One-Tail Test
• U prethodnim analizama primjera firme koja proizvodi
Osnove testiranja hipoteze jednog uzorka
(nastavak)
Prof. dr. Mugdim Pašid
1 2
One-Tail Test – Lower Tail Test
• Npr. u našem primjeru firma je mogla samo da
ispita da li je AS količine punjenja kutijama
žitaricama manja od 368, iz razloga da se kupci
ne bi žalili.
• U ovom slučaju područje odbacivanja bi bilo
locirano u samo u donjem repu krive
• HT je:
a a
H0: m 368
H1: m < 368 Područje z=0
odbacivanja Kritična µ = 368
vrijednost
3 vrijednost odbacivanja
One-Tail Test– Lower Tail Test
• Kompanija za proizvodnju sira otkupljuje
mlijeko od individualnih dobavljača.
Kompanija želi da se uvjeri da li dobavljači
sipaju vodu u mlijeko, kako bi uvedali količinu
mlijeka. Poznato je tačka smrzavanja
prirodnog mlijeka µ = -0,545 , dok je
standardna devijacija je σ = 0,008 .
• Kompanija je uzela uzorak od n=25
• α = 0,05 i 𝑥 = −0,550
5 6
žitarice HT metodologija je korištena da se ispita da li je
aritmetička sredina populacije količine žitarica u kutiji
368 grama.
• Alternativna hipoteza, H1 : µ ≠ 368, sadrži dvije
mogudnosti:
– AS populacije < 368 i
– AS populacije > 368
• Iz ovoga razloga područje odbacivanja je podijeljeno u
dva repa sampling distribucije AS.
• U mnogim situacijama alternativna hipoteza se fokusira
na određeni pravac (direction)
One-Tail Test – Upper Tail Test
• Također firma je mogla samo da ispita da li je
AS količine punjenja kutijama žitaricama veda
od 368, iz razloga da firma ne pravi gubitke.
• U ovom slučaju područje odbacivanja bi bilo
locirano u samo gornjem repu krive
• HT je:
H0: m  368
H1: m > 368
z=0
µ = 368 Kritična Područje
4
One-Tail Test– Lower Tail Test
• Pošto je kompanija zainteresirana samo da
utvrdi da li je temperatura smrzavanja
dostavljenog mlijeka manja od uobičajene
temperature smrzavanja mlijeka, područje
odbacivanja je locirano u donjem repu krive
distribucije.
1
 One-Tail Test – Lower Tail Test One-Tail Test – Lower Tail Test
• H0 : µ ≥ 0,545 • Pošto je poznata standardna devijacija populacije
• H1 : µ < 0,545 koristi se z test
• Alternativna hipoteza sadrži tvrdnju koju želimo • Područje odbacivanja je u potpunosti u donjem
dokazati repu krive jer de H0 biti odbačena samo ako je AS
• Ako je rezultat testa “Odbaciti H0 “ (“Reject H0“) uzorka signifikantno manja od -0,545
postoji statistički dokaz da je prosječna • Ovo je direkcioni test (One-Tail ili Directional Test)
temperatura smrzavanja mlijeka dobavljača • Kada H1 sadrži znak < onda z critical mora biti
manja od uobičajene prirodne temperature negativno.
smrzavanja mlijeka
7 8

Pošto je α = 0,05
Tražimo površinu: 0,5 – α = 0,45 One-Tail Test – Lower Tail Test
Interpolacijom se dobije z=-1,645

• Odbaciti H0 ako je zstat < - 1,645

Standard Normal Curve Probability Distribution

Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
• U spurotnom Ne odbaciti H0
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177 α= 0,05 0,95
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319 Područje
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
odbacivanja
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633 Z stat = -3,125 0
Z crit = -1,645
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767 𝑥 − µ −0,550 − (−0,545) Pošto je z stat < z crit
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817 𝑧𝑠𝑡𝑎𝑡 = 𝜎 = = −3,125 Odbaciti H0
0,008
𝑛 25
9 10

Zaključak
• Pošto je z stat < z crit
• Odbaciti H0
• Dakle:
• Postoji statistički dokaz da je prosječna
temperatura smrzavanja mlijeka dobavljača
signifikantno manja od prirodne temperature
smrzavanja mlijeka -0,545
• Treba poduzeti određene mjere
11 12

