]> Khi-négyzet próbák
  1. Virtual Laboratories
  2. 8. Hipotézisvizsgálat
  3. 1
  4. 2
  5. 3
  6. 4
  7. 5
  8. 6
  9. 7

6. Khi-négyzet próbák

Ebben az alfejezetben számos fontos hipotézis próbát fogunk tanulmányozni, melyeket általánosan khi-négyzet próbáknak hívunk. Ahogy kitalálható, ez az elnevezés arra utal, hogy ezekre az esetekre a próbafüggvény (határértékben) khi-négyzet eloszlású. Bár több különböző próba esik ebbe az általános kategóriába, mindegyikükben közösek a következők:

A legegyszerűbb esettel fogunk kezdeni, ahol a származtatás a legnyilvánvalóbb; valójában ez a próba ekvivalens egy olyan próbával, amit már tanulmányoztunk. Ezután sorban haladunk a bonyolultabb modellek felé.

Témakörök

Az egymintás Bernoulli modell

Tegyük fel, hogy X X 1 X 2 X n egy véletlen minta a Bernoulli eloszlásból ismeretlen p 0 1 sikerparaméterrel. Így ezek független valószínűségi változók, amik az 1 illetve a 0 értéket veszik fel p illetve 1 p valószínűséggel. A p p 0 versus p p 0 hipotézist akarjuk tesztelni, ahol p 0 0 1 adott. Természetesen már tanulmányoztunk ilyen próbákat a Hipotézisvizsgálat a Bernoulli modellben alfejezetben. De tartsuk észben, hogy ezek a módszerek elvezetnek olyan új modellekhez, amiket még nem tanulmányoztunk.

Legyen O 1 j 1 n X j és O 0 n O 1 j 1 n 1 X j . Ezek a statisztikák megadják az 1-ek illetve 0-k előfordulásainak számát (a gyakoriságot). Továbbá tudjuk, hogy mindkettő binomiális eloszlású; O 1 paraméterei n és p , míg O 0 paraméterei n és 1 p . Speciálisan, O 1 n p , O 0 n 1 p , és O 1 O 0 n p 1 p . Továbbá idézzük fel, hogy O 1 elégséges p -re. Így minden jó próbafüggvénynek O 1 függvényének kell lenni. Továbbá emlékezzünk arra, hogy ha n nagy, akkor O 1 eloszlása közelítően normális a centrális határeloszlás tétel szerint. Legyen Z O 1 n p 0 n p 0 1 p 0 Jegyezzük meg, hogy Z O 1 standardizáltja mellett. Így, ha n nagy, Z közelítően standard normális eloszlású mellett, és emiatt V Z 2 közelítően khi-négyzet eloszlású 1 szabadságfokkal mellett. Szokás szerint jelölje k a k szabadságfokú khi-négyzet eloszlás kvantilis függvényét.

Mutassuk meg, hogy versus közelítő próbája α szignifikancia szinten: Elutasítjuk -t akkor és csak akkor, ha V 1 1 α .

Mutassuk meg, hogy az 1. feladatban szereplő próba ekvivalens a Z próbafüggvényű torzítatlan próbával (a közelítő normális próba), amit a Hipotézisvizsgálat a Bernoulli modellben alfejezetben határoztunk meg!

A következő feladat kritikus eredménye V speciális reprezentációja az általánosítás érdekében. Legyen e 0 n 1 p 0 és legyen e 1 n p 0 . Jegyezzük meg, hogy ezek a 0-k illetve az 1-ek elvárt gyakoriságai mellett.

Mutassuk meg, hogy V O 0 e 0 2 e 0 O 1 e 1 2 e 1

Ez a reprezentáció azt mutatja, hogy a V próbafüggvényünk a melletti elvárt gyakoriságok és a megfigyelt gyakoriságok közti eltérést méri. Természetesen V nagy értéke bizonyíték mellett. Végül jegyezzük meg, hogy bár két tag szerepel V kifejtésében a 3. feladatban, de csak egy a szabadságfok, mivel O 0 O 1 n . A megfigyelt és az elvárt gyakoriságok egy 1 2 -es táblázatban tárolhatók.

