POSTAVLJANJE I TESTIRANJE HIPOTEZA Hipoteza je precizno formulisana verbalna tvrdnja, pretpostavka o karakteristici jednog skupa ili o odnosu vrednosti

posmatrane karakteristike u vie skupova. U statistikim istraivanjima polazi se od dve meusobno iskljuive, suprotne pretpostavke o ishodu ispitivanja: nulte (H0) i alternativne (Ha) hipoteze. Nulta hipoteza (Ho) glasi: Izmeu aritmetikih sredina dva osnovna skupa, odnosno izmeu aritmetikih sredina dva uzorka dobijena iz dva osnovna skupa ne postoji znaajna razlika. Ako razlika i postoji ona je sluajnog karaktera, odnosno nastala je pod dejstvom sluajnih faktora i uzorci se ponaaju kao da pripadaju istom osnovnom skupu. Matematiki se definie:

Ho : x1 = x2

ili

x1 x2 = 0

Alternativna hipoteza (Ha) se pridruuje nultoj hipotezi i tvrdi suprotno: Izmeu aritmetikih sredina uzoraka postoji znaajna razlika i ona nije sluajnog karaktera, ve je nastala pod dejstvom sistemskih ili eksperimentalnih faktora.

Matematiki se definie:

Ha : x1 x2

ili

x1 x2 o

Pravila za formulisanje hipoteze: 1. Kao Ha treba definisati onaj ishod za koji istraiva predpostavlja da je taan i istinit. 2. Ho treba da sadri pretpostavku koja je po istraivau pogrena i neistinita i koju on primenom testa treba da ospori. 3. Prvo treba postaviti Ha, a zatim doi do Ho U istraivanjima se uvek polazi od pretpostavke da je nulta hipoteza istinita i da ,,razlika nije statistiki signifikantna (lat. signifikans znatan, znaajan, karakteristian). Nauni metod, tj. postupak provere pretpostavki predstavlja testiranje statististikih hipoteza. Testira se iskljuivo nulta hipoteza, a alternativna se prihvata ili odbacuje posredno. Istinitost nulte hipoteze se utvruje specifinim testovima znaajnosti. Ako se odgovarajuim statistikim testom, za odgovarajuu verovatnou i prag znaajnosti, dokae istinitost nulte hipoteze ona se ne odbacuje, ve se odbacuje alternativna hipoteza i zakljuuje se: pretpiostavka istraivaa, data kroz alternativnu hipotezu, nije tana, jer dobijena razlika izmeu realizovane vrednosti (vrednosti dobijene posle israivanja ili posle eksperimenta) parametra skupa i hipotetine vrednosti

nije statistki znaajna (signifikantna). Razlika je posledica sluajnog karaktera i nastala je dejstvom sporednih faktora. Obrnuto, ako statistiki test, za odgovarajuu verovatnou i prag znaajnosti, ne potvrdi istinitost nulte hipoteze, onda je odbacujemo i automatski prihvatamo alternativnu hipotezu kao istinitu i zakljuujemo: razlika je statistiki signifikantna i verovatno je nastala pod uticajem sistemskih, odnosno eksperimentalnih faktora. Pri testiranju nulte hipoteze mogu da se naprave dve greke: 1. greka prve vrste (-greka), koja nastaje kada odbacimo istinitu nultu hipotezu i 2. greka druge vrste (-greka) nastaje kada prihvatimo (ne odbacimo) netanu nultu hipotezu Verovatnoa ostvarenja greke prve vrste (-greke) su pragovi znaajnosti. Znai, prag ili pragovi znaajnosti su verovatnoa rizika da nulta hipoteza bude odbaena iako je istinita. to je p vrednost manja, to je manje verovatno da je nulta hipoteza tana, dok velika p vrednost sugerie prihvatljivost nulte hipoteze. Ta tvrdnja vredi sa verovatnoom P koja je jednaka razlici 1-p. esto na osnovu rezultata statistikih testova donosimo odluke (npr. proizvodnja novog leka, primena nove dijagnostike metode i sl.). To nas prisiljava da odredimo granini stepen znaajnosti (tj. graninu p vrednost). Kaemo da se uzorci statistiki znaajno razlikuju ako je dobijena p vrednost testa manja od granine p vrednosti. Ako to nije sluaj, tj. ako je p vrednost vea ili jednaka graninoj p vrednosti, kaemo da se uzorci ne razlikuju signifikantno. U prvom sluaju nultu hipotezu odbacujemo, a u drugom je prihvatamo. Veina kriterijuma doputa mogunost uvene granine greke od 5%, tj. p0,05 i verovatnoe P>95%. Verovatnoa da neemo napraviti greku druge vrste (-greku) povezana je sa snaga (power) testa. Snaga testa () je verovatnoa da se odbaci netana H0 hipoteze i jednaka je razlici izmeu 1 i verovatnoe greke druge vrste. Odnos verovatnoa je: +=1 =1- Verovatnoa snage testa je utoliko vea ukoliko je verovatnoa greke druge vrste manja. Snaga istraivanja raste s veliinom uzorka (N) i s veliinom razlike koju smatramo stvarno znaajnom, a opada s nivoom znaajnosti. to je snaga testa vea, test je bolji. Bilo koji tip testiranja statistikih hipoteza moe da se izvede u sledeim etapama: 1. Formulisanje nulte i alternativne hipoteze; 2. specifikacija teorijskog rasporeda verovatnoe i izbor odgovarajueg testa znaajnosti i izraunavanje vrednosti testa znaajnosti 3. odreivanje p vrednosti I odluka o prihvatanju ili odbacivanju nulte hipoteze zasnovane na realizovanoj vrednosti testa znaajnosti i odreenoj p vrednosti.

