Test d`Ipotesi - Dipartimento di Economia, Statistica e Finanza

Test d’Ipotesi
Corso di Teoria dell’Inferenza Statistica
a.a. 2007/2008 Secondo Periodo
Prof. Filippo DOMMA
Corso di Laurea in MQEGA
(Metodi Quantitativi per l’Economia e la Gestione delle Aziende)
Facoltà di Economia – UniCal
Il test statistico è una decisione operativa presa sulla base di risultati
sperimentali, tenendo conto di considerazioni probabilistiche.
La problematica del test può essere suddivisa in tre fasi:
a. formulare una ipotesi sulla v.c. X;
b. osservare il campione casuale;
c. in base ai risultati campionari
decidere se accettare o rifiutare l’ipotesi fatta.
Test d'Ipotesi
F. Domma
2
Definizione. Un’ipotesi statistica è una affermazione sulla
distribuzione di una o più variabili casuali.
Se l’ipotesi statistica specifica completamente la distribuzione della
v.c. allora l’ipotesi è detta semplice; in caso contrario, viene chiamata
ipotesi statistica composta.
Le ipotesi verranno indicate con la lettera H.
Esempi.
Test d'Ipotesi
Data una v.c. X~N(m,9)
a. l’ipotesi H: m=15 è semplice perché specifica
completamente la distribuzione della v.c. X;
b. l’ipotesi H: m>15 è composta.
F. Domma
3
Prima Fase.
Dato un modello parametrico M={ X , P }, sia Q0 un sottoinsieme
dello spazio parametrico Q. Si vuole verificare
H 0 :   Q0
Ipotesi NULLA
contro
H1 :   Q1
dove
Ipotesi ALTERNATIVA
Q0  Q1  Q
e
Q0  Q1  
L’ipotesi statistica riguardante la v.c. X e, quindi, il parametro ,
implica una bipartizione dello spazio parametrico Q in due regioni,
Q0 e Q1, di cui una rappresenta l’ipotesi nulla H0 e la complementare
rappresenta l’alternativa H1.
Test d'Ipotesi
F. Domma
4
Seconda Fase: consiste nell’estrazione dallo spazio campionario
del campione x=(x1,…,xn).
Terza Fase (prendere una decisione su H):
viene condotta sullo spazio campionario.
Più precisamente, si suddivide lo spazio campionario in due regioni,
C0 e C1 tali che
C0  C1  χ
e
C0  C1  
Se
x  (x1 ,..., x n )  C1
Allora si accetta H0
Se
x  (x1 ,..., x n )  C0
Allora si rifiuta H0
Test d'Ipotesi
F. Domma
5
Definizione. Sia C0 quel sottoinsieme dello spazio campionario che
in accordo con un prefissato test, conduce al rifiuto
dell’ipotesi H0, se il campione osservato x appartiene
a C0. Allora C0 è detta regione critica ( o di rifiuto) del
test.
Test d'Ipotesi
F. Domma
6
In sintesi, le fasi di un test possono essere così rappresentate:
Spazio parametrico
Θ
Spazio campionario
Θ1
Θ0
χ
C0
H1 :   Θ1
Se x appartiene a C0
allora rifiutoH0
Regione
Critica
C1
Regione
di Accettazione
H 0 :   Θ0
Se x appartiene a C1 allora accetto H0
Da ciò deriva che la regola di decisione se accettare o rifiutare
H0 è una bipartizione dello spazio campionario.
Test d'Ipotesi
F. Domma
7
Possiamo concludere affermando che:
il test è una corrispondenza tra lo spazio campionario
e lo spazio parametrico, dove il primo è suddiviso in due regioni
(C0 e C1) secondo la regola di decisione ( è il fulcro del test ),
mentre lo spazio parametrico è diviso in due regioni (Q0 e Q1)
a seconda delle ipotesi da verificare.
Naturalmente, la corrispondenza tra X e Q ha senso solo se valutata
in termini probabilistici. Quindi, dobbiamo chiederci qual è la
probabilità che il campione appartenga, ad esempio, alla regione
critica, cioè:
PX  C0 / H i 
i=0,1, la quale può essere calcolata assumendo vera una delle ipotesi.
Test d'Ipotesi
F. Domma
8
In tale contesto, si possono avere quattro situazioni possibili, ottenute
dalla combinazione dei due “stati di natura” (H0 vera, H0 falsa) con
le due “azioni possibili” (accetto H0, rifiuto H0), cioè
STATI di NATURA
AZIONI
POSSIBILI
Test d'Ipotesi
Vera H0
Accetto H0
G1
Rifiuto H0
E1
F. Domma
Falsa H0
E2
G2
9
Descrizione degli eventi:
G1: in base al campione decido di accettare H0 e H0 è vera;
G2: in base al campione decido di rifiutare H0 e H0 è falsa;
E1: in base al campione decido di rifiutare H0 e H0 è vera;
E2: in base al campione decido di accettare H0 e H0 è falsa;
Probabilità degli eventi:
Pr G1  Pr Accetto H0 / H0 è vera   Pr X  C0 / H0   1  
Pr G 2   Pr Rifiuto H0 / H0 è falsa   Pr X  C0 / H1  1  
Pr E1  Pr Rifiuto H0 / H0 è vera   Pr X  C0 / H0   
Pr E 2   Pr Accetto H0 / H0 è falsa   Pr X  C0 / H1  
Test d'Ipotesi
F. Domma
10
Spesso E1 viene definito come errore di primo tipo ed E2 errore di
secondo tipo.
Concludendo si ha:
STATI di NATURA
AZIONI
POSSIBILI
Test d'Ipotesi
x  C0
x  C0
F. Domma
Vera H0
1

