Porównanie dwóch rozkładów normalnych

Transkrypt

1 Porównanie dwóch rozkładów normalnych Założenia: 1. X 1 N(µ 1, σ 2 1), X 2 N(µ 2, σ 2 2) 2. X 1, X 2 są niezależne Ocena µ 1 µ 2 oraz σ 2 1/σ 2 2. Próby: X 11,..., X 1n1 ; X 21,..., X 2n2 X 1, varx 1, s 2 1 = varx 1 n 1 1 X 2, varx 2, s 2 2 = varx 2 n 2 1 W Z Statystyka 5.1

2 Ocena różnicy między średnimi µ 1 µ 2 Ocena punktowa: X1 X 2 Przedział ufności (poziom ufności 1 α) 1. Założenie σ 2 1 = σ 2 2 ( X 1 X 2 t(α; n 1 + n 2 2)s r, X 1 X 2 + t(α; n 1 + n 2 2)s r ) s 2 e = varx 1 + varx 2 n 1 + n 2 2, s2 r = s 2 e ( 1 n n 2 ) 2. Bez założenia σ 2 1 = σ 2 2 ( X 1 X 2 V (α; n 1 1, n 2 1, c)s r, X 1 X 2 + V (α; n 1 1, n 2 1, c)s r ) s 2 r = ( ) s s2 2 n 1 n 2 c = s 2 1/n 1 s 2 1 /n 1 + s 2 2 /n 2 V (α; n 1 1, n 2 1, c) wartość krytyczna testu Behrensa Fishera W Z Statystyka 5.2

3 Przykład. Ocenić różnicę między średnimi wynikami klasówki pań i panów. Panowie: n 1 = 138, x1i = , varx 1 = Panie: n 2 = 162, x2i = , varx 2 = Populacja 1: Słuchacze podstawowego kursu statystyki Populacja 2: Słuchaczki podstawowego kursu statystyki Cecha X: ilość punktów zdobytych na klasówce Założenie: cecha X ma w populacji 1 rozkład N(µ 1, σ 2 1) cecha X ma w populacji 2 rozkład N(µ 2, σ 2 2) σ 2 1 = σ 2 2 Zadanie: oszacować różnicę µ 1 µ 2 Technika statystyczna: przedział ufności t dla różnicy średnich poziom ufności 0.95 W Z Statystyka 5.3

4 Obliczenia s 2 r = x 1 = , x 2 = , = ( ) 162 t(0.05; 298) 1.96; t(0.05; 298)s r = ( ± ) = ( , ) Odpowiedź: µ 1 µ 2 ( , ) Wniosek. Różnica średnich ilości punktów zdobywanych na klasówce przez panie i panów jest liczbą z przedziału ( , ). Zaufanie do tego wniosku wynosi 95%. Sugestia. Ponieważ przedział obejmuje zero, więc można uznać, że µ 1 = µ 2. W Z Statystyka 5.4

5 Ocena ilorazu wariancji σ 2 1/σ 2 2 Ocena punktowa: S 2 1/S 2 2 Przedział ufności (poziom ufności 1 α) ( S 2 1 S 2 2 F ( 1 α ) 2 ; n 1 1, n 2 1, S 2 1 S 2 2 F ( α 2 ; n 1 1, n 2 1) ) F (α; u, v) jest stablicowaną wartością krytyczną rozkładu F Snedecora (Fishera Snedecora) F (1 α; u, v) = 1 F (α; v, u) W Z Statystyka 5.5

6 Przykład. Porównać zróżnicowanie ocen wyników klasówek pań i panów. Panowie: n 1 = 138, x1i = , varx 1 = Panie: n 2 = 162, x2i = , varx 2 = Populacja 1: Słuchacze podstawowego kursu statystyki Populacja 2: Słuchaczki podstawowego kursu statystyki Cecha X: ilość punktów zdobytych na klasówce Założenie: cecha X ma w populacji 1 rozkład N(µ 1, σ 2 1) cecha X ma w populacji 2 rozkład N(µ 2, σ 2 2) Zadanie: oszacować iloraz σ 2 1/σ 2 2 Technika statystyczna: przedział ufności dla ilorazu wariancji poziom ufności 0.90 W Z Statystyka 5.6

