Testen statistischer Hypothesen

Ähnliche Dokumente
Tests statistischer Hypothesen

Parameterschätzung. Kapitel Schätzfunktionen

Vl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5

Kapitel 5: Schließende Statistik

Statistik. 5. Schließende Statistik: Typische Fragestellung anhand von Beispielen. Kapitel 5: Schließende Statistik

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

Grundlagen der Biostatistik und Informatik

Konfidenzintervalle. Praktische Übung Stochastik SS 2017 Lektion 10 1

Gütefunktion und Fehlerwahrscheinlichkeiten Rechtsseitiger Test (µ 0 = 500) zum Signifikanzniveau α = Interpretation von Testergebnissen I

2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:

4 Schwankungsintervalle Schwankungsintervalle 4.2

Übungen Abgabetermin: Freitag, , 10 Uhr THEMEN: Testtheorie

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Dr. Jürgen Senger INDUKTIVE STATISTIK. Wahrscheinlichkeitstheorie, Schätz- und Testverfahren

Kapitel 6: Statistische Qualitätskontrolle

AngStat1(Ue13-21).doc 23

3 Wichtige Wahrscheinlichkeitsverteilungen

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Tests für beliebige Zufallsvariable

6. Grenzwertsätze. 6.1 Tschebyscheffsche Ungleichung

Kapitel 9: Schätzungen

Beispiel: p-wert bei Chi-Quadrat-Anpassungstest (Grafik) Auftragseingangsbeispiel, realisierte Teststatistik χ 2 = , p-wert: 0.

Empirische Verteilungsfunktion

7.2 Grundlagen der Wahrscheinlichkeitsrechnung

Bernoulli-Experiment und Binomialverteilung

Musterlösung Vortragsübung Blatt 14 Vorwort. Variante der harmonischen Reihe.

3 Kritischer Bereich zum Niveau α = 0.10: K = (χ 2 k 1;1 α, + ) = (χ2 5;0.90, + ) = (9.236, + ) 4 Berechnung der realisierten Teststatistik:

Zenraler Grenzwertsatz

Eingangsprüfung Stochastik,

Beurteilende Statistik - Testen von Hypothesen Alternativtest

1. Zahlenfolgen und Reihen

Lösungsvorschlag Probeklausur zur Elementaren Wahrscheinlichkeitsrechnung

Übungen zu QM III Mindeststichprobenumfang

Evaluierung einer Schulungsmaßnahme: Punktezahl vor der Schulung Punktezahl nach der Schulung. Autoritarismusscore vor/nach Projekt

Kapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit

Kleingruppen zur Service-Veranstaltung Mathematik I fu r Ingenieure bei Prof. Dr. G. Herbort im WS12/13 Dipl.-Math. T. Pawlaschyk,

Zahlenfolgen, Grenzwerte und Zahlenreihen

Kapitel 11. Zentrale Grenzwertsätze Lokaler Grenzwertsatz von Moivre-Laplace

Diskrete Zufallsvariablen

14 Statistische Beziehungen zwischen nomi nalen Merkmalen

Schätzen von Populationswerten

Forschungsstatistik I

X X Schätzen von Vertrauensintervallen Schwankungsintervall

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am Betriebswirtschaft BB-WMT-S

Proseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik

Korrekturliste zum Studienbuch Statistik

Wirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel

4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa

AUFGABEN. Verständnisfragen

Konfidenzintervall_fuer_pi.doc Seite 1 von 6. Konfidenzintervall für den Anteilswert π am Beispiel einer Meinungsumfrage

Klausur zu Methoden der Statistik II (mit Kurzlösung) Wintersemester 2015/2016. Aufgabe 1

Wirksamkeit, Effizienz

Bernsteinpolynome Vortrag zum Proseminar zur Analysis, Malte Milatz

Stichproben im Rechnungswesen, Stichprobeninventur

Das kollektive Risikomodell. 12. Mai 2009

Statistische Tests zu ausgewählten Problemen

Elementarstatistik für Umweltwissenschaftler

24 Konvergente Teilfolgen und Cauchy-Kriterium

Schätzen von Populationswerten

Nachklausur - Analysis 1 - Lösungen

KAPITEL 8. Zahlenreihen. 8.1 Geometrische Reihe Konvergenzkriterien Absolut konvergente Reihen

Korrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test

Statistik I/Empirie I

1. Einführung. 1 A (T (x 1,..., x n )) P θ (dx 1 )... P θ (dx n ) X. P θ {T n (X 1,..., X n ) A} =

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Bei 95%iger Konfidenz wäre der Mittelwert der GG zwischen 1421,17DM und 1778,83DM zu erwarten.

