BOOTSTRAPOWA WERYFIKACJA HIPOTEZ O WARTO CI OCZEKIWANEJ POPULACJI O ROZK ADZIE ASYMETRYCZNYM

Podobne dokumenty
TEST SYMETRYCZNO CI LI

Statystyka matematyczna dla leśników

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.

Wykład 11 ( ). Przedziały ufności dla średniej

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

Prawdopodobieństwo i statystyka r.

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

1 Testy statystyczne. 2 Rodzaje testów

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

ANALIZA DANYCH DYSKRETNYCH

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

lim a n Cigi liczbowe i ich granice

TESTY LOSOWOŚCI. Badanie losowości próby - test serii.

µ = Test jest następujący: jeŝeli X > 0.01 to odrzucamy H. 0

Estymacja przedziałowa

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

L.Kowalski zadania ze statystyki matematycznej-zestaw 3 ZADANIA - ZESTAW 3

Porównanie dwu populacji

Metoda łączona. Wykład 7 Dwie niezależne próby. Standardowy błąd dla różnicy dwóch średnich. Metoda zwykła (niełączona) n2 2

KLUCZ ODPOWIEDZI I ZASADY PUNKTOWANIA PRÓBNEGO EGZAMINU MATURALNEGO Z MATEMATYKI POZIOM PODSTAWOWY

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Ćwiczenia rachunkowe TEST ZGODNOŚCI χ 2 PEARSONA ROZKŁAD GAUSSA

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

Prawdopodobieństwo i statystyka r.

STATYSTKA I ANALIZA DANYCH LAB II

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Przedziaªy ufno±ci a testowanie hipotez statystycznych Konspekt do zaj : Statystyczne metody analizy danych

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Nieklasyczne modele kolorowania grafów

Estymacja przedziałowa - przedziały ufności

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

2.1. Studium przypadku 1

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych (w zakresie materiału przedstawionego na wykładzie organizacyjnym)

STATYSTYKA I ANALIZA DANYCH

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Statystyka. Katarzyna Chudy Laskowska

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Estymacja parametrów populacji

Oszacowanie warto ci charakterystycznej wytrzyma o ci betonu na ciskanie wed ug aktualnych zalece normowych

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

Komputerowa analiza danych doświadczalnych

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Monte Carlo, bootstrap, jacknife

0.1 ROZKŁADY WYBRANYCH STATYSTYK

Wybór systemu klasy ERP metod AHP

Wykªad 05 (granice c.d., przykªady) Rozpoczniemy od podania kilku przykªadów obliczania granic ci gów. n an = + dla a > 1. (5.1) lim.

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

Metodyka szacowania niepewnoci rozszerzonej. Opracował: mgr Mikołaj Kirpluk

Statystyka matematyczna. Wykład II. Estymacja punktowa

Estymacja przedziałowa - przedziały ufności

Zeszyty naukowe nr 9

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

Podstawy opracowania wyników pomiarów z elementami analizy niepewności pomiarowych

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Estymacja przedziałowa:

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

Punktowe procesy niejednorodne

w stosunku do rozwi zania symetrycznego dla ca ego uk adu. d (x) dx 2 * kin -

Wykªad 2. Szeregi liczbowe.

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

METODY ANALIZY DANYCH PRZESTRZENNYCH W BADANIACH ODCHY EK GEOMETRYCZNYCH WYZNACZANYCH W POMIARACH WSPÓ RZ DNO CIOWYCH POWIERZCHNI SWOBODNYCH

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

STATYSTYKA MATEMATYCZNA

Równoliczno zbiorów. Definicja 3.1 Powiemy, e niepuste zbiory A i B s równoliczne jeeli istnieje. Piszemy wówczas A~B. Przyjmujemy dodatkowo, e ~.

ZASTOSOWANIE METODY SULLIVANA DO OCENY PRZECI TNEJ D UGO CI YCIA W DOBRYM ZDROWIU W 2004 ROKU

Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym

Lista 6. Estymacja punktowa

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

EKONOMETRIA. Temat wykładu: Co to jest model ekonometryczny? Dobór zmiennych objaśniających w modelu ekonometrycznym CZYM ZAJMUJE SIĘ EKONOMETRIA?