7 Obliczenia s 2 1 = = , s2 2 = = , F (0.05; 137, 161) = F (0.95; 137, 161) = F (0.05; 161, 137) 1 = = ( ) , = ( , ) Odpowiedź: σ 2 1/σ 2 2 ( , ) Wniosek. Iloraz wariancji ilości punktów zdobywanych na klasówce jest liczbą z przedziału ( , ). Zaufanie do tego wniosku wynosi 90%. Sugestia. Ponieważ przedział obejmuje jedynkę, więc można uznać, że σ 2 1 = σ 2 2. W Z Statystyka 5.7

8 Porównanie dwóch rozkładów dwupunktowych Założenia: 1. X 1 D(p 1 ), X 2 D(p 2 ) 2. X 1, X 2 są niezależne Ocena p 1 p 2. Próby: X 11,..., X 1n1 ; X 21,..., X 2n2 (X ij = 0 lub 1) k 1 = n 1 i=1 X 1i k 2 = n 2 i=1 X 12 ˆp 1 = k 1 /n 1 ˆp 2 = k 2 /n 2 ˆp = (k 1 + k 2 )/(n 1 + n 2 ) Przedział ufności (poziom ufności 1 α) ˆp 1 ˆp 2 u 1 α 2 ( 1 ˆp(1 ˆp) + 1 ), n 1 n 2 ( 1 ˆp(1 ˆp) + 1 ) n 1 n 2 ˆp 1 ˆp 2 + u 1 α 2 W Z Statystyka 5.8

9 Przykład. Oszacować różnicę między niezaliczalnością klasówki ze statystyki przez panie i panów. Na podstawie dotychczasowych danych wiadomo, że na 162 pań nie zaliczyło klasówki 46 pań oraz na 138 panów 30 uzyskało ocenę negatywną. Populacja 1: Słuchacze podstawowego kursu statystyki Populacja 2: Słuchaczki podstawowego kursu statystyki Cecha X: uzyskanie z klasówki oceny negatywnej Założenie: cecha X ma w populacji 1 rozkład D(p 1 ) cecha X ma w populacji 2 rozkład D(p 2 ) Zadanie: oszacować różnicę p 1 p 2 Technika statystyczna: przybliżony przedział ufności dla różnicy prawdopodobieństw poziom ufności 0.95: u = 1.96 W Z Statystyka 5.9

10 Obliczenia n 1 = 162 k 1 = 46 n 2 = 138 k 2 = 30 ˆp 1 = k 1 n 1 = = ˆp 2 = k 2 n 2 = = ˆp = (k 1 + k 2 ) (n 1 + n 2 ) ( ) 300 = ( ) ( ) = ( ) 138 = ( , ) ( , ) Wniosek. Różnica prawdopodobieństw jest liczbą z przedziału ( , ). Sugestia. Ponieważ przedział obejmuje zero, więc odsetki pań i panów niezaliczających klasówki można traktować jako porównywalne. W Z Statystyka 5.10

11 Porównanie dwóch rozkładów normalnych Założenia: 1. X 1 N(µ 1, σ 2 1), X 2 N(µ 2, σ 2 2) 2. X 1, X 2 są niezależne Czy µ 1 = µ 2? Czy σ 2 1 = σ 2 2? Próby: X 11,..., X 1n1 ; X 21,..., X 2n2 X 1, varx 1, s 2 1 = varx 1 n 1 1 X 2, varx 2, s 2 2 = varx 2 n 2 1 W Z Statystyka 5.11

12 H 0 : µ 1 = µ 2 Założenie σ 2 1 = σ 2 2 Test Studenta (poziom istotności α) Statystyka testowa t emp = X 1 X 2 S r S r = S 2 e ( 1 n n 2 ), S 2 e = varx 1 + varx 2 n 1 + n 2 2 Wartość krytyczna t(α; n 1 + n 2 2) Jeżeli t emp > t(α; n 1 + n 2 2), to hipotezę H 0 : µ 1 = µ 2 odrzucamy W Z Statystyka 5.12

13 H 0 : µ 1 = µ 2 Bez założenia σ 2 1 = σ 2 2 Test V Behrensa Fishera (poziom istotności α) Statystyka testowa V = X 1 X 2 S r S r = S 2 1 n 1 + S2 2 n 2 Wartość krytyczna V (α; n 1 1, n 2 1, c) (n 1 n 2 ) c = S 2 1/n 1 S 2 1 /n 1 + S 2 2 /n 2 Jeżeli V > V (α; n 1 1, n 2 1, c), to hipotezę H 0 : µ 1 = µ 2 odrzucamy W Z Statystyka 5.13

