Streszczenie Podstawy statystyki opisowej i inferencyjnej
Podstawy statystyki opisowej i inferencyjnej: Kompletny przewodnik
Wprowadzenie
Testowanie hipotez to zbiór zasad i procedur, za pomocą których oceniamy, czy obserwowane dane potwierdzają określone twierdzenie dotyczące populacji (np. o parametrze, związku między zmiennymi lub wpływie interwencji). Celem jest podjęcie decyzji na podstawie danych, z uwzględnieniem zmienności losowej i niepewności.
Definicja: Test hipotez to formalna procedura, która porównuje obserwowane dane z oczekiwaniami wynikającymi z hipotezy zerowej H₀ w celu podjęcia decyzji, czy odrzucić H₀, czy też jej nie odrzucać.
Podstawowe pojęcia
Hipoteza zerowa i alternatywna
- H₀ (hipoteza zerowa): zazwyczaj stwierdzenie „brak efektu” lub „brak różnicy”. Przykład: średnia populacji jest równa określonej wartości.
- H₁ (hipoteza alternatywna): przeciwieństwo H₀, tzn. istnieje efekt lub różnica.
Definicja: H₀ i H₁ tworzą wzajemnie uzupełniającą się parę hipotez; testy są zaprojektowane tak, aby ocenić zgodność danych z H₀.
Statystyka testowa
- Statystyka testowa to liczba obliczona na podstawie danych, która mierzy „ekstremalność” w stosunku do H₀.
- Im większe odchylenie statystyki testowej od wartości oczekiwanej przy założeniu H₀, tym mniejsze wsparcie dla H₀.
Definicja: Statystyka testowa podsumowuje dane w jedną wartość, na podstawie której decydujemy o odrzuceniu lub nieodrzuceniu H₀.
Błędy decyzyjne
Tabela błędów i poprawnych decyzji:
| wynik testu | rzeczywistość |
|---|---|
| Nie odrzucamy H₀ | OK (1-α) lub błąd II rodzaju (β) |
| Odrzucamy H₀ | błąd I rodzaju (α) lub OK (1-β) |
- Błąd I rodzaju (α): odrzucenie prawdziwej H₀ (fałszywie pozytywny).
- Błąd II rodzaju (β): nieodrzucenie fałszywej H₀ (fałszywie negatywny).
- Moc testu (power) = $1-\beta$ to prawdopodobieństwo, że test poprawnie odrzuci H₀, gdy prawdziwa jest H₁.
Definicja: Poziom istotności $\alpha$ to akceptowane prawdopodobieństwo błędu I rodzaju.
Przedział ufności
Definicja: Przedział ufności (np. 95%) to metoda, która konstruuje zakres, z którego w przybliżeniu dany odsetek tak uzyskanych przedziałów z powtarzanych prób będzie zawierał rzeczywistą wartość parametru.
- Interpretacja: 95% przedział nie mówi, że istnieje 95% szans, iż parametr leży w tym konkretnym przedziale; mówi, że procedura obejmuje parametr w 95% przypadków przy powtarzaniu.
Wartość p
- Wartość p to prawdopodobieństwo uzyskania danych równie ekstremalnych lub bardziej ekstremalnych, jeśli H₀ jest prawdziwa.
- Jeśli wartość p < $\alpha$, uznajemy wynik za statystycznie istotny i odrzucamy H₀.
Definicja: Wartość p = $P(\text{dane równie ekstremalne lub bardziej ekstremalne} \mid H_0)$.
Zwróć uwagę na to, czym wartość p NIE JEST:
- NIE JEST prawdopodobieństwem, że H₀ jest prawdziwa.
- NIE JEST bezpośrednim dowodem praktycznej istotności efektu.
- NIE JEST automatyczną „siłą dowodu” w skali liniowej; wartości bliskie progowi są bardzo podobne.
Ciekawostka: Wartość p została spopularyzowana w związku z pracą Ronalda Fishera i rozważaniami na temat losowości w eksperymentach.
Motywacja i proste przykłady
Moneta (motywacja)
- Cel: zdecydować, czy moneta jest uczciwa na podstawie liczby wypadnięć reszki/orła.
- Podejście: porównać zaobserwowaną liczbę z tym, czego oczekujemy dla uczciwej monety.
Przykład: 100 rzutów, obserwujemy 77 reszek i 23 orły. Jak zdecydować, czy moneta nie jest uczciwa?
Procedura (przystępnie): sformułować H₀ (moneta uczciwa), wybrać statystykę (np. proporcja reszek), obliczyć prawdopodobieństwo zaobserwowania tak ekstremalnego wyniku przy założeniu H₀ (wartość p), porównać z $\alpha$.
Historia: Lady Tasting Tea
- Fisher przygotował 8 filiżanek, 4 z mlekiem wlanym jako pierwszym i 4 z herbatą wlaną jako pierwszą; dama wskazała 4, które uznała za prawidłowe.
- Liczba kombinacji wynosi $\binom{8}{4} = 70$, prawdopodobieństwo losowego przypisania wszystkich 4 prawidłowo wynosi $1/70 \approx 0,014$.
- Interpretacja: tak niskie prawdopodobieństwo (warto
Zarejestruj się po pełne podsumowanieMasz już konto? Zaloguj się
Testowanie hipotez - przegląd
Klíčové pojmy: Formułujcie H₀ i H₁ jasno i precyzyjnie matematycznie., Statystyka testowa podsumowuje dane w jedną wartość do podjęcia decyzji., p-wartość = $P(\text{dane równie ekstremalne lub bardziej ekstremalne} \mid H_0)$, Błąd pierwszego rodzaju wynosi $\alpha$, błąd drugiego rodzaju wynosi $\beta$, a moc testu wynosi $1-\beta$., Przedział ufności opisuje procedurę pokrywania parametru, a nie prawdopodobieństwo pojedynczego przedziału., Raportujcie test, statystyki opisowe, statystykę testową, przedział, p-wartość i wielkość efektu., Przy wielokrotnym testowaniu stosujcie korekty (FWER lub FDR)., Wielkość efektu ocenia istotność praktyczną niezależnie od wielkości próby., Weryfikujcie założenia testu przed zastosowaniem., p-wartość sama w sobie nie jest dowodem istotności praktycznej.