Über die Verteilung der Primzahlen

Normalverteilung. Standardnormalverteilung. Intervallwahrscheinlichkeiten. Verteilungsfunktion

Stochastische Unabhängigkeit, bedingte Wahrscheinlichkeiten

3. Einführung in die Statistik

11 Likelihoodquotiententests

4. Der Weierstraßsche Approximationssatz

Prof. Dr. Roland Füss Statistik II SS 2008

n (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =

TESTEN VON HYPOTHESEN

Parametrische Einstichprobentests

Übungsaufgaben II. Übungsaufgaben II. f) Wie groß ist die Wahrscheinlichkeit, dass er mindestens 1 richtige Antworten. ankreuzt?

Die vollständige Induktion - Lösungen 1. Aufgabe: Sind die folgenden Aussageformen in N allgemeingültig?

Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln

SUCHPROBLEME UND ALPHABETISCHE CODES

α : { n Z n l } n a n IR

Analysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Statistik und Wahrscheinlichkeitsrechnung

1. Folgen ( Zahlenfolgen )

Lösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015

15.4 Diskrete Zufallsvariablen

Übungen mit dem Applet erwartungstreu

Fakultät für Wirtschafts- und Rechtswissenschaften

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler

Innerbetriebliche Leistungsverrechnung

Grenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen

Schätzung der Kovarianzmatrix

Konvexität und Ungleichungen

Niveaubestimmende Aufgabe zum Fachlehrplan Mathematik Gymnasium

Michael Buhlmann Mathematik > Analysis > Newtonverfahren

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen

Aufgaben und Lösungen der Probeklausur zur Analysis I

Testverfahren zur Prüfung von Hypothesen über Parameter oder Verteilungen. Einstichprobentest für die Varianz einer Normalverteilung

Klausur 1 über Folgen

Transkript:

Kapitel 9 Teste statistischer Hypothese 9.1 Eiführug, Sigifiaztests Sigifiaztest für µ bei der ormalverteilug bei beatem σ = : X i seie uabhägig ud µ, ) verteilt, µ sei ubeat. Stelle eie Hypothese über µ auf, i diesem Fall: Hypothese H 0 : µ = µ 0. Lege das Sigifiaziveau α ud de Stichprobeumfag vor der Utersuchug der Stichprobe fest. Bestimme ε > 0 aus 9.1.1) ) X µ0 P ε H Satz 8.4.3a 0 = 21 Φε)) =α! Φε) =1! α 2. Setze d := ε. Utersuche Stichprobe vom Umfag. Das Ergebis sei der Schätzwert ˆµ = x für µ. ˆµ µ 0 d ist, ist H 0 abzulehe. ˆµ µ 0 < d ist, ist H 0 mit Vorbehalt) azuehme. Begrüdug der Etscheidugsregel: ach 9.1.1) gilt für die Wahrscheilicheit für eie irrtümliche Ablehug vo H) 0 : P H 0 wird aufgrud des Testergebisses) abgeleht H 0 = P X µ 0 d H 0 = P X µ 0 ε/ ) X µ H 0 = P 0 ε H 0 = α Bem.: a) X, x u. s. w. habe diesselbe Bedeutug wie im erste Teil vo Abschitt 8.4. b) α hat eie adere Bedeutug als γ im Abschitt 8.4. α liegt ahe bei 0, z. B. α = 0.1, 0.05, 0.01 o. ä. c) P... H 0 ) i 9.1.1) bedeutet: 9.1.1) bestimmt die Wahrsch. für das iteressierede Ereigis, we H 0 richtig wäre. Iterpretatio des Testergebisses: Es gibt ach eiem Test 4 verschiedee Situatioe, die i achsteheder schematischer Übersicht dargestellt sid Siehe Tabelle 8-1): 65