2
 p-vrijednost pristup
𝑥 − µ −0,550 − (−0,545)
Z Test of Hypothesis for the Mean 𝑧𝑠𝑡𝑎𝑡 = 𝜎 = = −3,125
0,008
Data 𝑛 25
Null Hypothesis
Level of Significance
m= -0,545
0,05
• Pošto je područje odbacivanja u cjelosti u donjem repu
Population Standard Deviation 0,008 potrebno je nadi vjerovatnodu da de z vrijednost biti
Sample Size 25 manja od z stat
Sample Mean -0,55
• Koristedi Tabelu ili funkciju Excelu =NORMSDIT(-3,125)
Intermediate Calculations dobije se vjerovatnoda p=0,0009
Standard Error of the Mean
Z Test Statistic
0,0016
-3,125
• Pošto je p < α (0,0009 < 0,05) ⟹ Odbaciti H0
• Postoji statistički dokaz da je prosječna temperatura
Lower-Tail Test
Lower Critical Value -1,644853627
smrzavanja mlijeka dobavljača signifikantno manja od
p -Value 0,000889025 prirodne temperature smrzavanja mlijeka -0,545
Reject the null hypothesis • Treba poduzeti određene mjere.
13 14

t – test za AS
p-vrijednost pristup
σ nepoznato
• U mnogim slučajevima nije poznata
standardna devijacija populacije (σ)
α= 0,05 Područje
odbacivanja
• Pa se koristi standardna devijacija uzorka (s)
• Sampling distribucija AS slijedi t distribuciju sa
p=0,0009 n-1 stepeni slobode (n=veličina uzorka)
Z stat = -3,125 0 • Ako populacija nije normalno distribuirana
Z crit = -1,645 može se koristiti t test ako je uzorak dovoljno
velik (n ≥ 30)

15 16

t – test za AS t – test za AS
σ nepoznato σ nepoznato
• U zadnjih pet godina u jednom supermarketu
• t-test hipoteze za AS, σ nepoznato: prosječna potrošnja po računu je µ = 120 KM.
• Menadžer želi da utvrdi da li se ova potrošnja
𝑥−µ promijenila. Uzeo je uzorak od 12 računa i
𝑡𝑠𝑡𝑎𝑡 = 𝑠
izabrao α=0,05.
𝑛

17 18

3
 t – test za AS t – test za AS
σ nepoznato σ nepoznato
• Podaci uzorka su dati niže • H0: m =120 KM
• H1: m  120 KM
Aritmetička sredina je:
Iznos
računa • Alternativna hipoteza sadrži tvrdnju koju želimo
(KM)
𝑥𝑖 dokazati
108,98
𝑥= = 112,85 KM • Ako se H0 odbaci onda postoji statistički dokaz da
𝑛
152,22
111,45
110,59 se AS populacije (prosječna potrošnja po računu)
127,46
107,26 Standardna devijacija je: promijenila, odnosno da nije 120 KM.
93,32
91,97 • Ako je H0 ne odbaci onda ne postoji dovoljno
111,56 (𝑥 𝑖 −𝑥 )2 dokaza da se prosječna potrošnja po računu
75,71 𝑠= = 20,80 KM
128,58 𝑛−1 promijenila odnosno da se razlikuje od
135,11
dugogodišnjeg prosjeka od 120 KM.
19 20

t – test za AS t – test za AS
σ nepoznato σ nepoznato
• Kritična vrijednost t se nalazi iz tabele • Područje odbacivanja se dijeli na dva dijela
• tcrit=2,201 • 0,025 u donjem repu i 0,025 u gornjem repu

Područje Područje
odbacivanja 0,475 0,4475 odbacivanja

0,95
0,025 0,025

120 KM

t crit = - 2,2010 t crit = 2,2010

Područje
21 neodbacivanja 22

t – test za AS
σ nepoznato
𝑥−µ 112,85 − 120
𝑡𝑠𝑡𝑎𝑡 = 𝑠 = = −1,1908
20,80
𝑛 12
• Ako je tstat <-tcrit ili ako je tstat > tcrit Odbaciti H0
• U suprotnom ne odbaciti H0
• Pošto je -2,201 <tstat<2,201
• Ne odbaciti H0: m =120 KM
• Nemate dovoljno dokaza da zaključite da se
prosječna potrošnja po računu razlikuje od 120
KM.