Ponekad unapred znamo da neko obeleje populacije A ne moe biti proseno manje nego u poulaciji B, a nismo sigurni da li je vee (ili obrnuto). Npr. ispitujemo novi lek za snienje krvnog pritiska. Poznato je da taj lek ne moe povisiti krvni pritisak, ali nije poznato da li ga smanjeje i koliko. Tada se testiranje radi jednosmernim (engl. one-tailed) testovima. Kada se unapred ne moe sa sigurnou odrediti smer neke razlike, primenjuje se dvosmerni (engl. two-tailed) test. Ako npr. nije odreen smer razlike u procentu puaa, tj. da li je procenat puaa kod mukaraca vei ili manji u odnosu na ene u populaciji, primenjuje se dvosmerni test. Ako se pri testiranju dobije pozitivna vrednost testa, znai da je smer razlike pozitivan, tj. u naem primeru bi smo zakljuili da je procenat puaa kod mukaraca vei nego kod ena Ako se pri testiranju dobije vrednost testa sa negativnim predznakom, to znai da je smer razlike negativan, tj. u naem primeru bi to znailo da je procenat puaa kod mukaraca manji nego kod ena. Jednosmerna testiranja treba kritiki koristiti. U praksi su retka. Ako se posebno ne istakne suprotno, testiranje se vri dvosmernim testom. Testovi na kojima se temelji postupak dokazivanja ili odbacivanja nulte hipoteze nazivaju se testovima znaajnosti (signifikantnosti) i globalno mogu da se podele u dve grupe:

parametrijski neparametrijski testovi.

PARAMETRIJSKI (NUMERIKI) TESTOVI primenjuju se kada:

su vrednosti ispitivanog obeleja data numeriki, odnosno intervalnom i skalom odnosa podaci o pojavi koja se prouava ne odstupaju znaajno od normalne raspodele, a za velike uzorke (vee od 30 jedinica) i bez obzira na njihov raspored

Od parametrijskih testova najpoznatiji i teorijski najrazraeniji i praktino primenljivi su z-test i t-test. Tu spadaju i regresiona analiza, analiza varijanse itd. Meutim, kao to se moe uoiti iz tabele br. 1, jedan od osnovnih uslova za primenu z testa je da je varijansa osnovnog skupa poznata, a kod osnovnog skupa koji nema normalan raspored, uzorci moraju da budu vei od 30 jedinica. Na drugoj strani t test moe da se primeni i kod malih i kod velikih uzoraka i jo plus nije uslov da je varijansa osnovnog skupa poznata vrednost. U praksi, pri zakljuivanju na osnovu uzorka, varijansa osnovnog skupa nikad nije poznata, pa je praktina primena t testa mnogo znaajnija, tako da e u ovom praktikumu samo t test biti obraen.