Falsa H0
1 

11
Definizione. Funzione di Potenza.
La funzione di potenza di un test di un’ipotesi statistica
H0 contro un’ipotesi alternativa H1, è quella funzione,
definita per tutte le distribuzioni sotto considerazione
(le ipotesi), che fornisce la probabilità che il campione
cada nella regione critica C0 del test, cioè una funzione
che fornisce la probabilità di rifiutare l’ipotesi sotto
considerazione.
Il valore della funzione di potenza in corrispondenza
di un punto dello spazio parametrico è detta potenza
del test.
Formalizzando abbiamo:
K()  PX  C0 / Hi 
Test d'Ipotesi
F. Domma
12
Definizione. Livello di significatività.
Il livello di significatività del test (o ampiezza della
regione critica C0) è il valore massimo della funzione
di potenza del test quando H0 è vera. Cioè:
K(0 )  PX  C0 / H 0   
Se H0 è definita come : H0: =  0
K()  sup PX  C0 / H0 
Q0
Se H0 è definita come : H0: Q 0
Test d'Ipotesi
F. Domma
13
Si può osservare che l’ipotesi H0 riflette, in generale, la situazione
precedente all’esperimento campionario, nel senso che accettando
H0 la situazione non cambia.
E’ dal rifiuto di H0 che bisogna cautelarsi in quanto tale rifiuto
implica una modifica delle condizioni e delle acquisizioni ritenute
valide in precedenza, il che implica per lo più costi, rischi,
modifiche tecniche, nuove procedure operative, …ecc..
In tal modo si ritiene preferibile commettere un errore non
modificando la realtà (errore di secondo tipo) piuttosto che correre
il rischio di errare modificando la realtà (errore di primo tipo).
Esempio. In un giudizio penale, l’imputato è innocente fino a prova contraria.
E’ fondamentale che per il giudice sia H0 l’ipotesi che egli sia innocente.
Secondo questa logica si ritiene ben più grave condannare un innocente
(errore di I tipo) che assolvere un colpevole (errore di II tipo).
Test d'Ipotesi
F. Domma
14
Nel tentativo di definire un “buon” test, la ricerca va orientata verso
il contenimento probabilistico degli errori, dando maggiore rilevanza
all’errore di I tipo, senza ovviamente trascurare quello di II tipo.
Un metodo per definire un test ottimale consiste nel fissare
l’ampiezza d’errore di I tipo e minimizzare l’ampiezza d’errore
di II tipo.
Test d'Ipotesi
F. Domma
15
Regione critica migliore di ampiezza 
Definizione. Sia C0 un sottoinsieme dello spazio campionario .
Allora C0 è detta regione critica migliore di ampiezza ,
per verificare l’ipotesi semplice H0:= 0 contro l’ipotesi
semplice H1:= 1
se, per ogni sottoinsieme A dello spazio campionario
per il quale
PX  A / H 0   
Si ha:
i) PX  C0 / H 0   
ii ) PX  C0 / H1  PX  A / H1
Test d'Ipotesi
F. Domma
16
In altri termini C0 è la regione critica migliore di ampiezza  se tra
tutte le altre regioni critiche della stessa ampiezza , possiede
potenza maggiore o uguale rispetto a tutte le altre regioni critiche.
