Sei sulla pagina 1di 58

lOMoARcPSD|2635519

Appunti su verifica di ipotesi - Corso di Statistica a.a.


2015/2016
Statistica / Statistics (Università Commerciale Luigi Bocconi)

StuDocu non è sponsorizzato o supportato da nessuna università o ateneo.


Scaricato da lulu bottasi (carola.capodieci@gmail.com)
lOMoARcPSD|2635519

Statistica

Capitolo 10

Verifica di Ipotesi

Cap. 10-1

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Obiettivi del Capitolo


Dopo aver completato il capitolo, sarete in
grado di:
Formulare ipotesi nulla ed ipotesi alternativa per
applicazioni relative a
media di una singola popolazione con distribuzione normale
proporzione di una singola popolazione (grandi campioni)
Formulare una regola di decisione per la verifica di
ipotesi
Usare l’approccio basato su valore critico e quello
basato sul p-value per la verifica di ipotesi (sia per
problemi di media che di proporzione)
Comprendere gli errori di primo e secondo tipo
Valutare la potenza di un test
Cap. 10-2

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Cos’è un’ipotesi?
Un’ipotesi è una affermazione
(assunzione) circa il parametro
della popolazione:

media della popolazione


Esempio: In questa città, il costo medio della
bolletta mensile per il cellulare è = $42
proporzione della popolazione

Esempio: In questa città, la proporzione di


adulti con il cellulare è p = .68
Cap. 10-3

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

L’ipotesi Nulla, H0

Rappresenta l’ipotesi (numerica) che deve


essere verificata
Esempio: Il numero medio di TV nelle case
americane è uguale a tre ( H0 : = 3 )
Si riferisce sempre al parametro della
popolazione, non alla statistica campionaria

H0 : = 3 H0 : X = 3

Cap. 10-4

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

L’ipotesi Nulla, H0
(continuazione)

Iniziamo con l’assunzione che l’ipotesi


nulla sia vera
Simile alla nozione di innocenza a meno
che venga dimostrata la colpevolezza
Si riferisce allo status quo
Contiene sempre “=” , “≤” o “≥≥”
Può o può non essere rifiutata

Cap. 10-5

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

L’Ipotesi Alternativa, H1
È l’opposto dell’ipotesi nulla
e.g., Il numero medio di TV nelle case
americane non è uguale a 3 ( H1: ≠ 3 )
Sfida lo status quo
Non contiene mai “=” , “≤” o “≥≥”
Può o può non essere sostenuta
È generalmente l’ipotesi che il ricercatore
stà cercando di dimostrare

Cap. 10-6

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Processo della Verifica di Ipotesi

Affermazione: l’età
media della
popolazione è 50.
(Ipotesi nulla:
Popolazione
H0: = 50 ) Adesso selezioniamo
un campione casuale

È x = 20 probabile se = 50?
Se non è probabile, Supponiamo
l’età media
RIFIUTA del campione Campione
Ipotesi Nulla sia 20: x = 20

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Motivazione per Rifiutare H0


Distribuzione Campionaria di X

X
20 = 50
Se H0 è vera
Se non è probabile ... allora
che si possa rifiutiamo
ottenere questo ... se infatti questa è la l’ipotesi nulla
valore per la media media della popolazione… che = 50.
campionaria...
Cap. 10-8

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Livello di Significatività, α

Definisce i valori della statistica campionaria


che sono improbabili se l’ipotesi nulla è vera
Definisce la regione di rifiuto della
distribuzione campionaria
È indicato con α , (livello di significatività)
Valori comuni sono .01, .05, or .10
Fissato a priori dal ricercatore
Fornisce il(i) valore(i) critico(i) del test
Cap. 10-9

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Livello di Significatività e
la Regione di Rifiuto
Livello di significatività = α Representa
i valori critici
H0: =3 α/2 α/2
Regione di
H1: ≠3
Test a due code 0 rifiuto è
ombreggiata
H0: ≤3 α
H1: >3
Test coda destra 0