A többmintás Bernoulli modell

Tegyük fel, hogy van néhány mintánk néhány (esetleg) különböző, független Bernoulli kísérlet folyamatból. Speciálisan tegyük fel, hogy X i X i 1 X i 2 X i n i egy n i elemű véletlen minta a Bernoulli eloszlásból ismeretlen p i 0 1 sikerparaméterrel minden i 1 2 m esetén. Továbbá az X 1 X 2 X m minták függetlenek. Az ismeretlen p p 1 p 2 p m paramétervektorra vonatkozó hipotézist akarjuk tesztelni. Két gyakori eset van, amit megvizsgálunk, de először bevezetünk egy lényeges jelölést, amire mindkét esetnél szükségünk lesz. i 1 2 m és j 0 1 esetén jelölje O i j azt, hogy j hányszor fordult elő az X i mintában. A megfigyelt gyakoriság O i j binomiális eloszlású; O i 1 n i és p i paraméterekkel, míg O i 0 n i és 1 p i paraméterekkel.

A teljesen meghatározott eset

Tekintsünk egy adott p 0 p 0 1 p 0 2 p 0 m 0 1 m paramétervektort. A következő hipotézist kívánjuk tesztelni: p p 0 , versus p p 0 . Mivel a nullhipotézis meghatározza p i értékeit minden i esetén, ezt teljesen meghatározott esetnek hívjuk. Most legyen e i 0 n i 1 p i 0 és e i 1 n i p i 0 . Ezek az értékek a 0-k illetve az 1-ek várt gyakoriságai a X i mintából mellett.

Felhasználva a 3. feladatot és a függetlenséget, mutassuk meg, hogy ha n i nagy minden i esetén, akkor V i 1 m j 0 1 O i j e i j 2 e i j eloszlása közelítően khi-négyzet eloszlás m szabadságfokkal!

Hozzávetőlegesen a nagy azt jelenti, hogy e i j 5 minden i 1 2 m és j 0 1 esetén. De természetesen minél nagyobbak ezek az elvárt gyakoriságok, annál jobb.

Nagy minta feltételezése mellett mutassuk meg, hogy egy közelítő próba versus -re α szignifikancia szinten: Elutasítjuk -t akkor és csak akkor, ha V m 1 α

Még egyszer megjegyezzük, hogy a V próbafüggvény az elvárt és a megfigyelt gyakoriságok közti eltérést méri minden kimenet és minden minta esetén. 2 m tag szerepel V kifejtésében a 4. feladatban, de csak m a szabadságfok, mivel O i 0 O i 1 n i minden i 1 2 m esetén. A megfigyelt és az elvárt gyakoriságok egy m 2 -es táblázatban tárolhatók.

Az egyenlő valószínűségű eset

Tegyük fel, hogy a p 1 p 2 p m nullhipotézist akarjuk tesztelni, azaz az összes siker-valószínűség megegyezik, a alternatív hipotézissel szemben, mely szerint nem minden valószínűség ugyanaz. Jegyezzük meg, hogy szemben az előző modellel, a nullhipotézis nem határozza meg a közös sikerparamétert, p -t. De jegyezzük meg, hogy a nullhipotézis mellett az m minta összevonható egy Bernoulli kísérletekből származó nagy mintává p sikerparaméterrel. Így a természetes megközelítés: először p -t becsülni, aztán meghatározni a próbafüggvényt, ami méri az eltérést az elvárt és a megfigyelt gyakoriságok közt, ahogy eddig. A kihívás a próbafüggvény eloszlásának megtalálása.

Jelölje n i 1 m n i a mintanagyságot, amikor a mintákat összevontuk. Ekkor az összesített mintaátlag, ami ebben az esetben a sikerek összesített részaránya: P 1 n i 1 m j 1 n i X i j 1 n i 1 m O i 1 A P minta-gyakoriság p legjobb becslése, a szó minden értelmében. Továbbá legyen E i 0 n i 1 P és E i 1 n i P . Ezek a 0-k illetve 1-ek becsült elvárt gyakoriságai az i mintából mellett. Természetesen ezek a becsült gyakoriságok most statisztikák (és így véletlenek), nem paraméterek. Az előzőeknek megfelelően definiáljuk a próbafüggvényt: V i 1 m j 0 1 O i j E i j 2 E i j Kiderült, hogy mellett V eloszlása khi-négyzet eloszláshoz tart m 1 szabadságfokkal, ahogy n .

