İstatistik ve Olasılık · 8. Ünite: Hipotez Testleri
Hipotez Testinin Temelleri ve Hata Türleri
Yeni bir ilaç etkili mi, üretim hattındaki ayar bozuldu mu, yeni yöntem eskisinden gerçekten iyi mi? Bu sorular bir örneklemden popülasyon hakkında karar vermeyi gerektirir ve örneklem tesadüfen değiştiği için her karar hata riski taşır. Hipotez testi bu riski önceden sayısal olarak sınırlayan çerçevedir: iki karşıt hipotez kurulur, bir test istatistiği ve ret bölgesi belirlenir, Tip I ve Tip II hata olasılıkları ($\alpha$ ve $\beta$) hesaplanır. Konunun sonunda hipotezleri doğru kurabilecek, hata türlerini bağlam içinde yorumlayabilecek, bilinen $\sigma$ için $\beta$, gücü ve gerekli örnek büyüklüğünü hesaplayabilecek ve p-değerini yanlış yorumlardan koruyarak kullanabileceksin.
Öğrenme hedefleri
- Sözel bir iddiadan sıfır hipotezi ($H_0$) ve alternatif hipotezi ($H_1$) kurar; alternatifin yönüne göre testin tek ya da iki yönlü olduğunu belirler.
- Tip I ve Tip II hatayı verilen bağlamda (ilaç, kalite kontrol, alarm sistemi) sözel olarak tanımlar ve olasılıklarını $\alpha$ ve $\beta$ ile ilişkilendirir.
- Bilinen $\sigma$ için tek örneklem ortalama testinde kritik değeri, $\beta$ olasılığını ve gücü ($1-\beta$) hesaplar.
- $\alpha$, $n$, $\sigma$ ve etki büyüklüğü $\Delta$ değiştiğinde $\beta$ ve gücün nasıl değiştiğini türetilmiş formülle açıklar; verilen güç için en küçük $n$'yi bulur.
- p-değerini hesaplar, $\alpha$ ile karşılaştırarak karar verir ve p-değerine ilişkin yaygın yanlış yorumları (H₀'ın olasılığı, etki büyüklüğü) ayırt eder.
Konu anlatımı
Motivasyon: Kanıt, Karar ve Hata Riski
Hipotezlerin Kurulması ve Testin Yapısı
Tip I ve Tip II Hata, Güç
Türetme: Kritik Değer, β ve Güç
Çözümlü Örnekler
p-Değeri ve Karar Kuralı
Sık Yapılan Hatalar ve Kavram Yanılgıları
Anahtar terimler
- Sıfır hipotezi (H₀)
- Sınanan, eşitlik içeren 'fark yok' savı; test istatistiğinin dağılımının hesaplanmasını sağlar.
- Alternatif hipotez (H₁)
- Verinin desteklemesi istenen, kanıtlanmak istenen sav; testin tek ya da iki yönlü olmasını belirler.
- Anlamlılık düzeyi (α)
- Önceden seçilen, H₀ doğruyken onu reddetme (Tip I hata) olasılığı üst sınırı.
- Tip I hata
- H₀ doğruyken onu reddetmek (yanlış alarm); olasılığı α.
- Tip II hata
- H₀ yanlışken onu reddedememek (kaçırılan fark); olasılığı β, gerçek parametreye bağlıdır.
- Güç (1−β)
- Gerçekten var olan bir etkiyi yakalama, yani yanlış H₀'ı reddetme olasılığı.
- Ret (kritik) bölgesi
- H₀ doğruyken olasılığı en çok α olan, test istatistiğinin H₀'ın reddedildiği değerler kümesi.
- p-değeri
- H₀ doğru varsayıldığında gözlenen kadar ya da H₁ yönünde daha uç bir test istatistiği elde etme olasılığı.
- Etki büyüklüğü (Δ)
- Gerçek parametre ile H₀ değeri arasındaki fark; gücü belirleyen ana etkenlerden biri.
Örnek soru
Bir ampul üreticisi, yeni ampullerin ortalama ömrünün eski ortalama olan $1200$ saati aştığını kanıtlamak istiyor. Uygun hipotez çifti hangisidir?
- $H_0: \mu = 1200,\ H_1: \mu > 1200$
- $H_0: \mu > 1200,\ H_1: \mu = 1200$
- $H_0: \mu = 1200,\ H_1: \mu \neq 1200$
- $H_0: \mu = 1200,\ H_1: \mu < 1200$
- $H_0: \bar{x} = 1200,\ H_1: \bar{x} > 1200$
Doğru cevap: A
Çözüm
1. Kanıtlanmak istenen iddia "ömür $1200$ saati aşıyor", yani $\mu > 1200$. Kanıtlanmak istenen iddia $H_1$'e yazılır.
2. $H_0$ daima eşitlik içerir ve "etki yok" durumunu temsil eder: $\mu = 1200$.
3. $H_1$ tek yönlü ($>$) olduğundan test sağ kuyruk testidir.
Cevap: A. B seçeneğinde eşitlik $H_1$'e yazılmış, bu geçersizdir. C iddianın yönünü yok sayar (iki yönlü). D yönü ters kurar. E hipotezleri popülasyon parametresi $\mu$ yerine örneklem istatistiği $\bar{x}$ ile kurar; hipotezler her zaman parametre hakkındadır.