Il test basato su una regione critica migliore è chiamato
test più potente.
Test d'Ipotesi
F. Domma
17
Teorema. (di Neyman e Pearson).
Sia X=(X1,…,Xn) un c.c. iid estratto da f(x;). Sia L(;x) la
funzione di verosimiglianza di x. Siano 1 e 2 due valori fissati e
distinti di  tali che Q={: = 1 oppure = 2}; sia, infine, K un
numero positivo.
Se C0 è un sottoinsieme dello spazio campionario tale che:
L( 1 ; x)
i)
k
L(  2 ; x)
L( 1 ; x)
ii )
k
L(  2 ; x)
 x  C0
 x  C0
iii ) PX  C0 / H 0   
Allora C0 è una regione critica migliore di ampiezza  per verificare
l’ipotesi H0:= 1 contro l’ipotesi H1: = 2.
Test d'Ipotesi
F. Domma
18
Dimostrazione.
Test d'Ipotesi
F. Domma
19
Non sempre bisogna individuare C0 e k che soddisfano le condizioni
poste dal teorema. Spesso si riesce a trasformare la disuguaglianza (i)
in una disuguaglianza che riguarda una particolare statistica.
Esempio.
Test d'Ipotesi
F. Domma
20
Test del Rapporto di Verosimiglianza Generalizzato
Sia (X1,…,Xn) un c.c. iid estratto da f(x;).
Supponiamo di voler effettuare il seguente test:
H 0 :   Q0
dove
Q0  Q1  Q
Test d'Ipotesi
H1 :   Q1
contro
e
Q0  Q1  
F. Domma
21
Definizione. Rapporto di verosimiglianza Generalizzato.
Sia L(; x) la funzione di verosimiglianza di un
campione x. Si definisce rapporto di verosimiglianza
generalizzato la quantità:
sup L(; x)
 ( x) 
Q 0
sup L(; x)
Q
Test d'Ipotesi
F. Domma
22
Osservazioni:
1. (x) è una funzione del campione osservato x.
Sostituendo a x il c.c. X otteniamo (X) è una statistica in quanto
non dipende dai valori del parametro .
2. I valori di (x) appartengono all’intervallo [0,1].
3. I valori della statistica (X) sono usati per il seguente test:
H 0 :   Q0
contro
H1 :   Q1
Tramite il rapporto di verosimiglianza si stabilisce che:
si rifiuta H0  (x)   0
Test d'Ipotesi
F. Domma
23
Dove 0 è una costante determinata dal livello di significatività
 del test.
Il test del rapporto di verosimiglianza generalizzato ha senso anche
intuitivamente in quanto (x) tende ad essere piccolo quando
H0 non è vera, dato che il denominatore tende ad essere maggiore
del numeratore.
Per un livello di significatività  fissato il corrispondente valore di
0 tale che
Pr (X)   0 / H0   
può essere determinato in modo esatto solo se è nota la distribuzione
campionaria della statistica (X), in altri casi è necessario far
riferimento ad approssimazioni per grandi campioni.
Test d'Ipotesi
F. Domma
24
Esempio.
Test d'Ipotesi
F. Domma
25
Teorema. Sia X1, X2,… una successione di v.c. iid estratta da f(x;).
Consideriamo il test
H0:= 0 contro H1: 0
Assumiamo che la sequenza delle radici dell’equazione di
verosimiglianza siano consistenti e che siano vere le
condizioni di regolarità per la normalità asintotica degli
stimatori di massima verosimiglianza.
Allora, sotto H0
2
 2 ln  n (X) n