Mutassuk meg, hogy egy közelítő próba versus -re α szignifikancia szinten: Elutasítjuk -t akkor és csak akkor, ha V m 1 1 α

Intuitívan, elvesztettünk egy szabadságfokot a teljesen meghatározott esethez képest, mivel becsülnünk kell az ismeretlen p sikerparamétert. A megfigyelt és az elvárt gyakoriságok ismét egy m 2 -es táblázatban tárolhatók.

Az egymintás polinomiális modell

A következő modellünk az egymintás Bernoulli modellt általánosítja egy másik irányba. Tegyük fel, hogy X X 1 X 2 X n polinomiális kísérletek sorozata. Így ezek független, azonos eloszlású valószínűségi változók, mindegyik egy k elemű S halmazbeli értéket vehet fel. Ha akarjuk, feltételezhetjük, hogy S 0 1 k 1 ; az egymintás Bernoulli modell k 2 -nek felel meg. Jelölje f a mintaváltozók közös sűrűségfüggvényét S -en, így f j X i j i 1 2 n és j S esetén. f értékeit ismeretlennek tételezzük fel, de természetesen j S f j 1 , tehát valójában k 1 ismeretlen paraméterünk van. Egy S -en adott f 0 sűrűségfüggvény esetén a f f 0 versus f f 0 hipotézist akarjuk tesztelni.

Mostanra világosnak kell lenni az általános megközelítésünknek. O j -vel jelöljük, hogy j hányszor fordul elő az X mintában. Jegyezzük meg, hogy O j binomiális eloszlású n és f j paraméterekkel. Így e j n f 0 j a j előfordulásainak várható száma mellett. A próbafüggvényünk természetesen V j S O j e j 2 e j Kiderült, hogy mellett V eloszlása khi-négyzet eloszláshoz tart k 1 szabadságfokkal, ahogy n . Jegyezzük meg, hogy k tag szerepel V kifejtésében, de csak k 1 a szabadságfok, mivel i 1 n O i n .

Mutassuk meg, hogy egy közelítő próba versus -re α szignifikancia szinten: Elutasítjuk -t akkor és csak akkor, ha V k 1 1 α

Általában az szükséges, hogy e j 5 minden j S esetén, de a nagyobb elvárt gyakoriságok jobbak.

A többmintás polinomiális modell

Ahogy kitalálható volt, az utolsó általánosítás a többmintás polinomiális modell. Speciáliasan tegyük fel, hogy X i X i 1 X i 2 X i n i egy n i elemű véletlen minta egy S halmazon, ami k elemű, minden i 1 2 m -re. Továbbá feltesszük, hogy az X 1 X 2 X m minták függetlenek. Az általánosság megszorítása nélkül legyen S 0 1 k 1 . Ekkor k 2 a többmintás Bernoulli modellre redukálódik, és m 1 megfelel az egymintás polinomiális modellnek.

Jelölje f i a változók közös sűrűségfüggvényét az X i mintában, azaz f i j X i l j i 1 2 m , l 1 2 n i és j S esetén. Ezek általában ismeretlenek, így a paramétervektorunk a sűrűségfüggvények vektora: f f 1 f 2 f m . Természetesen j S f i j 1 i 1 2 m esetén, tehát ténylegesen m k 1 ismeretlen paraméterünk van. Az f -re vonatkozó hipotézis tesztelése érdekel minket. Ahogy a többmintás Bernoulli modellben, két alapeset van, amit megvizsgálunk, de előbb bevezetjük az alapvető jelölést, amire mindkét esetben szükségünk lesz: i 1 2 m és j S esetén jelölje O i j a j kimenetek számát az X i mintában. A megfigyelt gyakoriság, O i j binomiális eloszlású n i és f i j paraméterekkel.

A teljesen meghatározott eset

Tekintsünk egy adott sűrűségfüggvény vektort S -en, jelölje f 0 f 0 1 f 0 2 f 0 m . A f f 0 versus f f 0 hipotézist akarjuk tesztelni. Mivel a nullhipotézis meghatározza f i j értékeit minden i -re és j -re, ezt az esetet teljesen meghatározott esetnek hívjuk. Legyen e i j n i f 0 i j . Ez a várt gyakorisága a j kimeneteknek az X i mintában mellett.