H0: ≥3
α
H1: <3
Test coda sinistra 0
Cap. 10-10

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Errori nel Processo Decisionale

Errore di Primo Tipo


Rifiutare un’ipotesi nulla vera
Considerato un tipo di errore molto serio

La probabilità dell’errore di primo tipo è α


Chiamato livello si significatività del test
Fissato a priori dal ricercatore

Cap. 10-11

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Errori nel Processo di Decisione


(continuazione)

Errore di Secondo Tipo


Non rifiutare un’ipotesi nulla falsa

La probabilità dell’errore di secondo tipo è β

Cap. 10-12

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Risultati e Probabilità

Possibili Risultati Verifica di Ipotesi

Stato di Natura
Decisione H0 Vera H0 Falsa
Non Errore
No errore
Rifiutare Secondo Tipo
Legenda: (1 - α ) (β)
Risultato H0
(Probabilità) Rifiutare Errore
No Errore
H0 Primo Tipo
(1-β)
(α)

Cap. 10-13

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Relazione fra
Errori di primo e secondo tipo

Errore di primo tipo ed errore di secondo tipo non si


posso verificare contemporanemente
Errore di primo tipo può occorrere solo se H0 è vera
Errore di secondo tipo può occorrere solo se H0 è falsa

Se la probabilità dell’errore di primo tipo ( α ) ,

allora la probabilità dell’errore di secondo tipo ( β )

Cap. 10-14

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Fattori che Influenzano


Errore di Secondo Tipo

Mantenendo tutto il resto inalterato,


β quando la differenza fra il valore
ipotizzato per il parametro e il vero valore

β quando α
β quando σ
β quando n

Cap. 10-15

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Potenza del Test

La potenza di un test è la probabilità di rifiutare


un’ipotesi nulla che è falsa

i.e., Potenza = P(Rifiutare H0 | H1 è vera)

La potenza del test aumenta quando la dimensione


del campione aumenta

Cap. 10-16

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Verifica di Ipotesi sulla Media

Verifica di Ipotesi
su µ

σ nota σ non nota

Cap. 10-17

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Verifica di Ipotesi sulla Media


(σ nota)
Convertire il risultato campionario ( x ) in valori di z
Verifica di Ipotesi
su µ

σ nota σ non nota

Considera il test
H0 : = 0
La regola di decisione è:
H1 : > x−
0 Rifiutare H 0 se z = 0
> zα
σ
(Assumiamo che la popolazione n
abbia distribuzione normale)
Cap. 10-18

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Regola di Decisione
H0: =
x− 0
Rifiutare H 0 se z = 0
> zα H1: >
σ 0

Regola Alternativa:
Rifiutare H 0 se x > + zα σ/ n α
0

Non rifiutare H0 Rifiutare H0


Z 0 zα
x 0 0 + zα
σ
n

Valore Critico Cap. 10-19

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Approccio del p-value alla


Verifica di Ipotesi

p-value: Probabilità di ottenere un


valore della statistica test uguale o più
estremo ( ≤ o ≥ ) del valore fornito dal
campione, assumendo che H0 sia vera
Anche chiamato livello di significatività
osservato

Il più piccolo valore di α per il quale H0


può essere rifiutata
Cap. 10-20

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Approccio del p-value alla


Verifica di Ipotesi
(continuazione)
Convertire il risultato campionario (e.g., x ) nella statistica
test (e.g., statistica Z)
Ottenere il p-value
Per un test sulla x- 0
coda destra: p - value = P( Z > , assumendo H 0 vera)
σ/ n
x- 0
= P(Z > | = 0 )
σ/ n
Regola di Decisione: confrontare il p-value con α
Se p-value < α , rifiuta H0
Se p-value ≥ α , non rifiuta H0
Cap. 10-21