(1)

d
E’ evidente che si rifiuta H0 se -2ln{(x)} è elevato. In particolare,
fissato , se
 2 ln{ (x)}  2 (1)  rifiuto H 0
Test d'Ipotesi
F. Domma
26
Teorema. Sia X1, X2,… una successione di v.c. iid estratta da f(x;).
=(1,…, k)Qk
Consideriamo il test
H 0 : 1  10 ,  2  02 ,...,  r  0r ,  r 1 ,...,  k
H1 : 1   , 2   ,..., r  
0
1
dove
0
2
 ,  ,..., 
r 1 , ..., k
0
1
0
2
0
r
0
r
Sono valori noti
Non sono specificati
Se sono soddisfatte alcune condizioni di regolarità,
allora, sotto H0
 2 ln  n (X) n
  (r)

d
Test d'Ipotesi
F. Domma
2
27
Test di Significatività
a) Individuare una statistica (test) che si comporta in modo diverso
sotto le due ipotesi H0 e H1;
b) utilizzare il diverso comportamento della statistica per
definire il test.
Esempio. Dato un c.c. di dimensione 20 estratto da un v.c. N(m,1),
si vuole verificare se
H0: m=10
contro H1: m=15
Consideriamo la STATISTICA TEST media campionaria;
sappiamo che:
sotto H 0
1

X ~ N 10, 20
1

sotto H1 X ~ N 15, 20
Test d'Ipotesi
F. Domma
28
Graficamente si ha:
x
Test d'Ipotesi
F. Domma
29
1. Osservato il valore della
media campionaria
H0
se x è " vicino" a 15  rif. H0
H1
se x è " vicino" a 10  acc. H0
10
15
2. Possibili eventi tra 10 e 15 sono:
G1: accetto H0 e H0 è vera;
G2: rifiuto H0 e H0 è falsa;
E1: rifiuto H0 e H0 è vera;
E2: accetto H0 e H0 è falsa.
Test d'Ipotesi
F. Domma
30
3. Problema: costruire una regione (critica) C0 tale che:
se x  C0  rifiuto H 0
significa individuare, con qualche criterio, un punto (detto punto
critico) tra 10 e 15 in modo tale che:
se x  x 0  x  C0
H0
se x  x 0  x  C0
H1
x0
Test d'Ipotesi
F. Domma
C0
31
Fissato , sappiamo che
  Pr X  C0 / H 0 
Nel caso dell’esempio, fissato , si ha:
  Pr X  x 0 / H 0   1  Pr X  x 0 / H 0  
 X  10 x 0  10 
 x 0  10 
 1  Pr 

  1  z 0 
  1  
 1 / 20 
1 / 20 1 / 20 
dove
x 0  10
z0 
1 / 20
Si individua dalle tavole della N(0,1)
Test d'Ipotesi
F. Domma
32
Punto critico è dato da:
z0
x 0  10 
20
E’ il confine tra la Regione Critica e la Regione di Accettazione.
Test d'Ipotesi
F. Domma
33
Fasi per la costruzione di un Test di Significatività:
1. Si formulano le ipotesi;
2. Si individua la statistica test;
3. Si fissa il livello di significatività;
4. Si determinano i punti critici;
5. Si costruisce la regione critica;
6. Si estrae il campione e si verifica se il valore della statistica
test appartiene oppure non appartiene alla regione critica;
7. Si decide se accettare o rifiutare l’ipotesi nulla.
Test d'Ipotesi
F. Domma
34
TEST sui parametri di una v.c. NORMALE
Dato un c.c. iid di dimensione n, estratto da un v.c. N(m,s20),
si vuole verificare se
H0: m= m0
contro
H1: m= m1
con m0  m1
La STATISTICA TEST media campionaria è tale che
sotto H 0
sotto H1
Test d'Ipotesi
 