Használjuk az egymintás polinomiális eset eredményét és a függetlenséget, hogy megmutassuk, ha n i nagy minden i -re, akkor V i 1 m j S O i j e i j 2 e i j közelítően khi-négyzet eloszlású m k 1 szabadságfokkal!

Szokás szerint az a , ha e i j 5 minden i 1 2 m -re és j S -re. Természetesen minél nagyobbak ezek a várt gyakoriságok, annál jobb.

Nagy minta feltételezése mellett mutassuk meg, hogy egy közelítő próba versus -re α szignifikancia szinten: Elutasítjuk -t akkor és csak akkor, ha V m k 1 1 α

Ahogy mindig, a V próbafüggvény az elvárt és a megfigyelt gyakoriságok közti eltérést méri minden kimenet és minden minta esetén. m k tag van V kifejtésében a 8. feladat szerint, de m szabadságfokot elvesztünk, mivel j S O i j n i minden i 1 2 m -re.

Az egyenlő sűrűségfüggvény esete

Tegyük fel, hogy a f 1 f 2 f m nullhipotézist akarjuk tesztelni, azaz az összes sűrűségfüggvény megegyezik, a alternatív hipotézissel szemben, hogy nem minden sűrűségfüggvény ugyanaz. Jegyezzük meg, hogy szemben az előző modellel, a nullhipotézis nem határozza meg a közös sűrűségfüggvényt, f -et. De jegyezzük meg, hogy a nullhipotézis mellett az m minta összevonható egy nagy mintává, ami polinomiális kísérletekből származik f sűrűségfüggvénnyel. Így a természetes megközelítés: először f értékeit becsülni, aztán definiálni a próbafüggvényt, ami az eltérést méri a várt és a megfigyelt gyakoriságok közt, ahogy eddig.

Jelölje n i 1 m n i az összevont minták mintanagyságát. A mellett f j legjobb becslése P j 1 n i 1 m O i j Így az X i minta esetén a j kimenet várt gyakoriságának becslése mellett E i j n i P j . Ez a becsült gyakoriság ismét statisztika (és így véletlen), és nem paraméter. Akárcsak előbb, a próbafüggvény V i 1 m j S O i j E i j 2 E i j Ahogy mostanra már nem lehet kétségünk, mellett V eloszlása khi-négyzet eloszláshoz konvergál, ahogy n . De nézzük, meg tudjuk-e határozni a szabadságfokot heurisztikusan.

Bizonyítsuk be, hogy V határeloszlása k 1 m 1 szabadságfokú!

  1. k m tag van V kifejtésében.
  2. Elvesztünk m szabadságfokot, mivel j S O i j n i minden i 1 2 m esetén.
  3. Egy kivételével az összes f j valószínűséget becsülni kell j S esetén, így vesztünk k 1 szabadságfokot.

Mutassuk meg, hogy versus közelítő próbája α szignifikancia szinten: Elutasítjuk -t akkor és csak akkor, ha V k 1 m 1 1 α

Illeszkedésvizsgálat

Az illeszkedésvizsgálat annak eldöntésére szolgál, hogy egy ismeretlen mintavételezett eloszlás megegyezik-e egy speciális, meghatározott eloszlással, vagy egy paraméteres eloszláscsaládhoz tartozik-e. Az ilyen próbák nyilvánvalóan alapvetőek és fontosak. Az egymintás polinomiális modell egy elég általános illeszkedésvizsgálati próbához vezet.

Kiindulásként tegyük fel, hogy van egy X megfigyelhető valószínűségi változónk egy kísérletből, ami egy általános S halmazbeli értékeket vesz fel. Az X valószínűségi változó lehet folytonos vagy diszkrét eloszlású és lehet egy- vagy többváltozós. Azt a nullhipotézist akarjuk tesztelni, hogy X eloszlása egy adott, teljesen meghatározott eloszlás, vagy hogy X eloszlása egy adott paraméteres családhoz tartozik.

Mindkét esetben első lépésként mintavételezzük X -et, hogy megkapjuk az X X 1 X 2 X n független, azonos eloszlású változók sorozatát. Következőként választunk egy k -t és S -et partícionáljuk k (diszjunkt) részhalmazra. A partíciókat A j j J -vel jelöljük, ahol J k . Következő lépésként definiáljuk az Y Y 1 Y 2 Y n valószínűségi változók sorozatát: Y i j akkor és csak akkor, ha X i A j , i 1 2 n és j J esetén.

