Στατιστική ΙΙ- Ελεγχος Υποθέσεων Ι (εκδ. 1.3)

Σχετικά έγγραφα
Στατιστική ΙΙ-Διαστήματα Εμπιστοσύνης Ι (εκδ. 1.1)

Στατιστική ΙΙ- Ελεγχος Υποθέσεων ΙΙ (εκδ. 1.1)

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Ειδικά Θέματα Οικονομετρίας-Παλινδρόμηση (μέρος Α )

Στατιστική Ι-Πιθανότητες Ι

5. Έλεγχοι Υποθέσεων

Εισαγωγή στην Εκτιμητική

Στατιστική Ι-Θεωρητικές Κατανομές Ι

Στατιστική Επιχειρήσεων ΙΙ

Στατιστική Ι-Μέτρα Διασποράς

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Έλεγχοι Υποθέσεων. Χρήση της Στατιστικής. Η λογική του Ελέγχου Υπόθεσης Ο Έλεγχος Υπόθεσης 7-2

Το τυπικό σφάλμα του μέσου (standard error of mean) ενός δείγματος

Οικονομετρία. Απλή Παλινδρόμηση. Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

Σημειακή εκτίμηση και εκτίμηση με διάστημα. 11 η Διάλεξη

Δειγματοληπτικές κατανομές

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

Στατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )

ΣτατιστικήΙΙ- Ελεγχοι X 2 (εκδ. 1.2)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 24/2/2017

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

Εξαρτημένα δείγματα (εξαρτημένες μετρήσεις)

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Στατιστική Ι-Θεωρητικές Κατανομές ΙΙ

Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

Μέρος IV. Ελεγχοι Υποθέσεων (Hypothesis Testing)

Στατιστική Ι-Πιθανότητες ΙΙΙ

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ

ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ» ΚΑΛΥΒΑ ΠΑΝΑΓΙΩΤΑ ΛΑΖΑΡΟΥ ΜΑΡΙΕΛΕΝΑ

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Διαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Έλεγχος υποθέσεων Ι z-test & t-test

Στατιστική Ι-Μέτρα Θέσης

Στατιστική Συμπερασματολογία

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)

Διοίκηση Ποιότητας Έργων 2 η Διάλεξη. Μεταπτυχιακό πρόγραμμα στη Διαχείριση Έργων και Προγραμμάτων

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ

Έλεγχος Υποθέσεων (Hypothesis Testing)

Περιγραφική Ανάλυση ποσοτικών μεταβλητών

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2013 στη Στατιστική

α) t-test µε ίσες διακυµάνσεις β) ανάλυση διακύµανσης µε έναν παράγοντα Έλεγχος t δύο δειγμάτων με υποτιθέμενες ίσες διακυμάνσεις

Στατιστική ΙΙ Ενότητα 2: ειγµατοληψία

Κεφάλαιο 13. Εισαγωγή στην. Η Ανάλυση ιακύµανσης

Εργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]

Είδη Μεταβλητών. κλίµακα µέτρησης

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Εκτίμηση Διαστήματος. Χ. Εμμανουηλίδης, 1. Στατιστική ΙI. Εκτίμηση Διαστήματος Εμπιστοσύνης για τον Μέσο

ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική

ΘΕΜΑΤΑ Α : ΕΚΦΩΝΗΣΕΙΣ - ΛΥΣΕΙΣ

Στατιστική Ι (ΨΥΧ-1202) Διάλεξη 7. Στατιστικός έλεγχος υποθέσεων

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34

Περιεχόμενα. σελ. Πρόλογος 1 ης Έκδοσης... ix Πρόλογος 2 ης Έκδοσης... xi Εισαγωγή... xiii

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23

Απλή Παλινδρόμηση και Συσχέτιση

ΠΕΡΙΕΧΟΜΕΝΑ. Πρόλογος... 13

Παραδείγματα ανάλυσης αξιοπιστίας τοπογραφικού δικτύου

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ

Αναλυτική Στατιστική

Γ. Πειραματισμός - Βιομετρία

Παραδείγματα ανάλυσης αξιοπιστίας δικτύου

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. )

Περιπτώσεις που η στατιστική συνάρτηση ελέγχου είναι η Ζ: 1. Η σ είναι γνωστή και ο πληθυσμός κανονικός.