X ~ Nm , 
X ~ N m0 ,
1
F. Domma
s 02
n
s 02
n
35
GRAFICO
Test d'Ipotesi
F. Domma
36
Fissato , determiniamo il punto critico
  Pr X  x 0 / H 0   1  Pr X  x 0 / H 0  
 X  m0 x0  m0 
 x0  m0 
  1  z 
 1  Pr 

  1  

1
/
n
s
/
n
s
/
n
0


 0

dove
x 0  m0
z 
s0 / n
Si individua dalle tavole della N(0,1)
Test d'Ipotesi
F. Domma
37
Da quest’ultima il punto critico risulta essere:
s0
x 0  m0  z
n
E, quindi, la regione critica è:
s0 

C0  x : x  x 0   x : x  m 0  z 

n

Osservato il campione, si calcola la media campionaria
se x  x 0  rifiuto H0
se x  x 0  accetto H 0
Test d'Ipotesi
F. Domma
38
Calcolo della probabilità d’errore di II tipo:
  Pr X  C0 / H1   Pr X  x0 / H1  
 X  m1
x 0  m1 
 Pr 

  Pr Z  z     z  
 s0 / n s0 / n 
Dato che
m1
x0
allora
Test d'Ipotesi
z
e
s0
sono per ipotesi noti
È stato calcolato in precedenza
È noto, quindi, dalle tavole possiamo calcolare 
F. Domma
39
Calcolo della potenza del test:
K  1    Pr rifiutare H0 / H0 è falsa  
 X  m1
x 0  m1 
 Pr X  x 0 / H1   Pr 


 s0 / n s0 / n 
 Pr Z  z    1   z  
Dove
x 0  m1
z 
s0 / n
Test d'Ipotesi
F. Domma
40
Si evidenzia che i due errore,  e , sono legati da una relazione inversa:
- Al diminuire di , il punto critico si sposta a destra
e, quindi,  aumenta;
- al diminuire di , il punto critico si sposta a sinistra
e, quindi,  aumenta
Test d'Ipotesi
F. Domma
41
Per diminuire contemporaneamente i due errori, bisogna aumentare
la dimensione campionaria; infatti: abbiamo:
 x 0  m0 
  1   z  
  Pr X  x 0 / H 0   1  

s
/
n
 0

x 0  m0
n
dove z  
s0
Dato che il punto critico è maggiore di m0,
all’aumentare di n, z aumenta e, quindi, (z) aumenta.
Di conseguenza,  diminuisce.
Test d'Ipotesi
F. Domma
42
Al contrario, per l’errore di secondo tipo, si ha:
 X  m1

x

m
0
1
  Pr X  x 0 / H1  Pr 

   z  
 s0 / n s0 / n 
dove
x 0  m1
z 
n
s0
Dato che il punto critico è minore di m1,
all’aumentare di n, z diminuisce e, quindi, (z)= diminuisce.
Test d'Ipotesi
F. Domma
43
TEST sulla media di una v.c. NORMALE
Dato un c.c. iid di dimensione n, estratto da un v.c. N(m,s20),
si vuole verificare se
H0: m= m0
contro
H1: m m0
Alternativa BILATERALE
La STATISTICA TEST media campionaria è tale che
sotto H 0
Test d'Ipotesi

