Test hipotez na różnicę dwóch proporcji populacji

Statystyka testowa do porównania dwóch proporcji populacji. C.K.Taylor

W tym artykule przejdziemy przez kroki niezbędne do wykonania test hipotezy lub test istotności dla różnicy dwóch proporcji populacji. To pozwala nam porównać dwie nieznane proporcje i wnioskować, czy nie są sobie równe lub czy jedna jest większa od drugiej.

Przegląd i tło testu hipotez

Zanim przejdziemy do szczegółów naszego testu hipotez, przyjrzymy się ramom testów hipotez. W teście istotności próbujemy wykazać, że stwierdzenie dotyczące wartości populacji parametr (lub czasami charakter samej populacji) prawdopodobnie jest prawdziwa.

Zbieramy dowody na to stwierdzenie, przeprowadzając próba statystyczna . Obliczamy statystykę z tej próbki. Wartość tej statystyki jest tym, czego używamy do ustalenia prawdziwości oryginalnego stwierdzenia. Ten proces zawiera niepewność, jednak jesteśmy w stanie tę niepewność określić ilościowo

Ogólny proces testowania hipotez przedstawia poniższa lista:

1. Upewnij się, że warunki, które są niezbędne do naszego testu, są spełnione.
2. Wyraźnie określ hipotezy zerowe i alternatywne . Hipoteza alternatywna może obejmować test jednostronny lub dwustronny. Powinniśmy również określić poziom istotności, który będzie oznaczany grecką literą alfa.
3. Oblicz statystykę testu. Rodzaj statystyki, której używamy, zależy od konkretnego testu, który przeprowadzamy. Obliczenia opierają się na naszej próbie statystycznej.
4. Oblicz wartość p . Statystykę testu można przełożyć na wartość p. Wartość p to prawdopodobieństwo, że sam przypadek da wartość naszej statystyki testowej przy założeniu, że hipoteza zerowa jest prawdziwa. Ogólna zasada jest taka, że ​​im mniejsza wartość p, tym większe dowody przeciwko hipotezie zerowej.
5. Wyciągnąć wniosek. Na koniec używamy wartości alfa, która została już wybrana jako wartość progowa. Zasada decyzyjna jest taka, że ​​jeśli wartość p jest mniejsza lub równa alfa, to odrzucamy hipotezę zerową. W przeciwnym razie my nie odrzucić hipoteza zerowa.

Teraz, gdy zapoznaliśmy się z ramami testu hipotez, zobaczymy specyfikę testu hipotezy dla różnicy dwóch proporcji populacji.

Warunki

Test hipotezy na różnicę dwóch proporcji populacji wymaga spełnienia następujących warunków:

• Mamy dwa proste próbki losowe z dużych populacji. Tutaj „duża” oznacza, że ​​populacja jest co najmniej 20 razy większa niż wielkość próby. Rozmiary próbek będą oznaczone przez n ₁oraz n _dwa.
• Osobniki w naszych próbkach zostały wybrane niezależnie od siebie. Same populacje również muszą być niezależne.
• W obu naszych próbkach jest co najmniej 10 sukcesów i 10 porażek.

Dopóki warunki te zostaną spełnione, możemy kontynuować testowanie hipotez.

Hipotezy zerowe i alternatywne

Teraz musimy rozważyć hipotezy dla naszego testu istotności. Hipoteza zerowa jest naszym stwierdzeniem braku efektu. W tym konkretnym teście hipotez nasza hipoteza zerowa mówi, że nie ma różnicy między tymi dwoma proporcjami populacji. Możemy to zapisać jako H₀: p ₁= p _dwa.

Hipoteza alternatywna jest jedną z trzech możliwości, w zależności od specyfiki tego, co testujemy:

• H_a: p ₁jest większy niż p _dwa. Jest to test jednostronny lub jednostronny.
• H_a: p ₁jest mniej niż p _dwa. To też jest test jednostronny.
• H_a: p ₁nie jest równy p _dwa. To jest dwustronny lub test dwustronny.

Jak zawsze, aby zachować ostrożność, powinniśmy zastosować dwustronną hipotezę alternatywną, jeśli nie mamy na myśli kierunku przed uzyskaniem próbki. Powodem tego jest to, że trudniej jest odrzucić hipotezę zerową za pomocą testu dwustronnego.