& 4/12/09 Α ΣΕΙΡΑ ΘΕΜΑΤΩΝ

Διαδικασία Ελέγχου Μηδενικών Υποθέσεων

ΣΑΣΙΣΙΚΗ. Ακαδ. Έτος Βασίλης ΚΟΤΣΡΑ. Διδάσκων: Διδάσκων επί Συμβάσει Π.Δ 407/80.

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

Στατιστική Συμπερασματολογία

Δειγματοληψία στην Ερευνα. Ετος

Διαστήματα Εμπιστοσύνης

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21

Ανάλυση αξιοπιστίας δικτύων (μέρος ΙΙ)

Εφαρμοσμένη Στατιστική

Ενότητα 2: Έλεγχοι Υποθέσεων Διαστήματα Εμπιστοσύνης

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

cv = κατάλληλη κριτική (κρίσιμη) τιμή από τους πίνακες της Ζ ή t κατανομής

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων

Περιεχόμενα. 1. Ειδικές συναρτήσεις. 2. Μιγαδικές Συναρτήσεις. 3. Η Έννοια του Τελεστή. Κεφάλαιο - Ενότητα

5.1 Ο ΕΛΕΓΧΟΣ SMIRNOV

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα

Kruskal-Wallis H

Εισόδημα Κατανάλωση

Transcript:

Στατιστική ΙΙ- Ι (εκδ. 1.3) Γεώργιος Κ. Τσιώτας Τμήμα Οικονομικών Επιστημών Σχολή Κοινωνικών Επιστημών Πανεπιστήμιο Κρήτης 31 Μαρτίου 2017

Περιγραφή 1

Τί είναι οι Ελεγχοι Υπόθεσης; Οι Ελεγχοι Υπόθεσης(Ε.Υ.) αναφέρονται σε στατιστικούς ελέγχους και αφορούν στατιστικά μέτρα ή παραμέτρους ενός τυχαίου γεγονότος στον πληθυσμό. Αυτοί πραγματοποιούνται με πιθανότητα 1 α. 1 Στατιστικόμέτρο:παρ. µ(μέσος), σ 2 (διακύμανση), p(αναλογία). 2 ΟΕ.Υ.πραγματοποιείταιμεπιθανότητα 1 α. 3 Το α εκφράζει το επίπεδο σημαντικότητας(ή το σφάλμα εκτίμησης).