Tabelle 9-1 H 0 wird uter der Bedigug : ageomme abgeleht H 0 ist richtig falsch richtige Etscheidug Fehler 2. Art Fehler 1. Art richtige Etscheidug Allgemei wird gefordert: 9.1.2) PFehler 1. Art) = PH 0 wird abgeleht H 0 ) α Die Wahrscheilicheit für eie Fehler 2. Art ist erst da i gleicher Weise durch eie Zahl < 1 abzuschätze, we ma H 0 eie geeigete Alterativhypothese H 1 gegeüberstellt ud evtl. das Testverfahre ädert. Ohe geeigete Alterativhypothese gilt also ur P Fehler 2. Art) 1, d. h. ma hat de Fehler 2. Art icht uter Kotrolle. Scheit die Aahme vo H 0 ur durch eie zu leie Stichprobeumfag zustade geomme zu sei was aus o. g. Grüde icht präzise fassbar ist), so ist der Test u. U. mit größerem Stichprobeumfag zu wiederhole. Sigifiaztest für µ bei der ormalverteilug bei ubeatem σ: X i seie uabhägig ud µ, σ) verteilt, µ ud σ seie ubeat. Stelle eie Hypothese über µ auf, i diesem Fall: Hypothese H 0 : µ = µ 0. Lege das Sigifiaziveau α ud de Stichprobeumfag vor der Utersuchug der Stichprobe fest. Bestimme ε > 0 aus 9.1.3) P X µ 0 i=1 X i X) 2 1 ε H 0 Satz 8.4.8a = 21 F t ε))! =α F t ε)! =1 α 2, wobei F t y) die Verteilugsfutio der t Verteilug mit r = 1) Freiheitsgrade ist. Utersuche Stichprobe vom Umfag. Diese liefert die Meß oder Beobachtugswerte x 1, x 2,... x. Daraus gewie wir de Schätzwert ˆµ = x für µ ud die Testgröße d := ε i=1 x i x) 2 1) ˆµ µ 0 d ist, ist H 0 abzulehe. ˆµ µ 0 < d ist, ist H 0 mit Vorbehalt) azuehme. 66

9.2 Eiseitige Tests 9.2.1 Ei eiseitiger Test bei der ormalverteilug X 1,..., X seie uabhägige µ, σ) verteilte ZV mit beatem σ =. Über dem ubeate Parameter µ werde 2 Hypothese aufgestellt : H 0 : µ µ 0, H 1 : µ > µ 0 Alterativhypothese) Fehler 1. Art : Etscheidug gege H 0 ud damit für H 1 ), obwohl H 0 richtig ist. Fehler 2. Art : Etscheidug gege H 1 ud damit für H 0 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrsch. für eie Fehler 1. Art ud die Höchstgreze β für die Wahrsch. für eie Fehler 2. Art fest. Schritt 2: Lege de Stichprobeumfag fest ud bereche d 0 ud d 1 aus, α ud β ach der folgede Formel: 9.2.1) d 0 = ε 0 / mit Φε 0 ) = 1 α d 1 = ε 1 / mit Φε 1 ) = 1 β Schritt 3: Werte eie Stichprobe vom Umfag aus. x ist da eie Realisierug vo X:= 1 X 1 +... + X )): x µ 0 + d 0 Etscheidug für H 1 x µ 0 d 1 Etscheidug für H 0 µ 0 d 1 < x < µ 0 + d 0 eie Etscheidug u. U. de Test mit größerem Stichprobeumfag wiederhole) Begrüdug für 9.2.1): Aus der Tatsache, dass Φx) mooto wachsed ist, folgt: P Fehler 1. Art) = P X µ 0 + d 0 H 0 ) = 1 Φ µ0 µ+d 0 µ µ0 1 Φ d0 α P Fehler 2. Art) = P X µ 0 d 1 H 1 ) = Φ µ0 µ d 1 µ>µ0 Φ d1 = 1 Φ d1 β Bem.: a) Machmal ist vo der pratische Fragestellug her folgede Gegeüberstellug zwecmäßig: H 0 : µ µ 0, H 1 : µ µ 1 > µ 0 ). Der Test ist da wie obe durchzuführe, wobei aber folgede Äderuge zu beachte sid: x µ 0 + d 0 Etscheidug gege H 0 icht ubedigt für H 1 ) x µ 1 d 1 Etscheidug gege H 1 icht ubedigt für H 0 ) µ 1 d 1 < x < µ 0 + d 0 eie Etscheidug Durch geüged große Stichprobeumfag a ma erreiche, dass µ 1 d 1 µ 0 + d 0 ud damit das 3. Itervall leer ist. Ma ommt da immer zu eier Etscheidug. b) Ist auch σ ubeat, so a ma ählich wie bei de Kofidezitervalle vgl. Satz 8.4.8) oder bei dem Sigifiaztest die eiseitige Tests mit folgede Veräderuge durchführe: 9.2.1) wird ersetzt durch 67

