Appunti Su Verifica Di Ipotesi Corso Di Statistica Aa 20152016

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

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

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

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

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

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

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

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

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

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

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

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

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

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

lOMoARcPSD|2635519
Fattori che Influenzano

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

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

lOMoARcPSD|2635519
Verifica di Ipotesi sulla Media
Verifica di Ipotesi
su µ
σ nota σ non nota
Cap. 10-17

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

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

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

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

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

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

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

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

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

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

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

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

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

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

lOMoARcPSD|2635519

(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

lOMoARcPSD|2635519

(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

lOMoARcPSD|2635519

(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

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

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

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
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

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)
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

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

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

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

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

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

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

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

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

lOMoARcPSD|2635519
Uso di PHStat
Opzioni
Cap. 10-47

lOMoARcPSD|2635519
Output di PHStat
Input
Output
Cap. 10-48

lOMoARcPSD|2635519
Potenza del Test

Ricordare i possibili risultati della verifica di ipotesi:
Stato di Natura
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

lOMoARcPSD|2635519

Assumiamo che la popolazione abbia distribuzione normale e
la varianza della popolazione sia nota. Consideriamo il test
H0 : = 0
H1 : > 0
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

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

lOMoARcPSD|2635519

(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
H0 : ≥ 52
H0: ≥ 52
xc
Cap. 10-52

lOMoARcPSD|2635519

(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
H0 : ≥ 52
H0: ≥ 52
xc
Cap. 10-53

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
H0 : ≥ 52
H0: ≥ 52
xc
Cap. 10-54

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
H0 : ≥ 52
H0: ≥ 52
xc
Cap. 10-55

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
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

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

Lingua

Appunti Su Verifica Di Ipotesi Corso Di Statistica Aa 20152016

Caricato da

Informazioni sul documento

Descrizione:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Descrizione:

Copyright:

Formati disponibili

Appunti Su Verifica Di Ipotesi Corso Di Statistica Aa 20152016

Caricato da

Descrizione:

Copyright:

Formati disponibili

lOMoARcPSD|2635519

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

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

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

Obiettivi del Capitolo

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

media della popolazione

Esempio: In questa città, la proporzione di

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

Rappresenta l’ipotesi (numerica) che deve

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

Iniziamo con l’assunzione che l’ipotesi

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

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

Processo della Verifica di Ipotesi

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

Motivazione per Rifiutare H0

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

Definisce i valori della statistica campionaria

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

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

Errori nel Processo Decisionale

Errore di Primo Tipo

La probabilità dell’errore di primo tipo è α

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

Errori nel Processo di Decisione

Errore di Secondo Tipo

La probabilità dell’errore di secondo tipo è β

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

Possibili Risultati Verifica di Ipotesi

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

Errore di primo tipo ed errore di secondo tipo non si

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

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

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

Fattori che Influenzano

Mantenendo tutto il resto inalterato,

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

Potenza del Test

La potenza di un test è la probabilità di rifiutare

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

La potenza del test aumenta quando la dimensione

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

Verifica di Ipotesi sulla Media

σ nota σ non nota

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

Verifica di Ipotesi sulla Media

σ nota σ non nota

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

Non rifiutare H0 Rifiutare H0

Valore Critico Cap. 10-19

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

Approccio del p-value alla

p-value: Probabilità di ottenere un

Il più piccolo valore di α per il quale H0

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

Approccio del p-value alla

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

Esempio: Test Z unilaterale (a

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