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio: Test Z unilaterale (a


destra) sulla Media (σ nota)
Un manager di una compagnia telefonica
ritiene che la bolletta mensile per il cellulare
dei loro clienti sia aumentata, e che in media
sia ora al di sopra di $52 al mese. La
compagnia desidera verificare questa ipotesi.
(Assumiamo σ = 10 sia nota)
Formare la verifica di ipotesi:
H0: ≤ 52 la media mensile non è maggiore di $52
H1: > 52 la media mensile è maggiore di $52
(i.e., sufficienti evidenze esistono per sostenere
l’ipotesi del manager)

Cap. 10-22

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio:
Trovare la Regione di Rifiuto
(continuazione)
Assumiamo che α = .10 sia stato scelto per il test

Trova la regione di rifiuto: Rifiutare H0

α = .10

Non Rifiutare H0 Rifiutare H0


0 1.28

x− 0
Rifiutare H 0 se z = > 1.28
σ/ n
Cap. 10-23

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio: Risultati Campionari


(continuazione)

Ottenere il campione e calcolare la statistica test

Supponiamo un campione venga estratto con i


seguenti risultati: n = 64, x = 53.1 (σ=10 si assume nota)
Usando i risultati campionari,

x− 53.1 − 52
z = 0
= = 0.88
σ 10
n 64
Cap. 10-24

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio: Decisione
(continuazione)
Prendere una decisione ed interpretare i risultati:
Rifiutare H0

α = .10

Non Rifiutare H0 Rifiutare H0


1.28
0
z = 0.88

Non rifiutare H0 siccome z = 0.88 < 1.28


i.e.: non ci sono sufficienti evidenze che la
bolletta media sia superiore a $52
Cap. 10-25

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio: Soluzione tramite p-Value


(continuazione)
Calcolare il p-value e confrontarlo con α
(assumiamo che = 52.0)
p-value = .1894

Rifiutare H0
α = .10 P( x ≥ 53.1| = 52.0)
 53.1− 52.0 
0 = P z ≥ 
Non rifiutare H0 Rifiutare H0  10/ 64 
1.28
= P( z ≥ 0.88) = 1 − .8106
Z = .88
= .1894

Non rifiutare H0 siccome p-value = .1894 > α = .10


Cap. 10-26

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Test Unilaterali

In molti casi, l’ipotesi alternativa si concentra


su una particolare direzione
Questo è un test sulla coda di destra
H0: ≤3 siccome l’ipotesi alternativa è
focalizzata sulla coda di destra, al di
H1: >3
sopra della media 3

Questo è un test sulla coda di


H0: ≥3
sinistra siccome l’ipotesi alternativa
H1: <3 è focalizzata sulla coda di sinistra, al
di sotto della media 3

Cap. 10-27

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Test sulla coda di destra

C’è solo un valore H0: ≤3


critico, siccome H1: >3
l’area di rifiuto è solo
in una delle code α

Non rifiutare H0 Rifiutare H0


Z 0 zα
x

Valore critico

Cap. 10-28

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Test sulla coda di sinistra


H0: ≥3
C’è solo un valore H1: <3
critico, siccome
l’area di rifiuto è solo
in una delle code α

Rifiutare H0 Non rifiutare H0


-zα 0 Z
x
Valore critico

Cap. 10-29

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Test Bilaterali
In alcune situazioni, l’ipotesi
H0: =3
alternativa non specifica
un’unica direzione H1: ≠3

α/2 α/2
Ci sono due
valori critici, che
3 x
definiscono le
Rifiutare H0 Non rifiutare H0 Rifiutare H0
due regioni di
-zα/2 0 +zα/2 z
rifiuto
Valore critico Valore critico
inferiore superiore
Cap. 10-30

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio Verifica di Ipotesi


Verificare l’ipotesi che il vero # medio di
TV nelle case americane sia uguale a 3.
(Assumiamo σ = 0.8)
Fornire le appropriate ipotesi nulla ed alternativa
H0: = 3 , H1: ≠ 3 (Questo è un test bilaterale)
Specificare il livello di significatività desiderato
Supponiamo che α = .05 venga scelto per questo test
Scegliere la dimensione del campione
Supponiamo un campione di dimensione
n = 100 venga selezionato