Wykład 10 Wnioskowanie o proporcjach

A.1. Asymptotyka bez notacji asymptotycznej. Przykªad A.1. Zbada zachowanie asymptotyczne liczb Fibonacciego. Pokaza,»e. F n = round ( 1 5 Φ n )

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Statystyka powtórzenie (I semestr) Rafał M. Frąk

Optymalizacja sieci powiązań układu nadrzędnego grupy kopalń ze względu na koszty transportu

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych.

EGZAMIN MATURALNY Z MATEMATYKI

Rozkład normalny (Gaussa)

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

40:5. 40:5 = υ5 5p 40, 40:5 = p 40.

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

obie z mocy ustawy. owego.

Parametryczne Testy Istotności

> 1), wi c na mocy kryterium porównawczego szereg sin(n n)

Transkrypt:

A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 27, 22 OOTSTRAPOWA WERYFIKACJA HIPOTEZ O WARTOCI OCZEKIWANEJ POPULACJI O ROZKADZIE ASYMETRYCZNYM Streszczeie. W pracy przedstawioa jest propozycja wykorzystaia testu bootstrapowego do weryfikacji hipotez o wartoci oczekiwaej populacji charakteryzujcej si rozkadem asymetryczym. Test bootstrapowy jest testem ieparametryczym, który moe by stosoway w przypadku posiadaia prób o maej liczbie elemetów. Wasoci testu bootstrapowego wykorzystywaego do weryfikacji hipotez o wartoci oczekiwaej populacji o wybraych rozkadach asymetryczych przeprowadzoe zostay metodami symulacyjymi. Aalizowao rozmiar testu bootstrapowego i dla duych prób porówywao go z rozmiarem klasyczego testu istotoci. Sowa kluczowe: test bootstrapowy, rozmiar testu, warto oczekiwaa. I. WPROWADZENIE Przy wioskowaiu statystyczym o parametrach populacji asymetryczych, w tym przy weryfikacji hipotez statystyczych, moemy wykorzystywa klasycze metody parametrycze lub metody sekwecyje (por. D. Pekasiewicz, 2) albo, w przypadku braku iformacji o klasie rozkadu, metody ieparametrycze. Przy ieparametryczej weryfikacji hipotez statystyczych o wartoci oczekiwaej zwykle wykorzystuje si asymptotycze wasoci jej estymatora. Wymagae jest wic posiadaie tak zwaych duych prób. Dla populacji charakteryzujcych si ró asymetri, miimale wielkoci prób umoliwiajce korzystaie z twierdze graiczych s róe. Problemem moe by wic rozstrzygicie, czy próba jest wystarczajco licza, aby moa byo j wykorzysta do tego typu wioskowaia statystyczego. Metody bootstrapowe, alece do grupy metod ieparametryczych, ie wymagaj prób o duej liczbie elemetów. Mog wic by stosowae zarówo w przypadku posiadaia prób o maej liczbie elemetów, jak i dla duych prób, jako alteratywa ieparametryczych metod klasyczych. Dr, Katedra Metod Statystyczych, Uiwersytet ódzki [5]

52 Do weryfikacji hipotez o wartoci oczekiwaej populacji o asymetryczych rozkadach moa stosowa bootstrapowy test istotoci. Aaliz wasoci tego testu przeprowadzoo metodami symulacyjymi i porówao je z wasociami klasyczego testu istotoci wykorzystujcego fakt, e redia arytmetycza z próby ma asymptotyczie rozkad ormaly. adaia dotyczyy aalizy rozmiarów bootstrapowego i klasyczego testu istotoci dla wartoci oczekiwaej populacji charakteryzujcych si róymi wspóczyikami asymetrii, w oparciu o próby o róych liczebociach. Do aalizy porówawczej testów wykorzystao próby due, okrelae w literaturze jako próby zawierajce 3 lub wicej elemetów. II. TEST OOTSTRAPOWY DLA WARTOCI OCZEKIWANEJ Niech X,..., X bdzie prób prost wylosowa z populacji X o iezaej x,..., x ozacza cig realizacji tej próby. wartoci oczekiwaej. Niech Rozwamy hipotez zerow postaci: wobec hipotezy alteratywej: H :, () H :, (2) gdzie jest ustalo liczb rzeczywist. W celu zweryfikowaia powyszych hipotez testem bootstrapowym dla wartoci oczekiwaej, przy ustaloym poziomie istotoci, aley wygeerowa N ( N ) prób bootstrapowych wedug rozkadu bootstrapowego P X xk, dla k =,...,. Ozaczmy przez x, i, x2, i,..., x, i realizacj i-tej ( i,..., N ) próby bootstrapowej X, i, X 2, i,..., X, i. Na podstawie wartoci i - tej próby bootstrapowej obliczamy: x i, k x k, i, (3) s i, xk, i xi, k 2 (4)