9.2.2) d 0 = ε 0 i=1 x i x) 2 1) mit F t ε 0 ) = 1 α, d 1 = ε 1 i=1 x i x) 2 1) mit F t ε 1 ) = 1 β, wobei F t y) die Verteilugsfutio der t Verteilug mit r = 1) Freiheitsgrade ist. c) Astelle des Tests auf H 0 : µ µ 0 gege H 1 : µ > µ 0 fidet ma i der Literatur oft Tests auf H 0 : µ = µ 0 gege H 1 : µ > µ 0 oder H 0 : µ < µ 0 gege H 1 : µ µ 0 oder H 0 : µ < µ 0 gege H 1 : µ = µ 0. Alle diese Tests sid recherisch gleichwertig. 9.2.2 Ei eiseitiger Test bei der Biomialverteilug X sei eie biomial verteilte ZV mit de Parameter wird och festgelegt) ud p ubeat). X ist damit selbst scho mit eier Stichprobe vom Umfag verbude, d. h. X i 9.2.2 etspricht abgesehe vo de verschiedee Verteiluge der ZV X i 9.2.1. Hypothese über p : H 0 : 0 p p 0, H 1 : p 1 p 1, 0 p 0 p 1 < 1. Fehler 1. Art: Etscheidug gege H 0 ud damit für p > p 0 ), obwohl H 0 richtig ist. Fehler 2. Art: Etscheidug gege H 1 ud damit für p < p 1 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrscheilicheit für eie Fehler 1. Art ud die Höchstgreze β für die Wahrscheilicheit für eie Fehler 2. Art fest. Schritt 2: Lege fest. Schritt 3: Werte eie Stichprobe vom Umfag aus, die eie Realisierug x vo X liefert. Fall 1: x/ < p 1. Setze q 1 := 1 p 1. x =0 ) p1 ) β q 1 q1 gilt, ist die Hypothese H 1 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 1 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ < p 1 spricht gege die Hypothese H 1. Um aber H 1 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 2. Art β ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder 68

Werte aimmt, die och mehr gege die Hypothese H 1 spreche, β ist: ) x x P X x H 1 ) P X x p = p 1 ) = p 1q1 = q1 =0 =0 ) p1 q 1 )? β. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x< p 1 ) für p > p 1 och leier ist als für p = p 1. Fall 2: x/ > p 0. Setze := 1 p 0. =x ) p0 ) α q0 x 1 =0 ) p0 ) 1 α ) gilt, ist die Hypothese H 0 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 0 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ > p 0 spricht gege die Hypothese H 0. Um aber H 0 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 1. Art α ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 0 spreche, α ist: ) ) p0 )? P X x H 0 ) P X x p = p 0 ) = p 0 q 0 = q0 α. =x Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x> p 0 ) für p < p 0 och leier ist als für p = p 0, ud die zweite Gleichug, weil X ur gazzahlige Werte aehme a. Fall 3: x/ = p 0 = p 1. Es a weder die Hypothese H 0 och die Hypothese H 1 auf Grud der vorliegede Date mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ = p 0 = p 1 spricht weder gege die Hypothese H 0 och gege die Hypothese H 1. Eie Aahme vo H 0 oder vo H 1 auf Grud der vorliegede Date ist mit ausreicheder Sicherheit aber auch icht gerechtfertigt; de eie eie Aahme vo z.b. H 0 bedeutet eie Ablehug vo p > p 0, ud dies ist recherisch gleichwertig mit eier Ablehug vo H 1. Aus der Ablehugsugleichug vo H 1 folgt: ) β x p1 ) ) p1 ) 0 = 1 β q1 l β l q 1. 0 q 1 =0 Damit muss für der Stichprobeumfag q 1 l β l q 1 gelte. Sost wird ei Ziehugsergebis zur Ablehug vo H 1 führe. Aus der Ablehugsugleichug vo H 0 folgt: ) p0 ) p0 α q 0 =x ) Damit muss für der Stichprobeumfag q 1 ) = p 0 q 0 =x q 0 α p 0 l α l p 0. l α l p 0 gelte. Sost wird ei Ziehugsergebis zur Ablehug vo H 0 führe. 69