Cap. 10-31

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio Verifica di Ipotesi


(continuazione)

Determinare la tecnica appropriata


σ è nota quindi questo è un test Z
Calcola i valori critici
Per α = .05 i valori critici z sono ±1.96
Raccogli i dati e calcola la statistica test
Supponiamo i risultati campionari siano
n = 100, x = 2.84 (σ = 0.8 si assume nota)
Quindi la statistica test è:
x − 2.84 − 3 − .16
z = 0
= = = − 2.0
σ 0.8 .08
n 100
Cap. 10-32

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio Verifica di Ipotesi


(continuazione)

La statistica test cade nella regione di rifiuto?

Rifiutare H0 α = .05/2 α = .05/2


se z < -1.96
o z > 1.96;
altrimenti Rifiutare H0 Non rifiutare H0 Rifiutare H0

non rifiutare -z = -1.96 0 +z = +1.96


H0

Qui, z = -2.0 < -1.96, quindi la


statistica test cade nella regione
di rifiuto
Cap. 10-33

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio Verifica di Ipotesi


(continuazione)
Prendere una decisione ed interpretare il risultato

α = .05/2 α = .05/2

Rifiutare H0 Non rifiutare H0 Rifiutare H0

-z = -1.96 0 +z = +1.96
-2.0

Siccome z = -2.0 < -1.96, rifiutiamo l’ipotesi nulla e


concludiamo che ci sono sufficienti evidenze che il
numero medio di TV nelle case americane non è
uguale 3
Cap. 10-34

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio: p-Value
Esempio: Qual’è la probabilità di osservare una media
campionaria di 2.84 (o un valore più lontano dalla media, in
entrambe le direzioni) se la vera media è µ = 3.0?

x = 2.84 viene tradotto in


un valore z = -2.0
α/2 = .025 α/2 = .025
P( z < −2.0) = .0228
P( z > 2.0) = .0228 .0228 .0228

p-value
= .0228 + .0228 = .0456 -1.96 0 1.96 Z
-2.0 2.0
Cap. 10-35

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio: p-Value
(continuazione)
Confrontare il p-value con α
Se p-value < α , rifiutare H0
Se p-value ≥ α , non rifiutare H0

Qui: p-value = .0456 α/2 = .025 α/2 = .025


α = .05
.0228 .0228
Siccome .0456 < .05,
rifiutiamo l’ipotesi
nulla
-1.96 0 1.96 Z
-2.0 2.0
Cap. 10-36

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Test T di Ipotesi sulla Media


(σ non nota)
Convertire il risultato campionario ( x ) in una
statistica test T Verifica di
Ipotesi su µ

σ nota σ non nota

Consideriamo il test
La regola di decisione è:
H0 : = 0
x−
H1 : > 0
Rifiutare H 0 se t = 0
> t n -1 , α
s
(Assumiamo la popolazione n
abbia distribuzione normale)
Cap. 10-37

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Test T di Ipotesi sulla Media


(σ non nota)
(continuazione)
Per un test bilaterale:
Consideriamo il test
H0 : = 0
(Assumiamo che la popolazione
abbia distribuzione normale, e la
H1 : ≠ 0 varianza della popolazione non
sia nota)

La regola di decisione è:

x− x−
Rifiutare H 0 se t = 0
< − t n -1 , α/2 o se t= 0
> t n -1 , α/2
s s
n n

Cap. 10-38

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio: Test Bilaterale


(σ non nota)
Il costo medio di una
camera di hotel in New
York si dice che sia
$168 per notte. Un
campione casuale di 25
hotel ha prodotto x=
$172.50 e s = $15.40. H0: = 168
Verifica l’ipotesi ad un H1: ≠ 168
livello α = 0.05.
(Assumiamo che la populazione abbia distribuzione
normale)

Cap. 10-39

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Soluzione Esempio:
Test Bilaterale

