ITIS “G.Galilei” – Crema Lab. Calcolo e Statistica Test di ipotesi Test di ipotesi Formulazione ipotesi Popolazione X Estrazione campione campione Analisi dati/parametri campione Test Parametrico Test NON Parametrico Ipotesi Accetta / Rifiutata Ipotesi statistica Affermazione o asserzione (congettura) su un parametro di una popolazione • Esempio se J è un parametro di una popolazione Ipotesi J = J0 Estraggo campione Faccio una stima di J • E’ abbastanza vicina a J0 ? • Accetto l’ipotesi di partenza ? Ipotesi nulla E’ l’ipotesi da cui si parte in una verifica su una popolazione Indicata con H0 Es. H0 : J = J0 Ogni altra ipotesi è detta ipotesi alternativa ( indicata con H1 ) Es. H1 : J J0 oppure H1 : J > J0 H1 : J < J0 Regole di decisione In base al parametro (J) da verificare (sulla popolazione) si sceglie una stimatore corretto e si prende in considerazione la sua distribuzione di probabilità • ad esempio: se J è la media della popolazione, lo stimatore è la media campionaria • se J è la probabilità, lo stimatore è la frequenza campionaria QUINDI… Si considera la distribuzione dello stimatore (che verosimilmente segue la distribuzione normale) per calcolare la probabilità di ricavare dal campione una stima diversa da J OPERATIVAMENTE SI FISSA IL Livello di significatività: a (è la differenza massima ammessa tra lo stimatore e il parametro) Si indica la zona (1- a ) come livello di fiducia di accettabilità dello stimatore Infine si standardizza lo stimatore e si valuta Z Dove cade Z? accettazione rifiuto -z1-a/2 z1-a/2 1-a a Se |Z|>= Z1-a/2 si RIFIUTA l’ipotesi nulla: Cioè con probabilità a si valuta eccessiva la differenza tra il valore stimato e il valore del parametro Se |Z|< Z1-a/2 si ACCETTA l’ipotesi nulla H0 Questa regola di decisione è chiamata TEST DI SIGNIFICATIVITA’ (in questo caso test bilaterale o a due code) Caso in cui H1 : J < J0 accettazione rifiuto -z1-a Test unilaterale sinistro 1-a a Caso in cui H1 : J > J0 accettazione rifiuto z1-a Test unilaterale destro 1-a a Convenzionalmente si fa riferimento a valori particolari di significatività del Test: a = 0,05 test SIGNIFICATIVO a = 0,01 test MOLTO SIGNIFICATIVO Errori di I e II specie In base alla scelta di a si può incappare in due tipi di errore: • I) rifiutare l’ipotesi nulla, quando questa è VERA • II) accettare l’ipotesi nulla, quando questa è FALSA Si definiscono le probabilità per i due errori: P(rifiuto H0 | H0 ) = a P(accetto H0 | H1 ) = b Situazione reale Decisione H0 Vera H0 Falsa Accetto H0 Ok P=1-a Errore II specie P=b Rifiuto H0 Errore I specie P=a Ok P=1-b Un esempio : test unilaterale dx H0 H1 Curva caratteristica • E’ data dalla successione dei valori di b quando l’ipotesi alternativa è composta n ipotesi semplici b1 , b2, b3, b4 … bn • E’ definita anche la curva di POTENZA del test, fatta dai punti gi = 1- bi Verifica di ipotesi su MEDIA • Campione grande • Campione piccolo (s2 nota) x - 0 Z (x) = s n • Campione piccolo (s2 non specificata) distrib. di Student gradi di libertà n = n-1 x - 0 t(x) = s n -1 Per calcolare il valore teorico della distribuzione di Student con Excel bisogna tenere presente che : a n livello di significatività gradi di libertà = (n-1) • nel caso di test a due code nta = INV.T(a , n) • nel caso di test unil. DX nta = INV.T(2a , n) • nel caso di test unil. SX nta = - INV.T(2a , n) Verifica di ipotesi su frequenze • Si pone l’ipotesi nulla (H0) sulla percentuale della popolazione che ha una proprietà • Si estrae un campione e si usa la frequenza rilevata come elemento di confronto • Approssimazione della distribuzione binomiale con normale Z (x) = f - p0 p0 (1 - p0 ) n