X ~ N m0 ,
F. Domma
s 02
n

44
Intuitivamente rifiutiamo H0 per valori della media campionaria molto
più grandi di m0 oppure molto più piccoli di m0.
In questo caso si individuano due punti critici
xs
e
xd
tali che rifiutiamo H0
se x  x s
Test d'Ipotesi
oppure
F. Domma
se x  x d
45
Determinazione dei punti critici.
Fissato l’errore di I tipo, ripartiamo  sulle code in modo tale che:
 
 X  m0 x s  m0 

s
 Pr X  x s / H 0   Pr 



z


2
2
s
/
n
s
/
n
0
 0

 
 X  m 0 xd  m 0 

d
 Pr X  xd / H 0   Pr 

  1   z
2
s 0 / n s 0 / n 
2
Dalle tavole della N(0,1), calcoliamo
z s  z 
2
s0
x s  m0  z 
2
n
Test d'Ipotesi
2
e
z d  z 
2
2
s0
x d  m0  z 
2
n
F. Domma
46
Regione di rifiuto è data da
C0 ( )  x : x  xs , x  xd  
s0
s0 

 x : x  m 0  z 
, x  m0  z 

2
2
n
n 

La regione critica può essere espressa anche nel seguente modo:

C0 ()  z c : z c  z  , z c  z 
dove
Test d'Ipotesi
x  m0
zc 
s0
2
2

n
F. Domma
47
La funzione di potenza del test dipende da m
k (m)  Pr X  C0 () / H1   Pr X  x s  X  x d / H1  
 Pr X  x s / H1  Pr X  x d / H1  
 X m
 X m
xs  m 
xd  m 
 Pr 


  Pr 

 s0 / n s0 / n 
 s0 / n s0 / n 


xs  m 
xd  m 
 Pr Z 
  Pr Z 

s0 / n 
s0 / n 


 xs  m 
 xd  m 
 
  1  

 s0 / n 
 s0 / n 
Test d'Ipotesi
F. Domma
48
Esempio
La degenza ospedaliera per il trattamento di una certa
malattia per i pazienti della classe di età 20-40 si
distribuisce normalmente con media incognita e
deviazione standard pari a 2.1.
Posto =0.01 e n=30, determinare:
a. la zona di rifiuto del test H0:m=7 contro H1:m>7
b. la potenza del test di cui al punto precedente per
m=7.6; 8.5; 9.
Test d'Ipotesi
F. Domma
49
TEST sulla media di una v.c. NORMALE
Dato un c.c. iid di dimensione n, estratto da un v.c. N(m,s2), con
varianza sconosciuta, si vuole verificare se
H0: m= m0
contro
H1: m m0
Alternativa BILATERALE
La STATISTICA TEST media campionaria è tale che

sotto H0 X ~ N m0 ,
s2
n

Dato che la varianza è sconosciuta, la media campionaria non può
essere utilizzata come statistica-test.
Test d'Ipotesi
F. Domma
50
Sotto H0
X  m0
T
~ t (n  1)
S/ n
Fissato , ripartendo l’errore di primo tipo sulle code, si ha:




 X  m 0 xs  m 0 
(s)
 Pr X  xs / H 0   Pr 

  Pr T  t 2
2
s/ n 
S/ n

 X  m0 xd  m0 
(d )
 Pr X  xd / H 0   Pr 

  Pr T  t 2
2
s/ n 
S/ n

Test d'Ipotesi
F. Domma
51
dove
(s)
t
2
xs  m 0

s/ n
(d )
t
2
xd  m 0

s/ n
Dalle tavole della t-student si evince che
t ( s )  t  ( n  1)
2
2
t ( d )  t  ( n  1)
2
2
I punti critici risultano:
s
xs  m0  t  (n  1)
2
n
Test d'Ipotesi
s
xd  m 0  t  (n  1)
2
n
F. Domma
52
In definitiva la regione critica risulta essere:
C0 ( )  x : x  xs , x  xd  
s
s 

  x : x  m0  t  (n  1)
, x  m0  t  (n  1)