H0: = 168 α/2=.025 α/2=.025


H1: ≠ 168

α = 0.05 Rifiutare H0 Non rifiutare H0 Rifiutare H0


t n-1,α/2
-t n-1,α/2 0
n = 25 -2.0639 1.46
2.0639

σ è non nota, x − 172.50 − 168


t n −1 = = = 1.46
quindi usiamo una s 15.40
statistica T n 25

Valore Critico:
Non rifiutare H0: non ci sono sufficienti
t24 , .025 = ± 2.0639 evidenze che il costo medio differisca da $168

Cap. 10-40

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Test sulla Proporzione della


Popolazione

Riguarda variabili categoriche


Due possibili risultati
“Successo” (una certa caratteristica è presente)
“Insuccesso” (la caratteristica non è presente)

Frazione o proporzione della popolazione nella


categoria dei “successi” è indicata con p
Assumiamo che il campione sia grande

Cap. 10-41

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Proporzioni
(continuazione)
La proporzione campionaria di successi viene
indicata con P̂

ˆ X numero di successi nel campione


P= =
n dimensione del campione

Quando np(1 – p) > 9, la distribuzione di P̂


può essere approssimata con una distribuzione
normale con media e deviazione standard
pˆ =p p( 1 − p)
σ pˆ =
n
Cap. 10-42

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Verifica di Ipotesi su Proporzioni

La distribuzione
campionaria di P̂ è Verifica di
approsimativamente Ipotesi su P
normale, quindi usiamo
una statistica test Z:
np(1 – p) > 9 np(1 – p) < 9

Pˆ − p0 Non discusso
Z= in questo
p0( 1 − p0 ) capitolo

n
Cap. 10-43

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio: Test Z su Proporzioni

Una società di marketing


afferma che il suo tasso
di risposta alla mailing è
8%. Per verificare questa
ipotesi, si considera un
campione aleatorio di 500 Verifica:
clienti e si ottengono 25 La nostra approssimazione
per p è
risposte. Verifica l’ipotesi
p̂ = 25/500 = .05
ad un livello α = .05.
np(1 - p) = (500)(.05)(.95)
= 23.75 > 9
Cap. 10-44

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Test Z sulla Proporzione: Soluzione


Statistica Test:
H0: p = .08
pˆ − p0 .05 − .08
H1: p ≠ .08 z= = = −2.47
p0( 1 − p0 ) .08(1 − .08)
α = .05
n 500
n = 500, p̂ = .05
Valori Critici: ± 1.96 Decisione:
Rifiutare Rifiutare Rifiutare H0 ad α = .05
Conclusione:
.025 .025
Ci sono sufficienti evidenze
-1.96 0 1.96 z per rifiutare l’ipotesi che il
-2.47 tasso di risposta sia 8%.
Cap. 10-45

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Soluzione p-Value
(continuazione)
Calcolare il p-value e confrontare con α
(Per un test bilaterale il p-value è sempre a due code)

Non rifiutare H0
Rifiutare H0 Rifiutare H0 p-value = .0136:
α/2 = .025 α/2 = .025

P( Z ≤ −2.47) + P( Z ≥ 2.47)
.0068 .0068
= 2(.0068) = 0.0136

-1.96 0 1.96

Z = -2.47 Z = 2.47

Rifiutare H0 siccome p-value = .0136 < α = .05

Cap. 10-46

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Uso di PHStat

Opzioni

Cap. 10-47

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Output di PHStat

Input

Output

Cap. 10-48

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Potenza del Test


Ricordare i possibili risultati della verifica di ipotesi:
Stato di Natura
Decisione H0 Vera H0 Falsa
Legenda: Errore di
Risultato Non Rifiutare No errore
Secondo Tipo
(Probabilità) H0 (1 - α )
(β)
Rifiutare H0 Errore di
Primo Tipo No Errore
(α ) (1-β)

β rappresenta la probabilità dell’errore di secondo tipo


1 – β è definito come la potenza del test
Potenza = 1 – β = probabilità che un’ipotesi
nulla falsa venga rifiutata
Cap. 10-49