Πως εκφράζω μια υπόθεση; 1 Επιλέγω ένα στατιστικό μέτρο για το οποίο θέλω να πραγματοποιήσω ένανέλεγχοστονπληθυσμό.παρ. µ(μέσος), σ 2 (διακύμανση), p (αναλογία) 2 Ορίζουμετηνμηδενικήυπόθεση H 0 (παρ.μέσος). Αυτήθαπρέπειναδηλώνειπαντατηνισότητα: =,,ή. 3 Ορίζουμετηνεναλλακτικήτης H 0 (δηλαδήτην H 1 ). Αυτήδενθαπρέπειναδηλώνειτηνισότητα:, >,ή<. Οι H 0 και H 1 υποθέσειςθαπρέπειναείναιαμοιβαίωςαποκλειόμενες(δηλ. H 0 H 1 = ). Η H 1 υπόθεσηθαπρέπεινααναφέρεταιστηνκρίσιμηπεριοχήτουελέγχου. Ηκρίσιμηπεριοχήμέσωτου H 1 ελέγχουεκφράζειτογεγονόςήτην υπόθεσηπουευχόμαστεήαπευχόμαστενασυμβεί,ενώηυπόθεση H 0 εκφράζει συνήθως το υφιστάμενο γεγονός προιόν παρελθούσης δειγματοληψίας. 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Πως εκφράζω μια υπόθεση; 1 Επιλέγω ένα στατιστικό μέτρο για το οποίο θέλω να πραγματοποιήσω ένανέλεγχοστονπληθυσμό.παρ. µ(μέσος), σ 2 (διακύμανση), p (αναλογία) 2 Ορίζουμετηνμηδενικήυπόθεση H 0 (παρ.μέσος). Αυτήθαπρέπειναδηλώνειπαντατηνισότητα: =,,ή. 3 Ορίζουμετηνεναλλακτικήτης H 0 (δηλαδήτην H 1 ). Αυτήδενθαπρέπειναδηλώνειτηνισότητα:, >,ή<. Οι H 0 και H 1 υποθέσειςθαπρέπειναείναιαμοιβαίωςαποκλειόμενες(δηλ. H 0 H 1 = ). Η H 1 υπόθεσηθαπρέπεινααναφέρεταιστηνκρίσιμηπεριοχήτουελέγχου. Ηκρίσιμηπεριοχήμέσωτου H 1 ελέγχουεκφράζειτογεγονόςήτην υπόθεσηπουευχόμαστεήαπευχόμαστενασυμβεί,ενώηυπόθεση H 0 εκφράζει συνήθως το υφιστάμενο γεγονός προιόν παρελθούσης δειγματοληψίας. 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Πως εκφράζω μια υπόθεση; 1 Επιλέγω ένα στατιστικό μέτρο για το οποίο θέλω να πραγματοποιήσω ένανέλεγχοστονπληθυσμό.παρ. µ(μέσος), σ 2 (διακύμανση), p (αναλογία) 2 Ορίζουμετηνμηδενικήυπόθεση H 0 (παρ.μέσος). Αυτήθαπρέπειναδηλώνειπαντατηνισότητα: =,,ή. 3 Ορίζουμετηνεναλλακτικήτης H 0 (δηλαδήτην H 1 ). Αυτήδενθαπρέπειναδηλώνειτηνισότητα:, >,ή<. Οι H 0 και H 1 υποθέσειςθαπρέπειναείναιαμοιβαίωςαποκλειόμενες(δηλ. H 0 H 1 = ). Η H 1 υπόθεσηθαπρέπεινααναφέρεταιστηνκρίσιμηπεριοχήτουελέγχου. Ηκρίσιμηπεριοχήμέσωτου H 1 ελέγχουεκφράζειτογεγονόςήτην υπόθεσηπουευχόμαστεήαπευχόμαστενασυμβεί,ενώηυπόθεση H 0 εκφράζει συνήθως το υφιστάμενο γεγονός προιόν παρελθούσης δειγματοληψίας. 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Πως εκφράζω μια υπόθεση; 1 Επιλέγω ένα στατιστικό μέτρο για το οποίο θέλω να πραγματοποιήσω ένανέλεγχοστονπληθυσμό.παρ. µ(μέσος), σ 2 (διακύμανση), p (αναλογία) 2 Ορίζουμετηνμηδενικήυπόθεση H 0 (παρ.μέσος). Αυτήθαπρέπειναδηλώνειπαντατηνισότητα: =,,ή. 3 Ορίζουμετηνεναλλακτικήτης H 0 (δηλαδήτην H 1 ). Αυτήδενθαπρέπειναδηλώνειτηνισότητα:, >,ή<. Οι H 0 και H 1 υποθέσειςθαπρέπειναείναιαμοιβαίωςαποκλειόμενες(δηλ. H 0 H 1 = ). Η H 1 υπόθεσηθαπρέπεινααναφέρεταιστηνκρίσιμηπεριοχήτουελέγχου. Ηκρίσιμηπεριοχήμέσωτου H 1 ελέγχουεκφράζειτογεγονόςήτην υπόθεσηπουευχόμαστεήαπευχόμαστενασυμβεί,ενώηυπόθεση H 0 εκφράζει συνήθως το υφιστάμενο γεγονός προιόν παρελθούσης δειγματοληψίας. 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Πως εκφράζω μια υπόθεση; 1 Επιλέγω ένα στατιστικό μέτρο για το οποίο θέλω να πραγματοποιήσω ένανέλεγχοστονπληθυσμό.παρ. µ(μέσος), σ 2 (διακύμανση), p (αναλογία) 2 Ορίζουμετηνμηδενικήυπόθεση H 0 (παρ.μέσος). Αυτήθαπρέπειναδηλώνειπαντατηνισότητα: =,,ή. 3 Ορίζουμετηνεναλλακτικήτης H 0 (δηλαδήτην H 1 ). Αυτήδενθαπρέπειναδηλώνειτηνισότητα:, >,ή<. Οι H 0 και H 1 υποθέσειςθαπρέπειναείναιαμοιβαίωςαποκλειόμενες(δηλ. H 0 H 1 = ). Η H 1 υπόθεσηθαπρέπεινααναφέρεταιστηνκρίσιμηπεριοχήτουελέγχου. Ηκρίσιμηπεριοχήμέσωτου H 1 ελέγχουεκφράζειτογεγονόςήτην υπόθεσηπουευχόμαστεήαπευχόμαστενασυμβεί,ενώηυπόθεση H 0 εκφράζει συνήθως το υφιστάμενο γεγονός προιόν παρελθούσης δειγματοληψίας. 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Ε.Υ. μέσω παραδειγμάτων: 1 Παράδειγμα Α: Μια επιχείρηση γνωρίζει τις μέσες πωλήσεις ενός προιόντος μιας παραγωγικής περιόδου. Ο διευθυντής παραγωγής θέλει να ξέρει εαν οι μέσες πωλήσεις μπορούν να υπερβούν ένα συγκεκριμένο επίπεδο µ 0. H 0 : µ = (ή )µ 0, H 1 : µ > µ 0 2 Παράδειγμα Β: Το ποσοστό των παραγόμενων ελαττωματικών προιόντων είναι γνωστό σε μια βιομηχανική επιχείρηση. Μπορεί κάποιος ναισχυριστείότιαυτότοποσοστόμπορείναμειωθείαπότουπάρχον ποσοστότου p 0 ; H 0 : p = (ή ) p 0, H 1 : p < p 0 3 Παράδειγμα Γ: Μια επιχείρηση παράγει προιόν συγκεκριμένου βάρους. Μπορούμε να ελέγξουμε εάν η διασπορά του βάρους του προιόντος υπερβαίνειμιατιμή σ 2 0; H 0 : σ 2 = (ή )σ 2 0, H 1 : σ 2 > σ 2 0

