TESTIRANJE STATISTIČKIH HIPOTEZA

Kao što smo napomenuli ukoliko postoje određene informacije o vrednostima parametra osnovnog
skupa tada se provodi postupak testiranja statističkih hipoteza.

Cilj testiranja je da se ispita prihvatljivost tvrdnji ili pretpostavki koje se tiču osobina
jednog ili više osnovnih skupova. Kao i kod ocenjivanja parametara do tačnih vrednosti se može
doći samo sveobuhvatnim posmatranjem jedinica skupa. Takođe, da bismo bili potpuno sigurni u
tačnost navedenih pretpostavki i tvrđenja morali bismo izvršiti popis. Kako to obično ne činimo,
prilikom testiranja hipoteza koristimo uzorak i na osnovu njega donosimo odluku da li su
postavljene pretpostavke prihvatljive ili nisu.

Statistička hipoteza je precizno formulisano tvrđenje ili pretpostavka o nekoj važnoj

karakteristici jednog ili više skupova.

Pošto odluku o prihvatanju ili odbacivanju statističke hipoteze donosimo na osnovu

informacija iz uzorka, prilikom testiranja hipoteza uvek je prisutan rizik da ćemo u odluci
pogrešiti. Moguće je napraviti dve vrste grešaka, ali treba naglasiti da verovatnoće javljanja ovih
grešaka možemo kontrolisati.

Statističke testove možemo klasifikovati na dva načina. Prema broju uzoraka koje
analiziramo testove delimo na:

• testove zasnovane na jednom uzorku,

• testove zasnovane na dva uzorka i
• testove zasnovane na tri i više uzoraka.

S obzirom na vrstu i jačinu pretpostavki na kojima se zasnivaju, testove delimo na

parametarske- klasične testove i neparametarske testove.

Parametarski (klasični) testovi formulisani su početkom XX veka. Njihova teorijska

podloga se zasniva na verovanju da u prirodi i društvu preovladava samo jedan raspored, normalan
raspored. Ukoliko je ovaj preduslov ispunjen, tada su parametarski testovi optimalan izbor.

Tek posle drugog svetskog rata počeo je ubrzan razvoj druge vrste testova, koji nemaju
preduslov normalnosti. U ovu grupu testova spadaju resampling testovi.U statističkoj teoriji
formulisan je veliki broj testova za različite namene, jer ne postoji jedan, „savršen“ test, koji bi
bio optimalan u svakoj mogućoj situaciji. Situacija se potpuno promenila poslednjih godina, sa
opštom dostupnošću računara i statističkih softvera. Zbog toga se naglasak stavlja, ne na puku
primenu nekog testa, već na ispitivanje preduslova na kojima se test zasniva i interpretaciji
rezultata.
 Postupak testiranja hipoteze primenom pristupa zasnovanog na
kritičnoj vrednosti

Postupak statističkog testiranja hipoteza se sastoji od nekoliko etapa (koraka):

1. Na osnovu postavljenog problema formuliše se nulta H0 i alternativna hipoteza H1.

2. Uzima se slučajan uzorak, bira se odgovarajući test (raspodela) koji će se koristiti.
3. Određivanje oblasti odbacivanja i neodbacivanja nulte hipoteze (kritična oblast).
4. Izračunavanje vrednosti statistike testa
5. Formuliše se zaključak u kontekstu postavljenog problema (donošenje odluke).

Treba posebno naglasiti da su drugi i peti korak izuzetno važni. Preskakanje drugog koraka,
posledica je upotrebe neodgovarajućeg testa, a pogrešnim tumačenjem rezultata u petom koraku
može se izvući pogrešan zaključak.

Korak 1. Nulta i alternativna hipoteza

U statističkom testiranju pod nultom hipotezom H0 kao i alternativnom hipotezom H1

smatramo dva precizna, među sobom isključujuća tvrđenja o vrednosti nekog parametra osnovnog
skupa.

Nulta hipoteza je postavka, iskaz, o vrednosti nepoznatog parametra skupa, a testiranje je

tako koncipirano da se proceni jačina dokaza protiv te hipoteze. Da bi se ona odbacila potrebno je
naći dovoljno ubedljive dokaze u uzorku. Nulta hipoteza može biti prosta i složena. H0 je prosta
ako se njom tvrdi da je parametar jednak tačno jednoj, unapred poznatoj numeričkoj vrednosti,
tzv. hipotetičkoj vrednosti H0:(m=m0). Ako nulta hipoteza obuhvata više vrednosti, na primer H0:
μ≤x0, ona je složena.