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Errore di Secondo Tipo


Assumiamo che la popolazione abbia distribuzione normale e
la varianza della popolazione sia nota. Consideriamo il test
H0 : = 0

H1 : > 0

La regola di decisione è:
x− 0
Rifiutare H 0 se z = > z α o Rifiutare H 0 se x = xc > 0 + zα σ/ n
σ / n
Se l’ipotesi nulla è falsa e la vera media è *, allora la
probabilità dell’errore di secondo tipo è
 xc − * 

β = P( X < xc | = *) = P Z < 
 σ / n 
Cap. 10-50

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio Errore di Secondo Tipo


Errore di secondo tipo corrisponde alla
probabilità di non rifiutare una H0 falsa
Supponiamo che H0: ≥ 52 non venga
rifiutata quando infatti la vera media è * = 50

50 52
Rifiutare Non rifiutare
H0: ≥ 52 xc H0 : ≥ 52

Cap. 10-51

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio Errore di Secondo Tipo


(continuazione)

Supponiamo che H0: ≥ 52 non venga rifiutata


quando infatti la vera media è * = 50
Questo è l’intervallo di X
Questa è la vera dove H0 non viene rifiutata
distribuzione di X se = 50

50 52
Rifiutare Non rifiutare
H0 : ≥ 52
H0: ≥ 52
xc
Cap. 10-52

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio Errore di Secondo Tipo


(continuazione)

Supponiamo che H0: ≥ 52 non venga rifiutata


quando infatti la vera media è * = 50

Qui, β = P( X ≥ x c) se * = 50

α β

50 52
Rifiutare Non rifiutare
H0 : ≥ 52
H0: ≥ 52
xc
Cap. 10-53

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Calcolo di β
Supponiamo n = 64 , σ = 6 , e α = .05
σ 6
xc = 0 − zα = 52 − 1.645 = 50.766
n 64
(per H0 : ≥ 52)

Quindi β = P( X ≥ 50.766 ) se *=50

50 50.766 52
Rifiutare Non rifiutare
H0 : ≥ 52
H0: ≥ 52
xc
Cap. 10-54

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Calcolo di β
(continuazione)

Supponiamo n = 64 , σ = 6 , e α = .05
 
 50.766 − 50 
P( X ≥ 50.766 | * = 50) = P Z ≥  = P( Z ≥ 1.02) = .5 − .3461 = .1539
 6 
 64 

Probabilità errore
di secondo tipo:

α β = .1539

50 52
Rifiutare Non rifiutare
H0 : ≥ 52
H0: ≥ 52
xc
Cap. 10-55

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Esempio Potenza del Test


Se la vera media è * = 50,
Probabilità dell’errore di secondo tipo è = β = 0.1539
Potenza del test = 1 – β = 1 – 0.1539 = 0.8461
Stato di Natura
Decisione H0 Vera H0 Falsa
Legenda: Errore di
Risultato Non Rifiutare No errore Secondo Tipo
(Probabilità) H0 1 - α = 0.95 β = 0.1539
Rifiutare H0 Errore di
No Errore
Primo Tipo
1 - β = 0.8461
α = 0.05
(Il valore di β e la potenza saranno diversi per diversi valori di *)
Cap. 10-56

Scaricato da lulu bottasi (carola.capodieci@gmail.com)


lOMoARcPSD|2635519

Riepilogo del Capitolo

Discussa la metodologia della verifica di ipotesi


Effettuato un test Z sulla media (σ nota)
Discussi gli approcci del valore critico e del p-value alla
verifica di ipotesi
Eseguiti test unilaterali e bilaterali
Eseguito il test T sulla media (σ non nota)
Eseguito il test Z sulla proporzione
Discussi errore di secondo tipo e potenza del test

Cap. 10-57

Scaricato da lulu bottasi (carola.capodieci@gmail.com)

Potrebbero piacerti anche