Te trzy hipotezy można przepisać, stwierdzając, jak p ₁- p _dwajest powiązany z wartością zero. Mówiąc dokładniej, hipoteza zerowa zmieniłaby się w H₀: p ₁- p _dwa= 0. Potencjalne hipotezy alternatywne zostałyby zapisane jako:

• H_a: p ₁- p _dwa> 0 jest równoważne stwierdzeniu ' p ₁jest większy niż p _dwa.
• H_a: p ₁- p _dwa<0 is equivalent to the statement ' p ₁jest mniej niż p _dwa.
• H_a: p ₁- p _dwa≠ 0 jest równoważne stwierdzeniu ' p ₁nie jest równy p _dwa.

To równoważne sformułowanie w rzeczywistości pokazuje nam nieco więcej tego, co dzieje się za kulisami. To, co robimy w tym teście hipotezy, to obracanie dwóch parametrów p ₁oraz p _dwaw pojedynczy parametr p ₁- p _dwa.Następnie testujemy ten nowy parametr pod kątem wartości zero.

Statystyka testowa

Wzór na statystykę testową przedstawiono na powyższym obrazku. Wyjaśnienie każdego z terminów jest następujące:

• Próba z pierwszej populacji ma wielkość n _1.Liczba sukcesów z tej próbki (której nie widać bezpośrednio w powyższym wzorze) wynosi k _1.
• Próba z drugiej populacji ma wielkość n _dwa.Liczba sukcesów z tej próbki wynosi k _dwa.
• Proporcje próbki to p₁-Ma = k ₁ / n ₁i p_dwa -kapelusz = k _dwa / n _dwa .
• Następnie łączymy lub łączymy sukcesy z obu tych próbek i uzyskujemy: p-kapelusz = ( k₁+ k_dwa) / ( n₁+ n_dwa).

Jak zawsze, podczas obliczania należy uważać na kolejność operacji. Wszystko pod radykałem musi zostać obliczone przed wyciągnięciem pierwiastka kwadratowego.

Wartość P

Następnym krokiem jest obliczenie wartości p, która odpowiada naszej statystyce testowej. Do naszych statystyk używamy standardowego rozkładu normalnego i sprawdzamy tabelę wartości lub korzystamy z oprogramowania statystycznego.

Szczegóły naszych obliczeń wartości p zależą od alternatywnej hipotezy, której używamy:

• Dla H_a: p ₁- p _dwa> 0, obliczamy proporcję rozkładu normalnego, która jest większa niż Z .
• Dla H_a: p ₁- p _dwa<0, we calculate the proportion of the normal distribution that is less than Z .
• Dla H_a: p ₁- p _dwa≠ 0, obliczamy proporcję rozkładu normalnego, która jest większa niż | Z |, wartość bezwzględna Z . Następnie, aby uwzględnić fakt, że mamy test dwustronny, podwajamy proporcję.

Reguła decyzji

Teraz podejmujemy decyzję, czy odrzucić hipotezę zerową (a tym samym zaakceptować alternatywę), czy nie odrzucić hipotezy zerowej. Podejmujemy tę decyzję, porównując naszą wartość p z poziomem istotności alfa.

• Jeśli wartość p jest mniejsza lub równa alfa, odrzucamy hipotezę zerową. Oznacza to, że mamy wynik istotny statystycznie i zaakceptujemy hipotezę alternatywną.
• Jeśli wartość p jest większa niż alfa, nie możemy odrzucić hipotezy zerowej. To nie dowodzi, że hipoteza zerowa jest prawdziwa. Oznacza to natomiast, że nie uzyskaliśmy wystarczająco przekonujących dowodów, aby odrzucić hipotezę zerową.

Specjalna notatka

The przedział ufności dla różnicy dwóch proporcji populacji nie łączy sukcesów, podczas gdy test hipotezy. Powodem tego jest to, że nasza hipoteza zerowa zakłada, że p ₁- p _dwa= 0. Przedział ufności tego nie zakłada. Niektórzy statystycy nie sumują sukcesów dla tego testu hipotezy i zamiast tego używają nieco zmodyfikowanej wersji powyższej statystyki testowej.