Zhrnutie na Testovanie štatistických hypotéz v marketingu

## Úvod Tento materiál vysvetľuje základy testovania hypotéz a intervalov spoľahlivosti pre študenta, ktorý nenavštevuje prednášky. Zameriame sa na logiku formulácie hypotéz, postup testovania, chyby pri rozhodovaní, výber testovacích štatistík a interpretáciu výsledkov. Všetky dôležité vzorce sú uvedené v LaTeX formáte. > Definícia: Hypotéza je tvrdenie alebo predpoklad, ktorý možno overiť pomocou dát a štatistických testov. ## Základné pojmy a typy hypotéz ### Typy hypotéz - **Východisková hypotéza**: založená na literatúre; potvrdzuje očakávaný výsledok. - **Pracovná hypotéza**: predpoklad pre ďalší výskum. - **Štatistická hypotéza**: číselné tvrdenie o parametroch (napr. $\mu$, $\sigma$, $\pi$); na základe dát ho zamietneme alebo potvrdíme. > Definícia: Nulová hypotéza $H_0$ je predpoklad „bez zmeny“ alebo rovnosti; alternatívna hypotéza $H_1$ popiera $H_0$. ### Formy alternatívnych hypotéz - Dvojstranná: $H_1:\theta \neq \theta_0$ - Pravostranná: $H_1:\theta > \theta_0$ - Ľavostranná: $H_1:\theta < \theta_0$ ## 5 podmienok správnej hypotézy - Overiteľnosť faktami — výsledok musí byť možné overiť dátami. - Predvída nové vzťahy — odhaľuje nové súvislosti. - Vedecká konzistencia — neporušuje potvrdené zistenia. - Jasná formulácia — jednoznačná a zrozumiteľná. - Jeden vzťah — vyjadruje iba jednu závislosť. ## Postup testovania štatistických hypotéz (krok za krokom) 1. Formulácia problému. 2. Stanovenie $H_0$ a $H_1$. 3. Voľba hladiny významnosti $\alpha$. 4. Získanie výberového súboru. 5. Výber testovacej štatistiky. 6. Výpočet testovacej štatistiky. 7. Rozhodnutie (prijať alebo zamietnuť $H_0$). 8. Formulácia výsledkov a interpretácia. > Definícia: Hladina významnosti $\alpha$ je pravdepodobnosť chyby 1. druhu (nesprávne zamietnutie $H_0$). ## Chyby pri rozhodovaní - **Chyba 1. druhu (\alpha)**: zamietneme $H_0$, hoci v skutočnosti platí. (False positive) - **Chyba 2. druhu (\beta)**: neprijmeme $H_1$, hoci v skutočnosti platí. (False negative) > Definícia: P-hodnota je najnižšia hladina významnosti pri ktorej by sme zamietli $H_0$. ## Výber testovacej štatistiky — prehľad | Parameter | Bežný test | Testovacia štatistika | Kritérium zamietnutia | |---|---:|---|---| | Stredná hodnota, známe $\sigma$ | Z-test | $$z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}}$$ | $|z| > z_{(1-\alpha/2)}$ | | Stredná hodnota, neznáme $\sigma$ | T-test | $$t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}}$$ | $|t| > t_{(1-\alpha/2)}(n-1)$ | | Rozptyl | Chi-kvadrát test | $$\chi^2 = \frac{(n-1) \cdot s^2}{\sigma_0^2}$$ | $\chi^2 > \chi^2_{(1-\alpha)}(n-1)$ | | Podiel | Z-test pre podiel | $$z = \frac{p - \pi_0}{\sqrt{\dfrac{\pi_0(1-\pi_0)}{n}}}$$ | $|z| > z_{(1-\alpha/2)}$ (ak $n\pi_0 \ge 5$) | ### Poznámka k podielu Podmienka pre používanie Z-testu pri podiele je $n\pi_0 \ge 5$ (prípadne $n(1-\pi_0) \ge 5$), aby aproximácia normálnym rozdelením bola spoľahlivá. ## Intervaly spoľahlivosti Interval spoľahlivosti je odhad, ktorý s pravdepodobnosťou $1-\alpha$ obsahuje skutočnú hodnotu parametra. Pre strednú hodnotu pri neznámom rozptyle platí: $$\bar{x} - t_{(1-\alpha/2,\,n-1)} \cdot \frac{s}{\sqrt{n}} < \mu < \bar{x} + t_{(1-\alpha/2,\,n-1)} \cdot \frac{s}{\sqrt{n}}$$ Ak interval NEOBSAHUJE testovanú hodnotu $\mu_0$, zamietame $H_0$ pri danej hladine $\alpha$. ## Praktické príklady ### Príklad 1 — One-Sample T-Test (ilustrácia interpretácie) Otázka: Je priemerný vek respondentov $28$ rokov? Máme výsledok z SPSS: $t = 1.437$, $df = 49$, $\mathrm{Sig.(2\text{-}tailed)} = 0.157$, Mean Difference = $3.320$. - P-hodnota $0.157 > 0.05$ pri $\alpha = 0.05$; neprijímame dôkaz proti $H_0$. - Záver: Priemerný vek nie je štatisticky odlišný od $28$ rokov. ### Príklad 2 — Independent-Samples T-Test (rozhodovanie o rozptyloch a priemeroch) Otázka: Líši sa vek žien z mesta a z dediny? - Leveneov test pre rovnosť rozptylov: $\mathrm{Sig.} = 0.432 > 0.05$ => predpoklad rovnakých rozptylov. - T-test (two-tailed): $\mathrm{Sig.} = 0.132 > 0.05$ => neprijímame