9.2.3 Ei eiseitiger Test bei der hypergeometrische Verteilug X sei eie hypergeometrisch verteilte ZV mit de Parameter wird och festgelegt), M ubeat) ud. Bei der Qualitätsotrolle wäre die Zahl der Stüce i der Lieferug, M die Zahl der Stüce i der Lieferug ud der Umfag eier Stichprobe o.z. X ist also selbst scho mit eier Stichprobe vom Umfag verbude, d. h. X i 9.2.3 etspricht abgesehe vo de verschiedee Verteiluge der ZV X i 9.2.1. Hypothese über M : H 0 : 0 M M 0, H 1 : M 1 M, 0 M 0 M 1. Fehler 1. Art: Etscheidug gege H 0 ud damit für M > M 0 ), obwohl H 0 richtig ist. Fehler 2. Art: Etscheidug gege H 1 ud damit für M < M 1 ), obwohl H 1 richtig ist. Durchführug des Tests: Schritt 1: Lege die Höchstgreze α für die Wahrscheilicheit für eie Fehler 1. Art ud die Höchstgreze β für die Wahrscheilicheit für eie Fehler 2. Art fest. Schritt 2: Lege fest. Schritt 3: Werte eie Stichprobe vom Umfag aus, die eie Realisierug x vo X liefert. Fall 1: x/ < M 1 /. ) ) x M1 M1 =0 ) β gilt, ist die Hypothese H 1 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 1 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ < M 1 / spricht gege die Hypothese H 1. Um aber H 1 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 2. Art β ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 1 spreche, β ist: P X x H 1 ) P X x M = M 1 ) = x =0 M1 ) M1 ) ) = 1 ) ) ) x M1 M1? β. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x< M 1 /) für M > M 1 och leier ist als für M = M 1. Fall 2: x/ > M 0 /. ) ) M1 M1 =x ) α x 1 =0 M1 =0 ) ) M1 ) ) 1 α) gilt, ist die Hypothese H 0 mit ausreicheder Sicherheit abzulehe. Aderefalls a die Hypothese H 0 auf Grud der vorliegede Date icht mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ > M 0 / spricht gege die Hypothese H 0. Um aber H 0 mit ausreicheder Sicherheit ablehe zu öe, müsse wir prüfe, ob die die Wahrscheilicheit für eie Fehler 70

1. Art α ist, d.h. ob die Wahrscheilicheit dafür, dass die ZV X de vorliegede Wert x oder Werte aimmt, die och mehr gege die Hypothese H 0 spreche, α ist: P X x H 0 ) P X x M = M 0 ) = =x M1 ) M1 ) )? α. Die erste Ugleichug gilt, weil die Wahrscheilicheit für X x> M 0 /) für M < M 0 och leier ist als für M = M 0, ud die zweite Gleichug, weil X ur gazzahlige Werte aehme a. Fall 3: x/ = M 0 / = M 1 /. Es a weder die Hypothese H 0 och die Hypothese H 1 auf Grud der vorliegede Date mit ausreicheder Sicherheit abgeleht werde. Begrüdug: x/ = M 0 / = M 1 / spricht weder gege die Hypothese H 0 och gege die Hypothese H 1. Eie Aahme vo H 0 oder vo H 1 auf Grud der vorliegede Date ist mit ausreicheder Sicherheit aber auch icht gerechtfertigt; de eie eie Aahme vo z.b. H 0 bedeutet eie Ablehug vo M > M 0, ud dies ist recherisch gleichwertig mit eier Ablehug vo H 1. 71