Svakoj nultoj hipotezi suprotstavljamo alternativnu hipotezu H1. Alternativna hipoteza je

tvrđenje o parametru skupa koje će biti prihvaćeno samo kada se nađu dovoljno ubedljivi dokazi
u uzorku. Ova hipoteza sadrži sve vrednosti koje parametar može imati, a koje nisu obuhvaćene
nultom hipotezom, pa je data u obliku složene hipoteze. Često je nazivaju i istraživačkom
hipotezom jer se njom izražava mišljenje koje postupkom testiranja nastoji da se potvrdi. Hipotezu
H1, ponekad je potrebno prvo postaviti, pa tek nakon toga nultu.

Primer: H0:( μ=5cm) protiv H1:( μ≠5cm). H0 je prosta hipoteza jer se tvrdi da je prosečna
dužina tačno 5 cm, dok je H1 složena hipoteza jer prosečna dužina može biti bilo koja vrednost
različita od 5 cm.

Nulta i alternativna hipoteza se javljaju u tri varijante i to:

A H0 : μ = μ0 H1 : μ ≠ μ0
B H0 : μ ≤ μ0 H1 : μ > μ0
C H0 : μ ≥ μ0 H1 : μ < μ0
Prva varijanta podrazumeva dvosmerni test ili dvostrani test, dok druge dve varijante
podrazumevaju tzv. Jednosmerne testove (levostrani I desnostrani test). Ono što se u praksi ne sme
raditi je da primenimo dvosmerni test, a da nakon toga, nezadovoljni rezultatom, na istim
podacima koristimo jednosmerni test. U postupku testiranja naše uverenje formulišemo u obliku
alternativne hipoteze, a proveravamo samo nultu. Polazimo od pretpostavke da je H0 istinita i
nastojimo da na osnovu uzorka ovu pretpostavku osporimo. Alternativnu hipotezu ne
proveravamo, već je automatski prihvatamo kao istinu, ako podaci svedoče protiv nulte hipoteze.

U statistici nikad ne zaključujemo da je nulta hipoteza stvarno istinita, već samo da

nemamo dovoljno dokaza da je odbacimo.

Kod donošenja odluke o prihvatanju ili odbacivanju nulte hipoteze moguće su sledeće
greške:

Greška I vrste je verovatnoća da se odbaci hipoteza H0 kada je ona stvarno tačna i označavamo je
sa ∝ , ∝-verovatnoća greške prvog tipa i naziva se nivo ili prag značajnosti.

Greška II vrste je verovatnoća da se prihvati H0 kada je stvarno tačna hipoteza H1 i označavamo

je sa 𝛽.

Mora se voditi računa da rizik greške nije isto što i greška, rizik greške je verovatnoća da ćemo
napraviti grešku. Ishodi testiranja hipoteze u statističkom premeru takođe dovode do dve
mogućnosti. Nulta hipoteza može u stvarnosti biti istinita ili neistinita. S druge strane, podaci mogu
biti ili saglasni sa H0 ili joj protivrečiti. Dakle, postoji mogućnost da podaci uzorka dovedu do
ispravne odluke i podrže istinitu hipotezu ili da ospore pogrešnu nultu hipotezu. Međutim, kako
uzorak nikada nije savršeno reprezentativan, moguća su i sledeća dva ishoda, tj. da se informacija
uzorka saglasi sa neistinitom ili protivreči istinitoj nultoj hipotezi.

Stvarno stanje
H0 je istinita H0 nije istinita
H0 se ne ispravna odluka greška II vrste-
odbacuje 1- 𝜶 β
Odluka
H0 se odbacuje greška I vrste- ispravna odluka
α 1-β

Povećanje veličine uzorka utiče na smanjenje greške prve i druge vrste.

Najčešće se koristi dva nivoa značajnosti α = 0,05 ili α = 0,01, što znači da svesno unapred
prihvatamo da ćemo u proseku u 5% odnosno 1% slučajeva napraviti grešku ako se odbaciti
istinita nulta hipoteza.

Bilo za koji metod da se odlučimo nikada nećemo saznati da li smo doneli ispravnu odluku
pre svega što radimo samo sa uzorkom. Zato naše zaključke uvek moramo tumačiti tako da se
ogradimo i ukažemo na mogućnost greške.
 Korak 2. Izbor testa

Optimalan izbor testa pri rešavanju postavljenog problema, uz uslov da je raspored skupa
normalan, svodi se na dva testa, ali u čak šest različitih vidova. Takođe, može se sagledati da nam
se pri testiranju aritmetičke sredine nude dve opcije, Z test i t-test. U praksi je gotovo uvek
standardna devijacija nepoznata, tako da se skoro isključivo koristi t-test. Dakle za svaki od
navedenih problema možemo koristiti jedan optimalan parametarski test.