2
2
n
n 



La regione critica può essere espressa anche nel seguente modo:
C0 ( )  tc : tc  t  (n - 1) , tc  t  (n - 1)
dove
Test d'Ipotesi
2
2
x  m0
tc 
s/ n
F. Domma
53
Estratto il campione x=(x1,…,xn), si calcola la media campionaria
e la varianza campionaria e si verifica se :
tc  C0 ( )  rifiuta
Test d'Ipotesi
F. Domma
H0
54
Esempio.
Una grande catena nazionale di punti vendita di articoli per la casa
effettua una svendita di fine stagione di tosaerba. Il numero di tosaerba
vendute durante questa liquidazione, in un campione di dieci negozi, è
il seguente:
8, 11, 0, 4, 7, 8, 10, 5, 8, 3.
Vi sono elementi per sostenere, ad un livello di significatività di 0.05,
che durante questa svendita in media siano state svendute più di 5
tosaerba per negozio ? Assumete che il numero di tosaerba sia
normalmente distribuito.
Test d'Ipotesi
F. Domma
55
Dualità tra Intervalli di Confidenza al 100(1-)%
e Test di Significatività al livello .
Dato un c.c. iid di dimensione n, estratto da un v.c. N(m,s20), con
varianza nota, si vuole verificare se
H0: m= m0 contro H1: m m0
Alternativa BILATERALE
Regione critica
s0
s0 

C0 ( )   x : x  m0  z 
, x  m0  z 

2
2
n
n 

Regione di Accettazione
s0
s0 

A   x : m0  z 
 x  m0  z 

2
2
n
n 

Test d'Ipotesi
F. Domma
56
L’Intervallo di confidenza per m è:
s0

I .C.   x  z 
2
n

s0 
, x  z

n 
2
Se H0:m=m0 e m0 appartiene all’I.C. allora accettiamo H0; infatti, si ha:
s0
s0 

m0  I .C.   x  z 
 m0  x  z 


2
2
n
n 

s0
s0 

  m0 - z 
 x  m0  z 


2
2
n
n 

 x  C0 ( )  accetto H0
Vale il viceversa.
Test d'Ipotesi
F. Domma
57
TEST sulla varianza di una v.c. NORMALE
Dato un c.c. iid di dimensione n, estratto da un v.c. N(m,s2), con
media e varianza sconosciute, si vuole verificare se
H0: s= s0
contro
H1: s  s0
Alternativa UNILATERALE
In tale contesto, sotto H0 sappiamo che
(n  1) S 2
2
V
~  (n  1)
2
s0
Test d'Ipotesi
F. Domma
58
Fissato , la regione critica è:


C0 ( )  Vc : Vc   (n  1)
dove
e
2
(n  1) s
Vc 
2
s0
2
  Pr V   ( n  1)
2
Test d'Ipotesi
F. Domma
59
Esempio.
Si consideri una popolazione statistica adattata da una v.v. Normale
con media e varianza incognite. Si estrae un c.c. di numerosità n=16
E si determina il valore della varianza campionaria, s2=25.
Si sottoponga a test unilaterale l’ipotesi nulla che la varianza
della popolazione sia pari a 23 ad un livello di significatività dell’1%.
Test d'Ipotesi
F. Domma
60
TEST sulla differenza tra le medie di due v.c. NORMALI
Siano X ed Y due v.c. indipendenti e normalmente distribuite, cioè
X ~ Nm x , s
2
x

X( m1)


X ~ N mx ,
Test d'Ipotesi

s 2x
m


F. Domma

Y ~ N my , s
2
y

Y( n1)

Y ~ N my ,
s 2y
n
61

Posto d=mx-my si vuole costruire il seguente test
H0 : d  0
Primo caso:
H0 : d  0
contro
s
2
x
e
s
2
y
note
Stimatore naturale della differenza tra le medie
Abbiamo visto che:
D XY
ED  m x  m y
s s
VD   
m n
2
x
Test d'Ipotesi
F. Domma
2
y
62
Sotto H0
2
2


s
s
y
D ~ N 0 , x  
m n

Rifiutiamo H0 se i valori di D sono molto diversi dallo zero.
Test d'Ipotesi
F. Domma
63
Fissato , calcoliamo i punti critici:
 D
d s 