NEPARAMETRIJSKI TESTOVI se primenjuju kada:

Su vrednosti obeleja date opisno Ponekad za numerika obeleja, kada je mali uzorak (manji od 30 jedinica), a podaci su nesimetrino rasporeeni (odstupanje od normalne raspodele testira se posebnim testovima), kada se varijable ne tretiraju kao brojevi s kojima su mogue matematike operacije, ve kao rangirani niz.

Od neparametrijskih testova poznati su: 2 test, Mek Nemarin test, Fierov test itd. Neparametrijski testovi imaju manju pouzdanost i manju snagu od parametrijskih.
Razlika izmeu parametrijskih i neparametrijskih testova moe da se iskae i na sledei nain: Parametrijski testovi se bave testiranjem parametara osnovnog skupa, a neparametrijski testiranjem vrednostima neparametara (frekvencija) osnovnog skupa.

Da bi smo lake prepoznali test koji treba primeniti, potrebno je znati: 1. veliinu uzorka - mali uzorci su uzorci manji od 30 (n<30 ili n1+n2<60), a veliki uzorci vei od 30 jedinica (n>30 ili n1+n2>60). 2. vrstu rasporeda kod numerikih obeleja - ukoliko je uzorak veliki koristi se parametrijski test. Ukoliko je uzorak mali treba proveriti tip rasporeda, pa ako je raspored normalan koristi se t test, a ukoliko nije normalan primenjuje se neki od neparametrijskih testova. Za orjentaciju izbora testa pri testiranju nulte hipoteze o aritmetikoj sredini osnovnog skupa moe da poslui sledea ema:

Tabela 1. Izbor testa pri testiranju nulte hipoteze

Da bi smo se orjentisali koji tip parametrijskog ili neparametrijskog testa treba primeniti, potrebno je razlikovati zavisne od nezavisnih, tj. uparene od neuparenih uzoraka. Nezavisni uzorci su oni uzorci kod kojih jedinice jednog uzorka nemaju nikakav uticaj na izbor jedinica drugog uzorka i metodom sluajnosti se odabiraju iz dva osnovna skupa sa razliitim aritmetikim sredinama. Kod nezavisnih uzoraka jedna grupa ispitanika je kontrolna (npr. grupa hipertoniara iz Nia leenih novim lekom) a druga eksperimentalna (npr. grupa hipertoniara iz Beograda leenih placebom). Zavisni uzorci su uzorci gde je jedna ista grupa ispitanika i kontrolna i eksperimentalna (npr. merena je jaina stiska ake grupe mukaraca kontrolna grupa, a zatim su poslati na treniranje odbojke godinu dana nakon ega im je merena jaina stiska ake nakon ega su oni eksperimentalna grupa.)
Studentov t - raspored

T distribuciju je otkrio 1908. Vilijam Goset, hemiar i statistiar zaposlen u Ginisovoj pivskoj kompaniji. Smatrao se studentom koji jo uvek ui statistiku, tako da je svoje radove potpisivao pod pseudonimom student, ili je moda koristio pseudonim zbog Ginisovih ogranienja o tajnama zanata. Aritmetike sredine jednakih uzoraka dobijenih iz istog osnovnog skupa rasporeuju se oko aritmetike sredine osnovnog skupa u vidu normalne distribucije frekvencije. Raspored nije uslovljen unutranjim rasporedom jedinica osnovnog skupa, mada se mogu izdvojiti nekoliko oblika normalnosti: 1. Ako je raspored jedinica unutar osnovnog skupa normalan, raspored aritmetikih sredina uzoraka oko aritmetike sredine osnovnog skupa ima sve osobine Gausovog normalnog rasporeda, bez obzira na veliinu uzorka. 2. Iste osobine pokazuje i distribucija aritmetikih sredina jednakih uzoraka dobijenih iz osnovnog skupa koji ne pokazuje normalan raspored, ako su uzorci veliki. Obino ovaj uslov zadovoljavaju uzorci vei od 30 jedinica (n>30). 3. Aritmetike sredine jednakih malih uzoraka (n<30) dobijenih iz skupa koji ne pokazuje normalan raspored, takoe ine jedan oblik normalnog rasporeda oko aritmetike sredine osnovnog skupa, poznat pod nazivom Student-ov t raspored. Kod malih uzoraka simbol z-vrednost se zamenjuje simbolom t-vrednost. Njegova formula je: x xos xuz xos t = uz = SDuz SG n 1 Sutinska razlika izmeu t-vrednosti i z-vrednosti je u tome to u izrazu:

t=

xuz xos SDuz n 1

sluajno promenljive predstavljaju i x uz x os i

SDuz . n 1

U sutini standardna greka predstavlja ovde sluajno promenljivu jer zavisi od veliine uzorka, samim tim t-vrednost zavisi od veliine uzorka, dok to nije bio sluaj sa zvrednou jer je standardna greka bila konstantna pa z-vrednost nije zavisila od veliine uzorka. Aritmetike sredine jednakih uzoraka, ali manjih od 30 jedinica rasporeuju se oko aritmetike sredine osnovnog skupa, po posebnom t-rasporedu, tako da t-vrednost zavisi od veliine uzorka. Postoje razliite vrste t distribucija, to je kllasa distribucija. Kada se govori o odreenoj t distribuciji, mora se odrediti stepen slobode. Krivine gustine t su simetrine i u obliku zvona kao normalna distribucija, a vrh im je na 0. Ipak, irenje je vee nego kod standardne normalne distribucije. to su vei stepenislobode, to je t raspored blii normalnom rasporedu.

Za male uzorke za ocenu intervala ne mogu da se primene tablice normalnog rasporeda ve posebne Student-ove tablice t-rasporeda. irina krive, koja je pri dnu ira od krive normalnog rasporeda, uslovljava da se na nju ne moe da primeni sigma tri pravilo, tj. da se u intervalu t= 0 1,96 SG nalazi 95% tvrednosti. Ovaj procenat t-vrednosti se nalazi u znatno irem intervalu, a veliina intervala zavisi i od veliine uzorka: to je uzorak manji to je irina intervala vea.

za uzorak od 2 jedinice u intervalu: za uzorak od 4 jedinice u intervalu: za uzorak od 10 jedinica za uzorak od 20 jedinica za uzorak od 30 jedinica

xos 12,71SG

xos 318 , SG xos 2,26SG xos 2,09 SG

xos 2,04 SG

Na osnovu iznetih osobina Studentovog t-rasporeda uraene su posebne tablice za granine t-vrednosti za odgovarajuu verovatnou i broja stepena slobode

Kod uzoraka veih od 30 jedinica i za odgovarajuu verovatnou t-vrednost se izjednauje sa z-vrednou a Studentov t-raspored zadobija oblik standardizovanog normalnog rasporeda. Iz ovog zakljuka proizilazi drugi veoma vaan zakljuak da tablice Studentovog trasporeda mogu da se primenjuju za ocenu intervala pouzdanosti aritmetike sredine osnovnog skupa i na osnovu malih uzoraka (n<30 jedinica) i na osnovu velikih uzoraka (n>30).
Razlike izmeu Z i t vrednosti Udaljenost sluajno promenljive od X izraena u jedinicama SD Ako je X =0 a SD=1, Z se rasporeuje oko Z=0 u vidu standardizovanog normalnog rasporeda U intervalu Z=0 3SD nalazi se 99,73% svih Z vrednosti Za odgovarajuu P, Z se odreuje na osnovu tablica normalnog rasporeda. Z=1,64 za P=0,90 Z=1,96 za P=0.95 Z=2,58 za P=0.99 Testovi zasnovani na Z vrednosti primenjuju se samo za velike uzorke n>30. Odnos izmeu razlike i SG te razlike t-vrednost se oko t=0 ne rasporeuje u vidu standardizovanog normalnog rasporeda, ve u vidu specifinog t-rasporeda U intervalu t=0 3SD nalazi se manje od 99,73% t-vrednosti. Za odgovarajuu P i SS t se odreuje na osnovu studentovih tablica t-rasporeda. Sa poveanjem n, t se pribliava Z i sa n>30 izjednaava se sa Z. Testovi zasnovani na tvrednosti mogu se primenjivati i na male i na velike uzorke.