Ε.Υ. μέσω παραδειγμάτων: 1 Παράδειγμα Α: Μια επιχείρηση γνωρίζει τις μέσες πωλήσεις ενός προιόντος μιας παραγωγικής περιόδου. Ο διευθυντής παραγωγής θέλει να ξέρει εαν οι μέσες πωλήσεις μπορούν να υπερβούν ένα συγκεκριμένο επίπεδο µ 0. H 0 : µ = (ή )µ 0, H 1 : µ > µ 0 2 Παράδειγμα Β: Το ποσοστό των παραγόμενων ελαττωματικών προιόντων είναι γνωστό σε μια βιομηχανική επιχείρηση. Μπορεί κάποιος ναισχυριστείότιαυτότοποσοστόμπορείναμειωθείαπότουπάρχον ποσοστότου p 0 ; H 0 : p = (ή ) p 0, H 1 : p < p 0 3 Παράδειγμα Γ: Μια επιχείρηση παράγει προιόν συγκεκριμένου βάρους. Μπορούμε να ελέγξουμε εάν η διασπορά του βάρους του προιόντος υπερβαίνειμιατιμή σ 2 0; H 0 : σ 2 = (ή )σ 2 0, H 1 : σ 2 > σ 2 0

Ε.Υ. μέσω παραδειγμάτων: 1 Παράδειγμα Α: Μια επιχείρηση γνωρίζει τις μέσες πωλήσεις ενός προιόντος μιας παραγωγικής περιόδου. Ο διευθυντής παραγωγής θέλει να ξέρει εαν οι μέσες πωλήσεις μπορούν να υπερβούν ένα συγκεκριμένο επίπεδο µ 0. H 0 : µ = (ή )µ 0, H 1 : µ > µ 0 2 Παράδειγμα Β: Το ποσοστό των παραγόμενων ελαττωματικών προιόντων είναι γνωστό σε μια βιομηχανική επιχείρηση. Μπορεί κάποιος ναισχυριστείότιαυτότοποσοστόμπορείναμειωθείαπότουπάρχον ποσοστότου p 0 ; H 0 : p = (ή ) p 0, H 1 : p < p 0 3 Παράδειγμα Γ: Μια επιχείρηση παράγει προιόν συγκεκριμένου βάρους. Μπορούμε να ελέγξουμε εάν η διασπορά του βάρους του προιόντος υπερβαίνειμιατιμή σ 2 0; H 0 : σ 2 = (ή )σ 2 0, H 1 : σ 2 > σ 2 0