(s)


 Pr D  d s / H 0   Pr 


P
Z

z
 r
2
V( D ) 
 V( D )
 D
d d 

(d)
 Pr D  d d / H 0   Pr 

  Pr Z  z 
2
V( D ) 
 V( D )
dove
z
(s)
ds


V( D )
Test d'Ipotesi
ds
s s

m n
2
x
2
y
z
(d)
F. Domma
dd


V( D )
dd
s 2y
s

m n
2
x
64
Dalle tavole della N(0,1), si ha:
z( s )  z 
z( d )  z 
2
2
Sostituendo otteniamo i punti critici:
d s  z 
2
s s

m n
2
x
2
y
dd  z 
2
s 2y
s

m n
2
x
La regione critica è data da:
C0 ( )  d : d  ds , d  dd
con

dxy
Test d'Ipotesi
F. Domma
65
Secondo caso: varianze sconosciute ma uguali
Stimatore naturale della differenza tra le medie
Si ha, inoltre, che
ED  m x  m y
s2x  s2y  s2
D XY
s s
1
2 1
VD    s   
m n
m n
2
x
2
y
Sotto H0 la quantità
Z
D
D

~ N 0 , 1 
2
1 1
s 2x s y
s


m n
m
n
non è una statistica – test perché s è un parametro sconosciuto.
Test d'Ipotesi
F. Domma
66
Per quanto detto nelle lezioni sugli Intervalli di confidenza, la quantità
D  m x  m x 
T
~ t( m  n  2 )
1 1
Sp 

m n
dove
S 
2
p
Test d'Ipotesi
(m  1)S  (n  1)S
2
x
2
y
(m  n  2)
F. Domma
67
Sotto H0 la quantità
D
T
~ t( m  n  2 )
1 1
Sp 

m n
È una statistica –test per verificare le ipotesi
H0 : d  0
contro
H0 : d  0
con d=mx-my.
Test d'Ipotesi
F. Domma
68
Fissato , calcoliamo i punti critici:
 D
d s 

(s)


 Pr D  d s / H 0   Pr 


P
T

t

r
1
1
1
1
2
S

s

 p m n
p m
n 

 D
d d 

(d)



 Pr D  d d / H 0  Pr 

 Pr T  t 

2
 Sp m1  n1 s p m1  n1 
dove
t
(s)

sp
Test d'Ipotesi
ds
1 1

m n
t
(d)

sp
F. Domma
dd
1 1

m n
69
Dalle tavole della t-Student, si ha:
t( s )  t  ( m  n  2 )
t( d )  t  ( m  n  2)
2
2
Sostituendo otteniamo i punti critici:
d s  t  ( m  n  2 )  s p
1
m
 n1
dd  t  ( m  n  2)  sp
1
m
 n1
2
2
La regione critica è data da:
C0 ( )  d : d  ds , d  dd
con

dxy
Test d'Ipotesi
F. Domma
70
Esempio.
Per provare l’utilità terapeutica di due nuovi farmaci, A e B, un gruppo
di ricercatori sperimenta entrambi su un gruppo casuale di 10 soggetti.
I risultati sperimentali, misurati utilizzando un determinato indice, sono
I seguenti:
farmaco A: 25, 46, 39, 60, 24, 23, 38, 42, 50, 46
farmaco B: 43, 29, 38, 51, 44, 28, 23, 20, 56, 55
Supponendo che l’utilità terapeutica possa essere adattata
statisticamente da distribuzioni normali e che le varianze delle due
popolazioni siano uguali, determinare un intervallo di confidenza per la
differenza delle utilità terapeutiche medie dei due farmaci al livello di
confidenza del 99%. Inoltre, stabilire se la differenza tra le utilità
medie è significativamente diversa da zero.
Test d'Ipotesi
F. Domma
71