Bizonyítsuk be, hogy Y egy polinomiális kísérletsorozat n és f paraméterrel, ahol f j X A j j J esetén!

A teljesen meghatározott eset

Jelölje H azt az állítást, hogy X eloszlása egy adott, teljesen meghatározott eloszlás. Jelölje f 0 a sűrűségfüggvényt J -n: f 0 j X A j H j J esetén. A H hipotézis teszteléséhez formálisan tesztelhetjük f f 0 versus f f 0 -t, ami természetesen pontosan az a probléma, amit megoldottunk az egymintás polinomiális modellben.

Általánosan, az S teret annyi részhalmazra bonthatjuk, amenyire lehetséges, azzal a megszorítással, hogy az elvárt gyakoriság legalább öt legyen minden részhalmazra.

A részben meghatározott eset

Gyakran nem akarjuk azt tesztelni, hogy X eloszlása egy teljesen meghatározott eloszlás (pl. normális eloszlás 5 várható értékkel és 9 szórásnégyzettel), hanem inkább azt, hogy X eloszlása egy meghatározott paraméteres családhoz tartozik-e (pl. normális). Ebben az esetben a kézenfekvő eljárás az ismeretlen paraméterek becslése, és aztán a fent leírt módszert követni. Ahogy az előbb láttuk, az elvárt gyakoriságok, E j -k, statisztikák, mivel a becsült paramétereken alapulnak. Általában a V khi-négyzet statisztika szabadságfokánál minden becsült paraméterre egy szabadságfokot vesztünk, bár ennek precíz matematikai bizonyítása nehéz lehet.

Függetlenségvizsgálat

Tegyük fel, hogy X és Y megfigyelhető valószínűségi változók egy kísérletre, ahol X egy k elemű S halmazbeli értékeket vesz fel, és Y egy m elemű T halmazbeli értékeket vesz fel. Jelölje f X Y együttes sűrűségfüggvényét, azaz f i j X i Y j i S és j T esetén. Idézzük fel, hogy X illetve Y marginális sűrűségfüggvényei a g illetve h függvények, ahol g i j T f i j ,  i S h j i S f i j ,  j T Természetesen rendszerint f , g és h ismeretlenek. Ebben a szakaszban az érdekel minket, hogy vajon X és Y függetlenek-e, ami egy alapvető és fontos próba. Formálisan a f i j g i h j  minden   i j S T nullhipotézist akarjuk tesztelni az ellentétes hipotézissel szemben.

Az első lépés természetesen egy X Y X 1 Y 1 X 2 Y 2 X n Y n minta vétele X Y eloszlásából. Mivel az állapotterek végesek, ez a minta polinomiális próba sorozatot alkot. Így a szokásos jelölésünkkel jelölje O i j annak a számát, hogy i j előfordul a mintában, minden i j S T esetén. Ez a statisztika binomiális eloszlású n kísérletparaméterrel és f i j sikerparaméterrel. A mellett a sikerparaméter g i h j . Viszont mivel nem ismerjük a sikerparamétereket, becsülnünk kell azokat annak érdekében, hogy kiszámíthassuk az elvárt gyakoriságokat. f i j legjobb becslése az 1 n O i j mintaarány. Így g i illetve h j legjobb becslése 1 n N i illetve 1 n M j , ahol N i az i előfordulásának száma az X mintában és M j a j előfordulásának száma az Y mintában: N i j T O i j M j i S O i j Így i j várt gyakoriságának becslése mellett: E i j n 1 n N i 1 n M j 1 n N i M j Természetesen a próbafüggvényt V i S j T O i j E i j 2 E i j definiálja. Ahogy várjuk, V eloszlása khi-négyzet eloszláshoz konvergál, ha n . Nézzük, hogy meg tudjuk-e határozni a megfelelő szabadságfokot heurisztikus alapokon!

Bizonyítsuk be, hogy V határeloszlásának szabadságfoka k 1 m 1

  1. k m tag van V kifejtésében.
  2. Egy szabadságfokot vesztünk, mivel i S j T O i j n ,
  3. Egy kivételével az összes g i valószínűséget becsülni kell i S esetén, így k 1 szabadságfokot vesztünk.
  4. Egy kivételével az összes h j valószínűséget becsülni kell j T esetén, így m 1 szabadságfokot vesztünk.

