Shrnutí na Základy deskriptivní a inferenční statistiky
Základy deskriptivní a inferenční statistiky: Kompletní průvodce
Úvod
Testování hypotéz je sada principů a postupů, pomocí nichž posuzujeme, zda pozorovaná data podporují určité tvrzení o populaci (např. o parametru, vztahu mezi proměnnými nebo účinku zásahu). Cílem je učinit rozhodnutí na základě dat při zohlednění náhodné variability a nejistoty.
Definice: Test hypotéz je formální postup, který porovnává pozorovaná data s očekáváním plynoucím z nulové hypotézy H₀ za účelem rozhodnutí, zda H₀ zamítnout nebo ji nezamítnout.
Základní pojmy
Nulová a alternativní hypotéza
- H₀ (nulová hypotéza): obvykle tvrzení „bez efektu“ nebo „bez rozdílu“. Příklad: průměr populace se rovná určité hodnotě.
- H₁ (alternativní hypotéza): opak H₀, tj. existuje efekt nebo rozdíl.
Definice: H₀ a H₁ tvoří vzájemně se doplňující dvojici hypotéz; testy jsou navrženy tak, aby posoudily konzistenci dat s H₀.
Testová statistika
- Testová statistika je číslo vypočtené z dat, které měří „extrémnost" vůči H₀.
- Čím větší odchylka testové statistiky od očekávané hodnoty za H₀, tím menší je podpora pro H₀.
Definice: Testová statistika shrnuje data do jediné hodnoty, podle níž rozhodujeme o zamítnutí nebo nezamítnutí H₀.
Chyby rozhodnutí
Tabulka chyb a správných rozhodnutí:
| výsledek testu | skutečnost |
|---|---|
| H₀ nezamítáme | OK (1-α) nebo chyba typu II (β) |
| H₀ zamítáme | chyba typu I (α) nebo OK (1-β) |
- Chyba I. druhu (α): zamítnutí pravdivé H₀ (falešně pozitivní).
- Chyba II. druhu (β): nezamítnutí nepravdivé H₀ (falečně negativní).
- Síla testu (power) = $1-\beta$ je pravděpodobnost, že test správně zamítne H₀, když platí H₁.
Definice: Hladina významnosti $\alpha$ je přijímaná pravděpodobnost chyby I. druhu.
Interval spolehlivosti
Definice: Interval spolehlivosti (např. 95 %) je metoda, která konstruuje rozsah, z něhož přibližně daný podíl takto získaných intervalů z opakovaných vzorků bude obsahovat skutečnou hodnotu parametru.
- Interpretace: 95% interval neříká, že existuje 95% šance, že parametr leží v tom konkrétním intervalu; říká, že postup pokrývá parametr v 95 % případů při opakování.
p-hodnota
- p-hodnota je pravděpodobnost získat stejně extrémní nebo extrémnější data, pokud H₀ platí.
- Pokud p-hodnota < $\alpha$, označujeme výsledek za statisticky významný a zamítáme H₀.
Definice: p-hodnota = $P(\text{data stejně extrémní nebo extrémnější} \mid H_0)$.
Věnujte pozornost tomu, čím p-hodnota NENÍ:
- NENÍ pravděpodobnost, že H₀ je pravdivá.
- NENÍ přímý důkaz praktické významnosti efektu.
- NENÍ automatická „síla důkazu" vlineární škále; hodnoty blízko prahu jsou velmi podobné.
Motivace a jednoduché příklady
Mince (motivace)
- Cíl: rozhodnout, zda je mince férová na základě počtu padnutí panna/orl.
- Přístup: porovnat pozorovaný počet s tím, co očekáváme pro férovou minci.
Příklad: 100 hodů, pozorujeme 77 panna a 23 orel. Jak rozhodnout, zda mince není férová?
Postup (srozumitelně): formulovat H₀ (mince férová), zvolit statistiku (např. podíl pann), spočítat pravděpodobnost pozorování tak extrémního výsledku za H₀ (p-hodnota), porovnat s $\alpha$.
Historie: Lady Tasting Tea
- Fisher připravil 8 šálků, 4 s mlékem nalitým jako první a 4 s čajem jako první; dáma označila 4, které považovala za správné.
- Počet kombinací je $\binom{8}{4} = 70$, pravděpodobnost náhodného přiřazení všech 4 správně je $1/70 \approx 0{,}014$.
- Interpretace: tak nízká pravděpodobnost (p-hodnota) vede k zamítnutí H₀ a přijetí, že rozpoznávání může být reálné.
Postup při testování hypotéz (krok za krokem)
- Formulace problému slovně.
- Volba hladiny významnosti $\alpha$.
- Výběr vhodného testu (dle typu dat a otázky).
- Ověření předpokladů testu (např. nezávislost, rozložení).
- Formulace H₀ a H₁ v matematické podobě.
- Výpočet testové statistiky a p-hodnoty nebo konstrukce intervalu
Zaregistruj se pro celé shrnutíUž máš účet? Přihlásit se
Testování hypotéz - přehled
Klíčová slova: Statistická analýza, Testování hypotéz, t-test
Klíčové pojmy: Formulujte H₀ a H₁ jasně a matematicky přesně, Testová statistika shrnuje data do jediné hodnoty pro rozhodnutí, p-hodnota = $P(\text{data stejně extrémní nebo extrémnější} \mid H_0)$, Chyba I. druhu je $\alpha$, chyba II. druhu je $\beta$, síla testu je $1-\beta$, Interval spolehlivosti popisuje proceduru pokrývání parametru, ne pravděpodobnost jedinečného intervalu, Reportujte test, popisné statistiky, testovou statistiku, interval, p-hodnotu a velikost účinku, Při mnohonásobném testování používejte korekce (FWER nebo FDR), Velikost účinku hodnotí praktickou významnost nezávisle na velikosti vzorku, Ověřujte předpoklady testu před aplikací, p-hodnota sama o sobě není důkazem praktické významnosti