ootstrapowa weryfikacja hipotez o wartoci oczekiwaej 53 oraz u i, xi, b. (5) s i, W wyiku oblicze otrzymujemy cig wartoci Niech u, u2,,..., u,,. gdzie x x k k x, (6) s u oraz s x k x k 2. Obliczamy warto: card u u,, u2,,..., un, : u u (7) N i porówujemy j z ustaloym poziomem istotoci (por. Cz. Domaski, K.Pruska, 2). Jeeli zachodzi, to ie ma podstaw do odrzuceia hipotezy H. W przeciwym przypadku odrzucamy hipotez zerow a korzy alteratywej H. ootstrapowy test dla wartoci oczekiwaej moe by stosoway dla hipotez jedostroych. Dla hipotezy alteratywej postaci: warto obliczamy z wzoru: atomiast dla hipotezy: H : (8) card u u, u,..., u : u u, (9), 2, H : () z wzoru:, 2, N, card u u, u,..., u : u u. () N,

54 III. ANALIZA MONTE CARLO WASNOCI TESTU OOTSTRAPOWEGO Aaliza wasoci testu bootstrapowego weryfikujcego hipotez () wobec (2) przeprowadzoa zostaa w sposób symulacyjy. Rozwaao astpujce trzy klasy populacji: populacje o rozkadzie gamma, populacje o rozkadzie Pareto, populacje o rozkadzie beta. Parametry rozkadów dobierae byy tak, aby geerowae populacje charakteryzoway si róymi wspóczyikami asymetrii. Populacje o rozkadzie gamma, o fukcji gstoci p x x exp dla x p fx p dla x i ustaloych parametrach i p charakteryzowaa asymetria dodatia. Rówie dodati asymetri miay populacje o rozkadzie Pareto o fukcji gstoci k k xm dla k fx x dla x x m x x m i wybraych wartociach parametrów x m i k. Parametry populacji o rozkadzie beta o fukcji gstoci p q x x dla x fx p, q dla x x dobierae byy tak, aby charakteryzoway si oe asymetri ujem. Wybór aalizowaych klas rozkadów uzasadia ich zastosowaie m.i. w fiasach, ubezpieczeiach, kotroli jakoci oraz zwizay jest z do atw moliwoci doboru parametrów dla uzyskaia róych wielkoci wspóczyików asymetrii.

