Ipoteze în testarea statistică
Testarea ipotezelor în R
Richie Cotton
Data Evangelist at DataCamp
Aleatorism
Ipoteză
Eșantioanele sunt subseturi aleatorii ale unor populații mai mari.
Consecință
- Eșantionul nu este reprezentativ pentru populație.
Cum se verifică
- Înțelegeți modul în care au fost colectate datele.
- Consultați colectorul de date/expertul în domeniu.
Independența observațiilor
Ipoteză
Fiecare observație (rând) din setul de date este independentă.
Consecință
- Probabilitate crescută de eroare fals negativă/pozitivă.
Cum se verifică
- Înțelegeți modul în care au fost colectate datele.
Eșantion mare
Ipoteză
Eșantionul este suficient de mare pentru a reduce incertitudinea și pentru ca Teorema Limită Centrală să se aplice.
Consecință
- Intervale de încredere foarte largi.
- Probabilitate crescută de eroare fals negativă/pozitivă.
Cum se verifică
- Depinde de test.
Eșantion mare: testul t
Un eșantion
- Cel puțin 30$^{1}$ observații în eșantion.
$n \ge 30$
$n$: dimensiunea eșantionului
Două eșantioane
- Cel puțin 30 de observații în fiecare eșantion.
$n_{1} \ge 30, n_{2} \ge 30$
$n_{i}$: dimensiunea eșantionului pentru grupul $i$
Eșantioane perechi
- Cel puțin 30 de perechi de observații în eșantioane.
Numărul de rânduri din date $\ge 30$
ANOVA
- Cel puțin 30 de observații în fiecare eșantion.
$n_{i} \ge 30$ pentru toate valorile lui $i$
Eșantion mare: teste de proporție
Un eșantion
- Numărul de succese din eșantion este mai mare sau egal cu 10.
$n \times \hat{p} \ge 10$
- Numărul de eșecuri din eșantion este mai mare sau egal cu 10.
$n \times (1 - \hat{p}) \ge 10$
$n$: dimensiunea eșantionului
$\hat{p}$: proporția succeselor în eșantion
Două eșantioane
- Numărul de succese din fiecare eșantion este mai mare sau egal cu 10.
$n_{1} \times \hat{p}_{1} \ge 10$
$n_{2} \times \hat{p}_{2} \ge 10$
- Numărul de eșecuri din fiecare eșantion este mai mare sau egal cu 10.
$n_{1} \times (1 - \hat{p}_{1}) \ge 10$
$n_{2} \times (1 - \hat{p}_{2}) \ge 10$
Eșantion mare: teste chi-pătrat
- Numărul de succese din fiecare grup este mai mare sau egal cu 5.
$n_{i} \times \hat{p}_{i} \ge 5$ pentru toate valorile lui $i$
- Numărul de eșecuri din fiecare grup este mai mare sau egal cu 5.
$n_{i} \times (1 - \hat{p}_{i}) \ge 5$ pentru toate valorile lui $i$
$n_{i}$: dimensiunea eșantionului pentru grupul $i$
$\hat{p}_{i}$: proporția succeselor în grupul de eșantion $i$
Verificare de validitate
Dacă distribuția bootstrap nu pare normală, ipotezele probabil nu sunt valide.
Să exersăm!
Testarea ipotezelor în R
