Б) Уровень значимости. Ошибки проверки гипотезы

Выдвинутая гипотеза может быть правильной или неправильной, поэтому возникает необходимость её проверки. Поскольку проверку производят статистическими методами, её называют статистической. В итоге статистической проверки гипотезы в двух случаях может быть принято неправильное решение, то есть могут быть допущены ошибки двух родов,

Ошибка первого рода состоит в том, что будет отвергнута правильная гипотеза.

Ошибка второго рода состоит в том, что будет принята неправильная гипотеза.

Хочется подчеркнуть, что последствия этих ошибок могут оказаться разными. Например, если отвергнуто правильное решение “продолжать строительство жилого дома”, то эта ошибка первого рода повлечет материальный ущерб; если же принято неправильное решение “продолжать строительство”, несмотря на опасность обвала стройки, то эта ошибка второго рода может повлечь гибель людей.

Вероятность совершить ошибку первого рода принято обозначать α; её называют уровнем значимости. Наиболее часто уровень значимости принимают равным 0,05 или 0,01. Если, например, принят уровень значимости, равный 0,05, то это означает, что в пяти случаях из ста имеется риск допустить ошибку первого рода (отвергнуть правильную гипотезу).

В) Использование t -распределения Стьюдента

Распределение Стъюдента – это частный случай нормального распределения. Пусть количественный признак X генеральной совокупности распределён нормально, причём среднее квадратическое отклонение неизвестно. Оказывается, что по данным выборки можно построить случайную величину (её возможные значения будем обозначать через t)

которая имеет распределение, которое называют t -распределением или распределением Стьюдента (псевдоним английского статистика Госсета), с k = n –1 степенями свободы.

Здесь  – выборочная средняя,

S – «исправленное» среднее квадратическое отклонение,

n – объём выборки.

Распределение Стьюдента определяется параметром n – объёмом выборки (или, что то же, числом степеней свободы k = n –1) и не зависит от неизвестных параметров а и s; эта особенность является его большим достоинством.

Замечание. При неограниченном возрастании объёма выборки n распределение Стьюдента стремится к нормальному. Поэтому практически при n > 30 можно вместо распределения Стьюдента пользоваться нормальным распределением.

Однако важно подчеркнуть, что для малых выборок (n < 30), в особенности для малых значений n, замена распределения нормальным приводит к грубым ошибкам (к повышению точности оценки). Это обстоятельство, вовсе не свидетельствует о слабости метода Стьюдента, а объясняется тем, что малая выборка, разумеется содержит малую информацию об интересующем нас признаке.

Тренд-анализ