Istrazivački problem Optimalan test

Testiranje aritmetičke sredine jednog skupa, σ Z test
poznata
Testiranje aritmetičke sredine jednog skupa, σ
t- test,
nije poznata, uzorak veličine n < 30
Testiranje aritmetičke sredine jednog skupa, σ Z test,
nije poznata, uzorak veličine n ≥ 30
Testiranje proporcije jednog skupa Z test
Testiranje jednakosti aritmetičkih sredina dva
Z test,
skupa, poznate σ oba skupa
Testiranje jednakosti aritmetičkih sredina dva
t- test,
skupa , σ su jednake u oba skupa
Testiranje jednakosti proporcija dva skupa Z test

Ako statistika testa ima normalan raspored koristićemo naravno tablice standardizovanog
normalnog rasporeda; ako ima t-raspored, kritične vrednosti nalazimo u t- tablicama. Jačina testa
je verovatnoća da se odbaci pogrešna nulta hipoteza obeležava se sa 1‒α.

Korak 3. Određivanje oblasti odbacivanja i neodbacivanja nulte hipoteze (kritične oblasti)

Za unapred izabran nivo značajnosti ∝, poznavanjem teorijskog rasporeda statistike testa i
u zavisnosti od alternativne hipoteze određuje se kritična vrednost testa ili prag značajnosti, a
oblasti koje ona definiše su kritične oblasti (intervali odbacivanja nulte hipoteze). Primer:

Oblast odbacivanja H0 Oblast prihvatanja H0 Oblast odbacivanja H0 Oblast prihvatanja H0 Oblast odbacivanja H0

Dve kritične vrednosti Kritična vrednost

Korak 4. Izračunavanje vrednosti statistike testa

Statistika testa je kriterijum na osnovu kojeg vršimo testiranje i na osnovu kojeg

konceptu testiranja donosimo odluku o odbacivanju ili ne odbacivanju nulte hipoteze.

Jasno je da mora da se formuliše neki indikator koji bi merio razliku između naše
hipotetičke vrednosti i empirijske evidencije iz uzorka. Ako bi taj indikator imao malu vrednost,
ne bismo mogli da tvrdimo da je nulta hipoteza netačna. Tu razliku, zbog pre svega mernih
jedinica, potrebno je još podeliti sa standardnom greškom ocene.

𝐎𝐜𝐞𝐧𝐚 𝐩𝐚𝐫𝐚𝐦𝐞𝐭𝐫𝐚−𝐇𝐢𝐩𝐨𝐭𝐞𝐭𝐢č𝐤𝐚 𝐯𝐫𝐞𝐝𝐧𝐨𝐬𝐭 𝐩𝐚𝐫𝐚𝐦𝐞𝐭𝐫𝐚

Statistika testa = 𝐒𝐭𝐚𝐧𝐝𝐚𝐫𝐝𝐧𝐚 𝐠𝐫𝐞š𝐤𝐚 𝐨𝐜𝐞𝐧𝐞

Na bazi izvučenog uzorka izračunava se statistika testa od koje zavisi da li će se nulta

hipoteza prihvatiti ili ne. Ona je kriterijum za procedure testiranja. Statistika testa uzima različite
vrednosti od uzorka do uzorka i te vrednosti je nemoguće predvideti. Po svojoj prirodi statistika
testa je slučajna promenljiva pa kao takva ima svoju raspodelu verovatnoće. Poznavanje tog
rasporeda omogućava nam izračunavanje različitih verovatnoća realizacija raznih statistika testa,
kao i onih dobijenih u konkretnom uzorku.

Korak 5. Donošenje odluke o nultoj hipotezi

Pravilo odlučivanja se postavlja poređenjem realizovane vrednosti statistike testa sa kritičnom

vrednošću. U zavisnosti od oblika testa postoje tri pravila:

• Ako je test dvosmeran, tada se posmatra apsolutna vrednost statistike testa, pa ako je ona
veća od tablične odbacuje se nulta hipoteza i usvaja alternativna.
• Ako je test jednosmeran, a alternativna hipoteza levostrana, tada statistika testa treba da
bude manja od kritične vrednosti, uz odgovarajući predznak.
• U slučaju jednosmernog ali desnostranog testa, statistika testa mora da bude veća od
tablične vrednosti da bi se nulta hipoteza odbacila.
Primer:
 H0 treba odbaciti ako je |𝐳| >zα/2,
u suprotnom H0 ne treba odbaciti;
 H0 treba odbaciti ako je z < - 𝒛𝜶;
u suprotnom H0 ne treba odbaciti;
 H0 treba odbaciti ako je z > 𝒛𝜶 ;
u suprotnom H0 ne treba odbaciti.
 Testiranje hipoteze o aritmetičkoj sredini osnovnog skupa

1. Uslovi za primenu Z - testa su:

- Standardna devijacija skupa σ je poznata.