Mutassuk meg, hogy versus egy közelítő próbája α szignifikancia szinten: Elutasítjuk -t akkor és csak akkor, ha V k 1 m 1 1 α

A megfigyelt értékeket gyakran egy k m -es táblázatba jegyezzük fel, amit kontingencia táblázatnak hívunk; O i j az i -edik sorban és a j -edik oszlopban szereplő szám. Ebben az esetben N i a gyakoriságok összege az i -edik sorban és M j a gyakoriságok összege a j -edik oszlopban. Történelmi okok miatt néha az X és Y valószínűségi változókat faktoroknak hívjuk és a változók lehetséges értékeit kategóriáknak.

Számítási és szimulációs feladatok

Számítási feladatok

A következő feladatok mindegyikében határozzuk meg a khi-négyzet statisztika szabadságfokát, adjuk meg a statisztika értékét és számítsuk ki a próba P -értékét!

Egy pénzérmét százszor feldobunk és 55 fejet kapunk. Teszteljük azt a nullhipotézist, hogy az érme szabályos!

Tegyük fel, hogy van három érménk. Az érméket feldobjuk, az eredmények a következők:

Fej Írás
1. érme 29 21
2. érme 23 17
3. érme 42 18
  1. Teszteljük azt a nullhipotézist, hogy mindhárom érme szabályos!
  2. Teszteljük azt a nullhipotázist, hogy mindhárom érme esetén ugyanannyi a fej valószínűsége!

Egy kockával dobunk 240 alkalommal, az eredmények a következők:

Pont 1 2 3 4 5 6
Gyakoriság 57 39 28 28 36 52
  1. Teszteljük azt a nullhipotézist, hogy a kocka szabályos!
  2. Teszteljük azt a nullhipotézist, hogy a kocka egy ún. "egyes-hatos lapos kocka" (az 1 és a 6 valószínűsége 14 , míg a 2, 3, 4 és 5 valószínűsége 18 )!

Két kockával dobunk, az eredmények a következők:

Pont 1 2 3 4 5 6
1. kocka 22 17 22 13 22 24
2. kocka 44 24 19 19 18 36

  1. Teszteljük azt a nullhipotézist, hogy az első kocka szabályos, míg a második kocka egy "egyes-hatos lapos kocka"!
  2. Teszteljük azt a nullhipotézist, hogy mindkét kockának ugyanaz a valószínűségi eloszlása!

A Buffon kísérlet adathalmaz tartalmazza a Buffon-féle tű kísérlet 104 ismétlésének eredményét. A keresztezések száma 56. Elméletben ennek az adathalmaznak meg kellene felelni 104 db p 2 sikerparaméterű Bernoulli kísérlet eredményének. Ellenőrizzük, hogy ez elfogadható-e!

Egy rádióaktív anyag bomló részecskéit figyeljük meg, száz darab egy másodperces intervallumra veszünk mintát. A következő táblázatban találjuk a bomlások gyakoriságának eloszlást:

Darab 0 1 2 3 4 5 6 7 8 9 10 11
Gyakoriság 3 1 2 12 23 13 20 9 6 6 4 1
  1. Teszteljük le, hogy az adatok származhatnak-e 5 paraméterű Poisson eloszlásból!
  2. Teszteljük le, hogy az adatok származhatnak-e Poisson eloszlásból!

Egy egyetem osztályozást végez beosztás (instruktor, adjunktus, docens és professzor) szerint. Az adatokat beosztás és nem szerint a következő kontingencia táblázat tartalmazza. Teszteljük, hogy a beosztás és a nem függetlenek!

Beosztás Instruktor Adjunktus Docens Professzor
Férfi 62 238 185 115
118 122 123 37

Teszteljük, hogy a Michelson fénysebesség adatok normális eloszlásból származnak-e!

Szimulációs gyakorlatok

Az alábbi szimulációs gyakorlatokban lehetősége nyílik az illeszkedésvizsgálat megismerésére.

A kocka illeszkedésvizsgálati kísérletben állítsuk be a mintaeloszlást szabályosra, a mintanagyságot 50-re, a szignifikancia szintet 0,1-re! Állítsuk be a teszt eloszlást a lent jelzettekre és minden esetben futtassuk a szimulációt ezerszer! Az (a) esetben adjuk meg a próba szignifikancia szintjének tapasztalati becslését és hasonlítsuk össze 0,1-del! A többi esetben adjuk meg a próba erejének tapasztalati becslését! A (b)-(d) esetekben rangsoroljuk az eloszlásokat a látszólagos erő szerint növekvőleg! Elfogadhatónak tűnnek az eredmények?