23 24

4
 p-value pristup
t Test for Hypothesis of the Mean

Data • Koristedi funkciju Excela =TDIST(1,1908;11;2) dobije se

Null Hypothesis m= 120 vjerovatnoda p=0,2588
Level of Significance 0,05
Sample Size 12 • Pošto je p > α (0,2588 > 0,05) ⟹ Ne odbaciti H0
Sample Mean 112,85
Sample Standard Deviation 20,8 • Nemate dovoljno dokaza da zaključite da se prosječna
potrošnja po računu razlikuje od 120 KM.
• p vrijednost pokazuje da ako je H0: m =120 KM tačna,
Intermediate Calculations
Standard Error of the Mean 6,0044428
Degrees of Freedom 11 vjerovatnoda, da de uzorak od 12 računa imati
t Test Statistic -1,19078493
prosječnu vrijednost koja se razlikuje od 120 KM za
Two-Tail Test 7,15 KM ili više, je 0,2588
• Drugim riječima, ako je AS računa tačno 120 KM,
Lower Critical Value -2,200985159
Upper Critical Value 2,200985159
p -Value 0,258800339 vjerovatnoda da demo dobiti promatranu AS uzorka od
Do not reject the null hypothesis
12 računa manju od 112,85 ili vedu od 127,15KM je
25,88%
25 26

Excel:
p-vrijednost =TDIST(t;df;tails) =TDIST(1,1908;11;2
uporediti p-vrijednost sa α
Ako je p > α Ne odbaciti H0 p-vrijednost=0,2588 > 0,05
Provjera da normaliteta
• t test koristimo ako je
– Nepoznata σ , standardna devijacija populacije
– Uzorak je slučajni iz populacije koja je normalno
Područje Područje distribuirana
odbacivanja 0,475 0,4475 odbacivanja • Provjera da li je populacija normalno distribuirana
0,95 može se uraditi na osnovu toga da li je distribucija
0,025 uzorka normalno distribuirana
t crit = - 2,2010 t crit = 2,2010 • Ako je veličina uzorka mala (manja od 30) i ako
t = - 1,1908 ne možete provjeriti ili pretpostaviti da je
populacija barem približno normalno
Područje distribuirana koriste se druge metode
neodbacivanja
27 28

z test HT za proporcije z test HT za proporcije

• Ako je np  5, n(1-p)  5 𝑝−𝑝
𝑧=
• p može biti aproksimirana sa normalnom 𝑝(1 − 𝑝)
distribucijom sa aritmetičkom sredinom i 𝑛
standardnom devijacijom • Gdje je:
p(1 p)
μP = p σp = 𝑝 = 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑗𝑎 𝑢𝑧𝑜𝑟𝑘𝑎 =
𝑥
=
𝑏𝑟𝑜𝑗 uspjeha 𝑢 𝑢𝑧𝑜𝑟𝑘𝑢
n 𝑛 𝑛
𝑝 = ℎ𝑖𝑝𝑜𝑡𝑒𝑧𝑖𝑟𝑎𝑛𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑗𝑎 uspjeha 𝑝𝑜𝑝𝑢𝑙𝑎𝑐𝑖𝑗𝑒

• Sampling distribucija p je normalno distribuirana 𝑛 = 𝑣𝑒𝑙𝑖č𝑖𝑛𝑎 𝑢𝑧𝑜𝑟𝑘𝑎

29 30

5
 z test HT za proporcije z test HT za proporcije
• Napravljeno je istraživanje sa upitom šta • Odaberete nivo signifikanotnosti, npr. α = 0,05
vlasnici malih radnji smatraju najvedom
opasnošdu za svoj biznis. 78 od 151 vlasnika Područje Područje
malih radnji je odgovorilo da su to veliki odbacivanja 0,475 0,4475 odbacivanja
trgovački centri. 0,95
• Postaviti nultu i alternativnu hipotezu 0,025