- Standardna devijacija skupa σ nije poznata

a) Osnovni skup ima normalan raspored, a uzorak je prozvoljne veličine, ili

b) Raspored osnovnog skupa nije poznat, a n ≥ 30.

𝑋̅ −𝜇0
Statistika testa je: 𝑍 = : N(0;1)
𝜎𝑋
̅

Postavljanje pravila odlučivanja i donošenje odluke o nultoj hipotezi:

A: H0 treba odbaciti ako je |𝑧|> zα/2; u suprotnom H0 ne treba odbaciti;

B: H0 treba odbaciti ako je z > zα; u suprotnom H0 ne treba odbaciti

C: H0 treba odbaciti ako je z < - zα ; u suprotnom H0 ne treba odbaciti.

gde je μ0 poznata hipotetička vrednost aritmetičke sredine skupa.

Primer 1.

Prosečna vrednost potrošačke korpe u uzorku od 100 slučajno odabranih četvoročlanih

porodica je 478 eura. Uz rizik greške 5% ispitati istinitost nulte hipoteze da je prosečna vrednost
potrošačke korpe četvoročlane porodice 485 eura. Osnovni skup je normalno raspoređen sa
standardnom devijacijom 27 eura.

Rešenje:
Sprovešćemo postupak testiranja po etapama:
1. Formiramo nultu i alternativnu hipotezu:
H0 : μ = 485, H1 : μ ≠ 485, α = 0,05.
2. Biramo statistiku testa i izračunavamo njenu vrednost na osnovu uzorka:
𝑋̅ −𝜇0 478−485
𝑍= 𝜎 = 27 =-2,59.
√𝑛 √100
3. Postavljamo pravilo odlučivanja na osnovu kojeg zadržavamo ili odbacujemo nultu hipotezu.
Kako je u pitanju dvosmerni test, za dati rizik greške od 0,05 kritična oblast je:
K = (−∞;−1,96)∪(1,96;+∞)
Kako vrednost statistike testa iz uzorka pripada kritičnoj oblasti
Z = −2,59∈K , možemo zaključiti da nultu hipotezu ne prihvatamo sa rizikom 5 %.

2. Uslovi za primenu Studentovog testa su:

- Osnovni skup je normalno raspoređen, varijansa osnovnog skupa nije

poznata, uzorak je proizvoljne veličine, ili

- Uzorak je veličine n<30.

𝑋̅ −𝜇0 𝑋̅ −𝜇0
Statistika testa: 𝑡 = = 𝑆𝑛 .
𝑆𝑋
̅
√𝑛

ima Studentov raspored sa n − 1 stepeni slobode.

Postavljanje pravila odlučivanja i donošenje odluke o nultoj hipotezi:

A:H0 treba odbaciti ako je |𝑡|> tn−1;α/2; u suprotnom H0 ne treba odbaciti;

B:H0 treba odbaciti ako je t > tn-1 ;α; u suprotnom H0 ne treba odbaciti;

C:H0 treba odbaciti ako je t < ‒ tn-1 ;α; u suprotnom H0 ne treba odbaciti.

Primer 2.

Potrebno je da procenat vlažnosti smokava pri sušenju bude manje od 10%. Na osnovu
uzorka od 20 kg izmereni procenat vlažnosti je 12,2%, sa standardnom devijacijom od 1,2%. Sa
rizikom od 5% proveriti da li je zadovoljen uslov o procentu vlažnosti.
Rešenje:

U primeru koristimo desnostrani test. Oblast odbacivanja je na desnom kraju krive

raspodele i površina oblasti odbacivanja je α = 0,05 .
(n=20<30, 𝜎 =? sledi t-test)
1. Formiramo nultu i alternativnu hipotezu:

H0 : μ ≤ 10, H1: μ > 10.

2. Vrednost statistike testa u uzorku je:

𝑋̅ −μ 12,2−10
𝑡= 𝑆𝑛 = 1,2 = 8,20.
√𝑛 √20

3. Kako je u pitanju jednosmerni test, za dati rizik greške od 0,05 I broj stepeni slobode n-1 čitamo
iz t-raspodele vrednost kritične tačke je t19;0,05=1,7291, sledi

kritična oblast je K = (1,7291; +∞)

Kako vrednost statistike testa iz uzorka pripada kritičnoj oblasti,

Z = 8,20 > 1,7291

zaključujemo da na osnovu uzorka možemo odbaciti tvrdnju proizvođača,

sa rizikom od 5%.

Prof. dr Slavica Dabetić