  1. szabályos
  2. egyes-hatos lapos
  3. szimmetrikus, unimodális eloszlás
  4. az eloszlás jobbra ferdül

A kocka illeszkedésvizsgálat kísérletben állítsuk be a mintaeloszlást egyes-hatos lapos kockára, a mintanagyságot 50-re, a szignifikancia szintet 0,1-re! Állítsuk be a teszt eloszlást a lent jelzettekre, és minden esetben futtassuk a szimulációt ezerszer! Az (a) esetben adjuk meg a próba szignifikancia szintjének tapasztalati becslését és hasonlítsuk össze 0,1-del! A többi esetben adjuk meg a próba erejének tapasztalati becslését! A (b)-(d) esetekben rangsoroljuk az eloszlásokat a látszólagos erő szerint növekvőleg! Elfogadhatónak tűnnek az eredmények?

  1. szabályos
  2. egyes-hatos lapos kocka
  3. szimmetrikus, unimodális eloszlás
  4. az eloszlás jobbra ferdül

A kocka illeszkedésvizsgálat kísérletben állítsuk be a mintaeloszlást szimmetrikus, unimodális eloszlásra, a mintanagyságot 50-re, a szignifikancia szintet 0,1-re! Állítsuk be a teszt eloszlást a lent jelzettekre, és minden esetben futtassuk a szimulációt ezerszer! Az (a) esetben adjuk meg a próba szignifikancia szintjének tapasztalati becslését és hasonlítsuk össze 0,1-del! A többi esetben adjuk meg a próba erejének tapasztalati becslését! A (b)-(d) esetekben rangsoroljuk az eloszlásokat a látszólagos erő szerint növekvőleg! Elfogadhatónak tűnnek az eredmények?

  1. szimmetrikus, unimodális eloszlás
  2. szabályos
  3. egyes-hatos lapos kocka
  4. az eloszlás jobbra ferdül

A kocka illeszkedésvizsgálat kísérletben állítsuk be a mintaeloszlást jobbra ferdülő eloszlásra, a mintanagyságot 50-re, a szignifikancia szintet 0,1-re! Állítsuk be a teszt eloszlást a lent jelzettekre, és minden esetben futtassuk a szimulációt ezerszer! Az (a) esetben adjuk meg a próba szignifikancia szintjének tapasztalati becslését és hasonlítsuk össze 0,1-del! A többi esetben adjuk meg a próba erejének tapasztalati becslését! A (b)-(d) esetekben rangsoroljuk az eloszlásokat a látszólagos erő szerint növekvőleg! Elfogadhatónak tűnnek az eredmények?

  1. az eloszlás jobbra ferdül
  2. szabályos
  3. egyes-hatos lapos kocka
  4. szimmetrikus, unimodális eloszlás

Tegyük fel, hogy D 1 és D 2 különböző eloszlások. A próba ereje megegyezik-e abban az esetben, ha D 1 a mintavételezett eloszlás és D 2 a teszt eloszlás, azzal, ha D 2 a mintavételezett eloszlás és D 1 a teszt eloszlás? Állítsunk fel egy sejtést a 24-26. feladatok alapján!

A kocka illeszkedésvizsgálat kísérletben állítsuk be a mintaeloszlást és a teszteloszlást szabályosra és a szignifikancia szintet 0,05-ra! Futtassuk a kísérletet ezerszer a következő mintanagyságokra! Minden esetben adjuk meg a szignifikancia szint empirikus becslését és hasonlítsuk össze 0,05-dal!

  1. n 10
  2. n 20
  3. n 40
  4. n 100

A kocka illeszkedésvizsgálat kísérletben állítsuk be a mintaeloszlást szabályosra, a teszteloszlást egyes-hatos lapos kockára, a szignifikancia szintet 0,05-ra! Futtassuk a kísérletet ezerszer a következő mintanagyságokra! Minden esetben adjuk meg a próba erejének tapasztalati becslését! Tapasztalunk konvergenciát?

  1. n 10
  2. n 20
  3. n 40
  4. n 100