois valeurs: 10%, 5% ou 1%. Un niveau de signification de 1% représente le test le plus fort des trois. Pour cette raison, est de 1% supérieur niveau de signification de 10%.

Puissance

Liés à l'importance, la puissance d'un test mesure la probabilité de conclure correctement que l'hypothèse nulle est vraie. Power est pas quelque chose que vous pouvez choisir. Elle est déterminée par plusieurs facteurs, notamment le niveau de signification que vous sélectionnez et la taille de la différence entre les choses que vous essayez de comparer.

Malheureusement, l'importance et le pouvoir sont inversement proportionnels. Importance croissante diminue la puissance. Il est donc difficile de concevoir des expériences qui ont à la fois très grande importance et le pouvoir.

Statistique de test

La statistique de test est une mesure unique qui saisit la nature statistique de la relation entre les observations que vous avez affaire. La statistique de test dépend fondamentalement du nombre d'observations qui sont en cours d'évaluation. Il diffère d'une situation à.

Répartition de la statistique de test

La notion d'hypothèse repose sur la possibilité de spécifier (exactement ou approximativement) de la distribution que la statistique de test suit. Dans le cas de cet exemple, la différence entre les moyens sera d'environ normalement distribué (en supposant qu'il existe un nombre relativement important d'observations).

Tests unilatéraux vs bilatéral

Selon la situation, vous voudrez peut-être (ou besoin) d'employer un de un ou test bilatéral. Ces queues se réfèrent à la queue gauche de la distribution de la statistique de test et de droite. Un test bilatéral permet à la possibilité que la statistique de test est soit très grands ou très petits (négative est petite). Un test unilatéral ne permet qu'une seule de ces possibilités.

Dans un exemple où l'hypothèse nulle indique que les moyennes de deux populations sont égaux, vous devez prévoir la possibilité que l'un pourrait être plus important que l'autre. La statistique de test pourrait être positif ou négatif. Donc, vous employez un test bilatéral.

L'hypothèse nulle aurait pu être légèrement différente, à savoir que la moyenne de la population 1 est plus grand que la moyenne de la population 2. Dans ce cas, vous ne devez pas tenir compte statistiquement de la situation où le premier moyen est inférieur à la seconde. Donc, vous voulez employer un test unilatéral.

Valeur critique

La valeur critique dans un test d'hypothèse est basée sur deux choses: la distribution de la statistique de test et le niveau de signification. La valeur (s) critique se rapportent au point dans la distribution statistique de l'essai qui donnent les queues de la distribution d'une zone (de probabilité sens) exactement égal au niveau qui a été choisi de signification.

Décision

Votre décision de rejeter ou d'accepter l'hypothèse nulle est basée sur la comparaison de la statistique de test de la valeur critique. Si la statistique de test est supérieure à la valeur critique, vous devriez rejeter l'hypothèse nulle. Dans ce cas, vous diriez que la différence entre les deux moyennes de population est importante. Sinon, vous acceptez l'hypothèse nulle.

P-valeur

La p-valeur d'un test d'hypothèse vous donne une autre façon d'évaluer l'hypothèse nulle. La p-valeur représente le niveau de signification plus élevée à laquelle votre statistique de test particulière serait justifier le rejet de l'hypothèse nulle. Par exemple, si vous avez choisi un niveau de 5% de signification, et la p-valeur se révèle être .03 (ou 3%), vous seriez fondé à rejeter l'hypothèse nulle.