• Koristi se test u dva repa (two tailed test)

z = - 1,96 z = 1,96
• H0 : p = 0,5 Područje
neodbacivanja
• H1 : p ≠ 0,5
31 32

z test HT za proporcije z test HT za proporcije

• Odbaciti H0: p = 0,5 ako je z < -1,96 ili ako je z > 1,96
• U suprotnom: Ne odbaciti H0 • Odaberete nivo signifikanotnosti, npr. α = 0,05
• H0 : p = 0,5 𝑥 78
• H1 : p ≠ 0,5 𝑝= = = 0,5166 Područje Područje
𝑛 151 odbacivanja
odbacivanja 0,475 0,4475
𝑝−𝑝 0,5166 − 0,50 0,0166
𝑧= = = = 0,4069 0,95
0,025
𝑝(1 − 𝑝) 0,50(1 − 0,50) 0,0407 0,025
Z = 0,4069
𝑛 151
• Pošto je -1,96 < Zstat=0,4069 < 1,96 z = - 1,96 z = 1,96
Područje
• Ne odbaciti H0: p = 0,5 neodbacivanja
• 50% vlasnika malih trgovačkih radnji misli da su im veliki
trgovački centri najveda opasnost za opstanak. 33 34

Z Test of Hypothesis for the Proportion

Data
Null Hypothesis p= 0,5
Level of Significance 0,05
Number of Successes 78
Sample Size 151

Intermediate Calculations
Sample Proportion 0,516556291
Standard Error 0,040689423
Z Test Statistic 0,406894229

Two-Tail Test
Lower Critical Value -1,959963985
Upper Critical Value 1,959963985
p-Value 0,684085674
Do not reject the null
hypothesis

35 36

6
 p vrijednost pristup za proporcije p vrijednost pristup za proporcije
Izračunati p-value i uporediti sa a.
• Treba pronadi površinu (vjerovatnodu) iznad Treba pronadi površinu (vjerovatnodu) iznad z=0,4069 i ispod z=-0,4069.

z=0,4069 i ispod z=-0,4069. p-value = 0,6841

Ne odbaciti H0
P(z  0,4069)  P(z  0,4069)
• Excel Odbaciti H0
a/2 = 0,95
Odbaciti H0
a/2 = 0,025 a/2 = 0,025 = 2(0,5  0,15795) =
=2*(1- NORMSDIST(0,4069)) 2(0,34205) = 0,6841
• Ta vjerovatnoda je p=2(0,34205)=0,6841 0,34205
0,34205

-1,96 0 1,96

z = -0,4069 z = -0,4069
Ne odbaciti H0 jer je p-value = 0,6841 >a = 0,05
50% vlasnika malih trgovačkih radnji misli da su im veliki trgovački
37
centri najveda opasnost za opstanak. 38

α, β Tip II greška - β
• Tip I greška: pojavljuje se ako se odbaci nulta • Tip II greška je vjerovatnoda da se napravi greška da
se ne odbaci netačna H0
hipoteza H0 kada je ona tačna i kada ne bi
trebala biti odbačena. Pretpostavimo da nismo odbacili H0: μ  52
– Vjerovatnoda da se pojavi Type I error je α Kada je stvarna aritmetička sredina μ = 50
• Tip II greška: pojavljuje se ako se ne odbaci
nulta hipoteza H0 kada je ona netačna i kada bi a
trebala biti odbačena.
– Vjerovatnoda da se pojavi Type II error je β 50 52

Odbaciti Ne odbaciti
H0: μ  52 H0 : μ  52
39 40

Tip II greška - β Tip II greška - β

Pretpostavimo da nismo odbacili H0: μ  52 Pretpostavimo da nismo odbacili H0: μ  52
Kada je stvarna aritmetička sredina μ = 50 Kada je stvarna aritmetička sredina μ = 50

Raspon x u kome H0 nije odbačena

Ovo je stvarna distribucija x ako Ovdje, β = P( x  odsječak ) ako je μ = 50
je m = 50

a β

50 52 50 52
Odbaciti Ne odbaciti Odbaciti Ne odbaciti
H0: m  52 H0 : m  52 H0: μ  52 H0 : μ  52
41 42

7
 Računanje β Računanje β
• Neka je n = 64 , σ = 6 , i a = 0,05
• Odsječak xα : • Neka je n = 64 , σ = 6 , and a = 0,05
σ 6
xa = μ  za = 52  1,645 = 50,766  
n 64  50,766 50 
P( x  50,766| μ = 50) = P z   = P(z  1,02) = 0,5  0,3461= 0,1539
 6 
 64 
(za H0 : μ  52) Stoga β = P( x  50,766 ) ako je μ = 50
Vjerovatnoda
Type II error:

β β = 0,1539
a a

50 50.766 52 50 52
Odbaciti Ne odbaciti Odbaciti Ne odbaciti
H0: μ  52 H0 : μ  52 H0: μ  52 H0 : μ  52
43 44