Een belangrijk onderdeel van inferentiële statistieken is het testen van hypothesen. Net als bij het leren van alles wat met wiskunde te maken heeft, is het handig om verschillende voorbeelden te doorlopen. Het volgende onderzoekt een voorbeeld van een hypothesetoets en berekent de waarschijnlijkheid van type I en type II fouten.
We gaan ervan uit dat de simpele voorwaarden gelden. Meer specifiek gaan we ervan uit dat we een eenvoudige willekeurige steekproef van een populatie die dat ook is normaal verdeeld of heeft een voldoende grote steekproefomvang die we kunnen toepassen centrale limietstelling. We gaan er ook vanuit dat we de standaarddeviatie van de populatie kennen.
Verklaring van het probleem
Een zak chips is per gewicht verpakt. Er worden in totaal negen tassen gekocht, gewogen en het gemiddelde gewicht van deze negen tassen is 10,5 gram. Stel dat de standaarddeviatie van de populatie van al deze zakken chips 0,6 gram is. Het vermelde gewicht op alle pakketten is 11 gram. Stel een significantieniveau in op 0,01.
Vraag 1
Ondersteunt de steekproef de hypothese dat het werkelijke populatiegemiddelde minder is dan 11 gram?
We hebben een lagere staart test. Dit wordt gezien door de verklaring van onze nul en alternatieve hypothesen:
- H0: μ=11.
- Heen: μ < 11.
De teststatistiek wordt berekend met de formule
z = (X-bar - μ0)/(σ/√n) = (10.5 - 11)/(0.6/√ 9) = -0.5/0.2 = -2.5.
We moeten nu bepalen hoe waarschijnlijk deze waarde is z is alleen aan het toeval te wijten. Door gebruik te maken van een tabel van z-scores zien we dat de kans dat z is kleiner dan of gelijk aan -2,5 is 0,0062. Aangezien deze p-waarde kleiner is dan de mate van belangrijkheid, we verwerpen de nulhypothese en accepteren de alternatieve hypothese. Het gemiddelde gewicht van alle zakjes chips is minder dan 11 gram.
vraag 2
Wat is de kans op een type I-fout?
Een type I-fout treedt op wanneer we een nulhypothese verwerpen die waar is. De kans op een dergelijke fout is gelijk aan het significantieniveau. In dit geval hebben we een significantieniveau gelijk aan 0,01, dus dit is de waarschijnlijkheid van een type I-fout.
vraag 3
Als het populatiegemiddelde eigenlijk 10,75 ounces is, wat is dan de kans op een Type II-fout?
We beginnen met het herformuleren van onze beslissingsregel in termen van het steekproefgemiddelde. Voor een significantieniveau van 0,01 verwerpen we de nulhypothese wanneer z < -2.33. Door deze waarde in te pluggen in de formule voor de teststatistieken, verwerpen we de nulhypothese wanneer
(X-bar - 11) / (0,6 / √ 9)
Evenzo verwerpen we de nulhypothese wanneer 11 - 2.33 (0.2)> X-bar, of wanneer X-bar is minder dan 10.534. We verwerpen de nulhypothese niet X-bar groter dan of gelijk aan 10.534. Als het werkelijke populatiegemiddelde 10,75 is, dan is de kans dat X-bar is groter dan of gelijk aan 10.534 is gelijk aan de waarschijnlijkheid dat z is groter dan of gelijk aan -0,22. Deze kans, dat is de kans op een type II-fout, is gelijk aan 0,587.