ootstrapowa weryfikacja hipotez o wartoci oczekiwaej 55 Z wygeerowaych populacji losowao tzw. mae próby, czyli próby o liczebociach miejszych i 3 oraz próby due, o liczbie elemetów ie miejszej i 3. Dla ustaloych poziomów istotoci, weryfikowao hipotezy o wartoci oczekiwaej populacji, geerujc prób bootstrapowych i korzystajc z wzorów (5) (7). Procedur weryfikacji hipotez powtarzao razy. Szacowao rozmiar testu i porówao go z przyjt wartoci poziomu istoto- ci. Dla duych prób porówao wyiki testu bootstrapowego z wyikami uzyskaymi dla klasyczego testu istotoci. Wartoci rozmiarów testu bootstrapowego dla wartoci oczekiwaej populacji o wybraych rozkadach z ustaloymi parametrami rozkadu, dla liczeboci prób =, 2, 3, 5, 7 i dla poziomu istotoci,5 zawiera tablica. Rysuek staowi graficz prezetacj zaleoci rozmiaru testu od liczeboci prób, w oparciu o które weryfikujemy hipotezy, oraz od wspóczyika asymetrii rozkadu populacji. W celu porówaia testu bootstrapowego z testem klasyczym, dla prób o liczbie elemetów wikszej lub rówej 3, aalizowao rozmiary tych testów. W tablicy 2 przedstawioo otrzymae wyiki dla obydwu rozpatrywaych testów. Rysuki 2 i 3 przedstawiaj wartoci oszacowaych rozmiarów testu bootstrapowego i klasyczego istotoci dla populacji o wybraych wspóczyikach asymetrii i liczeboci prób odpowiedio 3 i 7 elemetów. Tablica. Oszacowaia rozmiaru testu bootstrapowego dla wartoci oczekiwaej populacji o wybraych asymetryczych rozkadach Typ rozkadu Wspócz. asymetrii Liczeboci prób 2 3 5 7,2 4,47,53,826,744,76,63,4 3,6,86,84,647,57,542,6 2,58,88,699,665,535,462,8 2,24,797,688,66,474,52, 2,,765,68,67,53,562,4,69,643,56,57,5,473 4, 7,7,85,863,864,742,72 5, 4,65,999,79,78,687,643 6, 3,8,943,748,737,664,6 7, 3,38,92,74,77,644,59 8, 3,2,88,688,695,624,587 gamma o parametrze lambda= i wybraych wartociach p Pareto o parametrze xm= i wybraych wartociach k beta o parametrze p=3 i wybraych wartociach q 9, 2,94,86,676,676,64,582,2 2,85,863,69,59,529,569,4,84,684,573,537,59,538,6,37,56,473,55,49,522,8,7,542,49,447,499,444,,86,525,56,523,486,589,4,57,44,487,437,524,492 ródo: Obliczeia wase.

56 7,7 3,8 3,2 2,24 -,57 -,37 3 7,2,,8,6,4,2 Rys.. Zaleo rozmiaru testu od liczeboci próby i wspóczyika asymetrii populacji ródo: Opracowaie wase. Typ rozkadu gamma o parametrze lambda= i wybraych wartociach p Pareto o parametrze xm= i wybraych wartociach k beta o parametrze p=3 i wybraych wartociach q Tablica 2. Porówaie rozmiarów testu bootstrapowego i testu klasyczego dla wartoci oczekiwaej populacji o wybraych asymetryczych rozkadach Wspócz. Liczeboci prób asymetrii T. boot. T. klas. T. boot. T. klas. T. boot. T. klas. 3 3 5 5 7 7,2 4,47,744,46,76,225,63,978,4 3,6,647,36,57,757,542,69,6 2,58,665,,535,756,462,63,8 2,24,66,88,474,639,52,645, 2,,67,859,53,649,562,664,4,69,57,727,5,63,473,557 4, 7,7,864,255,742,99,72,893 5, 4,65,78,4,687,888,643,827 6, 3,8,737,78,664,842,6,789 7, 3,38,77,48,644,822,59,762 8, 3,2,695,9,624,83,587,746 9, 2,94,676,4,64,786,582,737,2 2,85,59,96,529,88,569,86,4,84,537,875,59,77,538,688,6,37,55,789,49,645,522,65,8,7,447,646,499,595,444,54,,86,523,67,486,57,589,634,4,57,437,563,524,584,492,523 ródo: Obliczeia wase.

ootstrapowa weryfikacja hipotez o wartoci oczekiwaej 57,6 ˆ,4,2,,8,6 t.boot t.klas.,4,2-4 -3-2 - 2 3 4 5 6 7 8 Rys. 2. Zaleo oszacowaego, a podstawie 3-elemetowej próby, rozmiaru testu od wspóczyika korelacji populacji ródo: Obliczeia wase.,2 ˆ,,8,6 t.boot t.klas.,4,2-4 -3-2 - 2 3 4 5 6 7 8 Rys. 3. Zaleo oszacowaego, a podstawie 7-elemetowej próby, rozmiaru testu od wspóczyika korelacji populacji ródo: Obliczeia wase.