14 Przykład. Porównać przeciętne osiągnięcia punktowe pań i panów na klasówce ze statystyki Panowie: n 1 = 138, x1i = , varx 1 = Panie: n 2 = 162, x2i = , varx 2 = Populacja 1: Słuchacze podstawowego kursu statystyki Populacja 2: Słuchaczki podstawowego kursu statystyki Cecha X: ilość punktów zdobytych na klasówce Założenia: cecha X ma w populacji 1 rozkład N(µ 1, σ 2 1) cecha X ma w populacji 2 rozkład N(µ 2, σ 2 2) σ 2 1 = σ 2 2 Zadanie: zweryfikować hipotezę H 0 : µ 1 = µ 2 Technika statystyczna: test t poziom istotności 0.05 W Z Statystyka 5.14

15 Obliczenia s 2 r = x 1 = x 2 = = ( ) 162 t emp = = Wartość krytyczna t(0.05; 298) 1.96 Odpowiedź: hipotezy nie odrzucamy Wniosek. Średnie ilości punktów uzyskiwane przez panie i panów można traktować jako porównywalne. W Z Statystyka 5.15

16 Przedział ufności a test hipotezy H 0 : µ 1 = µ 2 Cecha X 1 N(µ 1, σ 2 1), X 2 N(µ 2, σ 2 2), σ 2 1 = σ 2 2 H 0 : µ 1 = µ 2 H 0 nie odrzucamy na poziomie istotności α t emp < t(α; n 1 + n 2 2) t(α; n 1 + n 2 2) < X 1 X 2 S r < t(α; n 1 + n 2 2) 0 ( X1 X 2 ± t(α; n 1 + n 2 2)S r ) 0 należy do przedziału ufności na poziomie ufności 1 α W Z Statystyka 5.16

17 Przykład. Porównać wartości średnie dwóch cech X 1 oraz X 2 o rozkładach normalnych. H 0 : µ 1 = µ 2 Test V Behrensa Fishera (α = 0.05) Próby: n 1 = 20 x 1 = s 2 1 = n 2 = 20 x 2 = s 2 2 = V = = = 4.19 c = 15.41/ / /20 = = 0.15 Wartość krytyczna V (0.05; 19, 19, 0.15) = 2.06 Ponieważ V > V (0.05; 19, 19, 0.15), więc hipotezę H 0 : µ 1 = µ 2 odrzucamy. W Z Statystyka 5.17

18 H 0 : µ 1 µ 2 Założenie σ 2 1 = σ 2 2 Test Studenta (poziom istotności α) Statystyka testowa t emp = X 1 X 2 S r Wartość krytyczna t(2α; n 1 + n 2 2) Jeżeli t emp > t(2α; n 1 + n 2 2), to hipotezę H 0 : µ 1 µ 2 odrzucamy Bez założenia σ 2 1 = σ 2 2 Test V Behrensa Fishera (poziom istotności α) Statystyka testowa V = X 1 X 2 S r Wartość krytyczna V (2α; n 1 1, n 2 1, c) (n 1 n 2 ) Jeżeli V > V (2α; n 1 1, n 2 1, c), to hipotezę H 0 : µ 1 µ 2 odrzucamy. W Z Statystyka 5.18

19 H 0 : σ 2 1 = σ 2 2 Test F (poziom istotności α) Statystyka testowa F emp = S2 1 S 2 2 Wartości ( krytyczne F 1 α ) 2 ; n 1 1, n 2 1 ( α F 2 ; n 1 1, n 2 1) Jeżeli F emp < F lub F emp > F ( 1 α ) 2 ; n 1 1, n 2 1 ( α 2 ; n 1 1, n 2 1) to hipotezę H 0 : σ 2 1 = σ 2 2 odrzucamy W Z Statystyka 5.19

20 Uwaga F (1 α; u, v) = 1 F (α; v, u) Reguła: większa wariancja do licznika. Jeżeli S 2 1 > S 2 2, to wyznaczana jest statystyka F emp = S2 1 S 2 2 i hipoteza jest odrzucana, gdy F emp > F ( α 2 ; n 1 1, n 2 1) Jeżeli zaś S 2 1 < S 2 2, to wyznaczana jest statystyka F emp = S2 2 S 2 1 i hipoteza jest odrzucana, gdy F emp > F ( α 2 ; n 2 1, n 1 1) W Z Statystyka 5.20