Ε.Υ. μέσω παραδειγμάτων: 1 Παράδειγμα Α: Μια επιχείρηση γνωρίζει τις μέσες πωλήσεις ενός προιόντος μιας παραγωγικής περιόδου. Ο διευθυντής παραγωγής θέλει να ξέρει εαν οι μέσες πωλήσεις μπορούν να υπερβούν ένα συγκεκριμένο επίπεδο µ 0. H 0 : µ = (ή )µ 0, H 1 : µ > µ 0 2 Παράδειγμα Β: Το ποσοστό των παραγόμενων ελαττωματικών προιόντων είναι γνωστό σε μια βιομηχανική επιχείρηση. Μπορεί κάποιος ναισχυριστείότιαυτότοποσοστόμπορείναμειωθείαπότουπάρχον ποσοστότου p 0 ; H 0 : p = (ή ) p 0, H 1 : p < p 0 3 Παράδειγμα Γ: Μια επιχείρηση παράγει προιόν συγκεκριμένου βάρους. Μπορούμε να ελέγξουμε εάν η διασπορά του βάρους του προιόντος υπερβαίνειμιατιμή σ 2 0; H 0 : σ 2 = (ή )σ 2 0, H 1 : σ 2 > σ 2 0

Διπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ 1 Εκφράζουμε τον στατιστικό έλεγχο για τον µ, H 0 : µ = µ 0 H 1 : µ µ 0 1 Για n 30ήΚανονικότητατων X 1,...,X nμεμέσητιμή µκαιδιακύμανση σ 2 Z = x µ 0 H0 σ/ N(0, 1) n 2 n < 30καιμη-Κανονικότηταστα X 1,...,X n 3 άγνωστο σ 2 Επιλέγουμε ποσοστό σφάλματος α t H0 = x µ 0 σ/ n t n 1 t H0 = x µ 0 S/ n t n 1 3 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω. βεαμερ-τυ-λογ

Διπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ 1 Εκφράζουμε τον στατιστικό έλεγχο για τον µ, H 0 : µ = µ 0 H 1 : µ µ 0 1 Για n 30ήΚανονικότητατων X 1,...,X nμεμέσητιμή µκαιδιακύμανση σ 2 Z = x µ 0 H0 σ/ N(0, 1) n 2 n < 30καιμη-Κανονικότηταστα X 1,...,X n 3 άγνωστο σ 2 Επιλέγουμε ποσοστό σφάλματος α t H0 = x µ 0 σ/ n t n 1 t H0 = x µ 0 S/ n t n 1 3 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω. βεαμερ-τυ-λογ

Διπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ 1 Εκφράζουμε τον στατιστικό έλεγχο για τον µ, H 0 : µ = µ 0 H 1 : µ µ 0 1 Για n 30ήΚανονικότητατων X 1,...,X nμεμέσητιμή µκαιδιακύμανση σ 2 Z = x µ 0 H0 σ/ N(0, 1) n 2 n < 30καιμη-Κανονικότηταστα X 1,...,X n 3 άγνωστο σ 2 Επιλέγουμε ποσοστό σφάλματος α t H0 = x µ 0 σ/ n t n 1 t H0 = x µ 0 S/ n t n 1 3 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω. βεαμερ-τυ-λογ

Διπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ 1 Εκφράζουμε τον στατιστικό έλεγχο για τον µ, H 0 : µ = µ 0 H 1 : µ µ 0 1 Για n 30ήΚανονικότητατων X 1,...,X nμεμέσητιμή µκαιδιακύμανση σ 2 Z = x µ 0 H0 σ/ N(0, 1) n 2 n < 30καιμη-Κανονικότηταστα X 1,...,X n 3 άγνωστο σ 2 Επιλέγουμε ποσοστό σφάλματος α t H0 = x µ 0 σ/ n t n 1 t H0 = x µ 0 S/ n t n 1 3 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω. βεαμερ-τυ-λογ

Διπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ(συν.) Αποδοχή H 0 εαν Z H0 Z 1 α/2,αλλιώςαπόρριψη H 0 καιαποδοχή H 1. dnorm(x) 0.0 0.1 0.2 0.3 0.4 H1 H0 H1 4 2 0 2 4 x βεαμερ-τυ-λογ

Διπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ(συν.) Αποδοχή H 0 εαν t H0 t 1 α/2,n 1,αλλιώςαπόρριψη H 0 καιαποδοχή H 1. dt(x, df = size 1) 0.0 0.1 0.2 0.3 0.4 H1 H0 H1 4 2 0 2 4 x βεαμερ-τυ-λογ

Μονόπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ 1 Εκφράζουμετονστατιστικόέλεγχογιατον µ 0, H 0 : µ = µ 0 H 1 : µ > µ 0, or H 1 : µ < µ 0 2 Επιλέγουμε Zή tανάλογαμετιςυποθέσειςμας 3 Επιλέγουμε ποσοστό σφάλματος α 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Μονόπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ 1 Εκφράζουμετονστατιστικόέλεγχογιατον µ 0, H 0 : µ = µ 0 H 1 : µ > µ 0, or H 1 : µ < µ 0 2 Επιλέγουμε Zή tανάλογαμετιςυποθέσειςμας 3 Επιλέγουμε ποσοστό σφάλματος α 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Μονόπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ 1 Εκφράζουμετονστατιστικόέλεγχογιατον µ 0, H 0 : µ = µ 0 H 1 : µ > µ 0, or H 1 : µ < µ 0 2 Επιλέγουμε Zή tανάλογαμετιςυποθέσειςμας 3 Επιλέγουμε ποσοστό σφάλματος α 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Μονόπλευρος Ε.Υ. για τον πληθυσμιακό μέσο µ 1 Εκφράζουμετονστατιστικόέλεγχογιατον µ 0, H 0 : µ = µ 0 H 1 : µ > µ 0, or H 1 : µ < µ 0 2 Επιλέγουμε Zή tανάλογαμετιςυποθέσειςμας 3 Επιλέγουμε ποσοστό σφάλματος α 4 Αποφασίζωποιάανάμεσαστις H 0, H 1 ναεπιλέξω.

Μονόπλευρος Ε.Υ. για τον πληθυσμιακό μέσο(συν.) Αποδοχή H 0 εαν Z H0 Z 1 α αλλιώςαπόρριψη H 0 καιαποδοχή H 1 (εδώ H 1 : µ > µ 0 ) dnorm(x) 0.0 0.1 0.2 0.3 0.4 H0 H1 4 2 0 2 4 x βεαμερ-τυ-λογ

Μονόπλευρος Ε.Υ. για τον πληθυσμιακό μέσο(συν.) Αποδοχή H 0 εαν Z H0 Z 1 α αλλιώςαπόρριψη H 0 καιαποδοχή H 1 (εδώ H 1 : µ < µ 0 ) dnorm(x) 0.0 0.1 0.2 0.3 0.4 H1 H0 4 2 0 2 4 x βεαμερ-τυ-λογ

Μονόπλευρος Ε.Υ. για τον πληθυσμιακό μέσο(συν.) Αποδοχή H 0 εαν t H0 t 1 α,n 1 αλλιώςαπόρριψη H 0 καιαποδοχή H 1. dt(x, df = size 1) 0.0 0.1 0.2 0.3 0.4 H0 H1 4 2 0 2 4 x βεαμερ-τυ-λογ

Μονόπλευρος Ε.Υ. για τον πληθυσμιακό μέσο(συν.) Αποδοχή H 0 εαν t H0 t 1 α,n 1 αλλιώςαπόρριψη H 0 καιαποδοχή H 1. dt(x, df = size 1) 0.0 0.1 0.2 0.3 0.4 H1 H0 4 2 0 2 4 x βεαμερ-τυ-λογ