58 IV. WNIOSKI Na postawie uzyskaych wyików moa stwierdzi, e dla populacji o miejszej asymetrii test bootstrapowy pozwoli zweryfikowa sformuowae hipotezy a poziomie istotoci w przyblieiu rówym ustaloemu poziomowi istotoci,5. Najwiksze rozbieoci midzy rozmiarem testu i przyjtym poziomem istotoci byy w przypadku silej asymetrii i maych prób, ale i tak okazay si oe miejsze i w przypadku klasyczego testu istotoci dla prób o duo wikszej liczbie elemetów (próby 3 i 5 elemetowe). Zastosowaie testu bootstrapowego dla, 2-elemetowych prób powodowao, e liczba decyzji o odrzuceiu prawdziwej hipotezy zerowej bya w iektórych przypadkach awet dwukrotie wiksza od wartoci ustaloej, ale w tych przypadkach test klasyczy dopiero dla 7-elemetowej próby da porówywale wyiki. Dla iych rozwaaych wartoci p., oraz, wyiki byy aalogicze. W przypadku duych prób oszacoway rozmiar testu bootstapowego by miejszy i rozmiar testu klasyczego. Oczywicie róice te malay wraz ze wzrostem liczeboci prób. Chocia w przypadku zastosowaia testu bootstrapowego liczba bdych decyzji polegajcych a odrzuceiu prawdziwej hipotezy zerowej bya miejsza i przy zastosowaiu testu klasyczego, to jedak ie we wszystkich przypadkach 7-elemetowa próba bya wystarczajca do weryfikacji hipotez o wartoci oczekiwaej a ustaloym poziomie istotoci. Dotyczyo to populacji o silej asymetrii p. populacji o rozkadzie Pareto z parametrami x i k =4, dla której wspóczyik asymetrii wyosi 7,7. Dla tej m populacji oszacoway rozmiar testu bootstrapowego wyiós,72. Koleje zwikszaie liczeboci próby (próba -elemetowa, 2-elemetowa itd.) sprawio, e decyzja zostaa podjta a poziomie istotoci rówym w przybli- eiu ustaloej wartoci, co wyika z asymptotyczych wasoci rediej arytmetyczej. Z przeprowadzaych badaiach statystyczych, wyika, e iformacja o asymetrii populacji lub wstpe oszacowaie wspóczyika asymetrii mog by pomoce przy ustaleiu liczeboci próby zarówo przy zastosowaiu testów bootstrapowych jak i klasyczych testów istotoci. Dla wszystkich rozwaaych populacji weryfikacja hipotez o wartoci oczekiwaej za pomoc testu bootstrapowego daa lepsze rezultaty i zastosowaie klasyczego testu istotoci, gdy prowadzia do miejszej liczby bdych decyzji polegajcych a odrzuceiu prawdziwej hipotezy zerowej (rys 2., rys 3.). Podjcie decyzji o odrzuceiu hipotezy zerowej lub braku podstaw do jej odrzuceia a ustaloym poziomie istotoci zwizae jest z waciwym doborem

ootstrapowa weryfikacja hipotez o wartoci oczekiwaej 59 liczeboci próby, która zaley od typu rozkadu populacji i wspóczyika asymetrii. Testy bootstrapowe zajduj zastosowaie rówie przy weryfikacji hipotez statystyczych o wartociach parametrów dwóch populacji. Hipotezy mog dotyczy zarówo parametrów populacji jedo jak i wielowymiarowych (por. Domaski Cz., Pruska K., (2), J. Shao, D. Tu, (996)). ILIOGRAFIA Domaski Cz., Pruska K., (2), Nieklasycze metody statystycze, Polskie Towarzystwo Ekoomicze, Warszawa. Pekasiewicz D., (2), Testy statystycze dla parametrów zmieej losowej o rozkadzie wykadiczym, w:) praca zbiorowa pod red. Z.E. Zieliskiego: Rola iformatyki w aukach ekoomiczych i spoeczych. Iowacje i implikacje iterdyscypliare, Wydawictwo Wyszej Szkoy Hadlowej, Kielce, s. 228 236. Shao J., Tu D., (996) The Jackkife ad ootstrap, Spriger Verlag, New York. THE OOTSTRAP VERIFICATION OF HYPOTHESES AOUT THE EXPECTED VALUE OF ASYMMETRIC DISTRIUTED POPULATION Abstract A proposal of usig the bootstrap test to verify hypotheses about the expected value of asymmetric populatio is preseted. The bootstrap test is the oparametric oe. It ca be used whe we have a small size of sample. I the paper, the results of simulatio studies of the properties of this test are preseted, i particular the size of a test. For large sample s sizes, the size of the bootstrap test is compared with the size of classical test of sigificace.