21 Przykład. Dla sprawdzenia stabilności pracy maszyny pobrano dwie próbki: pierwszą w początkowym okresie eksploatacji oraz drugą po miesięcznym okresie pracy tej maszyny. Wykonano pomiary wylosowanych produktów i otrzymano wyniki: n 1 = 25, x 1 = 3.24, s 2 1 = oraz n 2 = 19, x 2 = 3.19, s 2 2 = Zbadać na tej podstawie czy maszyna nie rozregulowała się w trakcie pracy. Populacja 1 produkcja maszyny w początkowym okresie Populacja 2 produkcja maszyny po miesiącu eksploatacji Cecha X pomiar produktu Założenia cecha X ma w populacji 1 rozkład N(µ 1, σ 2 1) cecha X ma w populacji 2 rozkład N(µ 2, σ 2 2) W Z Statystyka 5.21

22 Formalizacja Stabilność pracy maszyny może być mierzona podobieństwem wytwarzanych produktów: im własności produktów są do siebie bardziej zbliżone, tym bardziej stabilna jest praca maszyny. Podobieństwo takie jest wyrażane wariancją cechy. Zatem stabilność pracy można wyrazić liczbowo jako wariancję interesującej cechy produktu, a problem stabilności jako zagadnienie weryfikacji hipotezy H 0 : σ 2 1 = σ 2 2 Technika statystyczna Test F (poziom istotności α = 0.10) Obliczenia F emp = s2 2 s 2 1 = Wartość krytyczna F (0.05; 19, 24) = Odpowiedź: hipotezy nie odrzucamy Wniosek: można uznać że maszyna nie rozregulowała się w trakcie pracy W Z Statystyka 5.22

23 H 0 : σ 2 1 σ 2 2 Test F (poziom istotności α) Statystyka testowa F emp = S2 1 S 2 2 Wartość krytyczna F (α; n 1 1, n 2 1) Jeżeli F emp > F (α; n 1 1, n 2 1) to hipotezę H 0 : σ 2 1 σ 2 2 odrzucamy Uwaga W tym przypadku zasada większa wariancja do licznika nie ma sensu. W Z Statystyka 5.23

24 Porównanie dwóch rozkładów dwupunktowych Założenia: 1. X 1 D(p 1 ), X 2 D(p 2 ) 2. X 1, X 2 są niezależne H 0 : p 1 = p 2 Test przybliżony (poziom istotności α) ˆp 1 = k 1 n 1, ˆp 2 = k 2 n 2, ˆp = (k 1 + k 2 ) (n 1 + n 2 ) Statystyka testowa u emp = ˆp 1 ˆp 2 ˆp(1 ˆp)( 1 n n 2 ) u emp u 1 α/2 = H 0 : p 1 = p 2 odrzucamy W Z Statystyka 5.24

25 Przykład. Celem badania było porównanie przygotowania z matematyki kandydatów na studia będących absolwentami liceów oraz techników. W tym celu spośród kandydatów zdających matematykę wylosowano 400 absolwentów liceów oraz 600 absolwentów techników. W wylosowanej grupie stwierdzono, że 385 absolwentów liceów oraz 501 absolwentów techników rozwiązało test wstępny. Czy można na tej podstawie sądzić, że przygotowanie w obu grupach absolwentów jest jednakowe? Populacja 1: absolwenci liceów zdający egzamin wstępny Populacja 2: absolwenci techników zdający egzamin wstępny Cecha X: umiejętność rozwiązania testu (tak/nie) Założenia: cecha X ma w populacji 1 rozkład D(p 1 ) cecha X ma w populacji 2 rozkład D(p 2 ) Formalizacja Weryfikacja hipotezy H 0 : p 1 = p 2 W Z Statystyka 5.25

26 Technika statystyczna Test przybliżony (poziom istotności α = 0.05) Obliczenia n 1 = 400 k 1 = 385 ˆp 1 = 385/400 = n 2 = 600 k 2 = 501 ˆp 2 = 501/600 = u emp = ˆp = ( )/( ) = ( ) ( ) = Wartość krytyczna u = 1.96 Odpowiedź: hipotezę H 0 : p 1 = p 2 odrzucamy Wniosek: przygotowanie absolwentów liceów i techników z matematyki nie jest takie same. W Z Statystyka 5.26

27 H 0 : p 1 p 2 Test przybliżony (poziom istotności α) ˆp 1 = k 1 n 1, ˆp 2 = k 2 n 2, ˆp = (k 1 + k 2 ) (n 1 + n 2 ) Statystyka testowa u emp = ˆp 1 ˆp 2 ˆp(1 ˆp)( 1 n n 2 ) u emp u 1 α = H 0 : p 1 p 2 odrzucamy W Z Statystyka 5.27