Dvije populacije

Standardne devijacije
populacija σ1 i σ2 poznate,
popul. nor. dist. ili n1 i n2  30

Testiranje hipoteze Standardne devijacije

razlike μ1 i μ2 dvije populacija σ1 i σ2 nepoznate,
Testiranje hipoteze razlike dva nezavisne n1 i n2  30
populacije
parametra populacije Standardne devijacije
populacija σ1 i σ2 nepoznate,
Testiranje hipoteze n1 ili n2 < 30
Testiranje hipoteze
razlike proporcija,
Prof. dr. Mugdim Pašid razlike dva
p1 i p2, dvije
parametra
populacije
populacija

Testiranje hipoteze
razlike μ1 i μ2 dvije
odnosne populacije 2

Dvije populacije
Standardne devijacije
populacija σ1 i σ2 poznate,
Testiranje hipoteze razlike
popul. nor. dist. ili n1 i n2  30 μ1 i μ2 dvije nezavisne populacije

Testiranje hipoteze Standardne devijacije

razlike μ1 i μ2 dvije populacija σ1 i σ2 nepoznate,
nezavisne n1 i n2  30
Standardne devijacije
populacije Standardne devijacije Standardne devijacije
Standardne devijacije populacija σ1 i σ2
populacija σ1 i σ2 populacija σ1 i σ2
populacija σ1 i σ2 nepoznate, poznate, popul. nor. dist.
nepoznate, n1 i n2  30 nepoznate, n1 ili n2 < 30
Testiranje hipoteze n1 ili n2 < 30 ili n1 i n2  30
Testiranje hipoteze
razlike proporcija,
razlike dva Varijanse jednake:
p1 i p2, dvije
parametra Koristiti standardne koristiti sp; Varijanse nisu
populacije
populacija devijacije uzoraka (s1 i s2) jednake: koristiti
Koristiti z test za procjenu σ1 i σ2 standardne devijacije
uzoraka (s1 i s2)
Koristiti z test
Testiranje hipoteze Koristiti t test
razlike μ1 i μ2 dvije
odnosne populacije 3 4

σ1 i σ2 poznate, n1 i n2  30
z vrijednost
Primjer
• z statističko se računa po sljededoj formuli: • Jedna kompanija proizvodi remene za motore.
Kompanija ima dvije mašine za proizvodnju

z
x 1 
 x 2   μ1  μ2 
remena. Standardna devijacija dužine remena na
prvoj mašini je 0,025 cm, dok je st. dev. na drugoj
σ1
2
σ
2 mašini 0,034 cm. Menadžer kvaliteta želi da
 2 testira da li su remeni proizvedeni na mašini 2
n1 n2 duži, te je stoga uzeo uzorke od po 100 remena
proizvedenih na dvije mašine.
x1  0,501cm i x2  0,509 cm
• Izabrao je nivo signifikantnosti α=0,05.

5 6

1
 σ1 i σ2 poznate, n1 i n2  30 σ1 i σ2 poznate, n1 i n2  30
Primjer Primjer
• U ovom primjeru de se koristiti lower tail test • Za α = 0,05 ⟹ z 0,05  1,645 iz tabele
jer želimo da provjerimo da li je dužina • (z ima - predznak jer je lower tail test)
remena proizvedenih na mašini 2 veda od onih
proizvedenih na mašini 1: α= 0,05
Područje 0,45
• Lower tail test: odbacivanja
0
• H0: μ1 – μ2  0 Z crit = -1,645

• H1: μ1 – μ2 < 0 • Ako je zstat < -1,645 Odbaciti nultu hipotezu

• U suprotnom Ne odbaciti nultu hipotezu

7 8

Pošto je α = 0,05
Tražimo površinu: 0,5 – α = 0,45
σ1 i σ2 poznate, n1 i n2  30
Interpolacijom se dobije z=-1,645 Primjer
• Statistički z test
z
x
1 
 x 2   μ1  μ2 
Standard Normal Curve Probability Distribution 2 2
 0,501 0,509  0  1,90 σ1 σ
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 z  2
n1 n2
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621 0,0252 0,0342
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 100 100
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177

• Pošto je zstat = -1,90 <-1,645 ⟹ Odbaciti nultu hipotezu

1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545 • H0: μ1 – μ2  0
1,7
1,8
0,4554
0,4641
0,4564
0,4649
0,4573
0,4656
0,4582
0,4664
0,4591
0,4671
0,4599
0,4678
0,4608
0,4686
0,4616
0,4693
0,4625
0,4699
0,4633
0,4706
• Postoji statistički dokaz da se zaključi da remeni
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767 proizvedeni na mašini dva su vedi od remena
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817 proizvedenih na mašini jedan.
9
9 10

σ1 i σ2 poznate, n1 i n2  30 σ1 i σ2 poznate, n1 i n2  30
Primjer, p-vrijednost pristup Primjer, p-vrijednost pristup
• p-vrijednost za ovaj one-tail test je vjerovatnoda
Iz tabele za
da de z vrijednost biti < od zstat = -1,90
izračunato zstat
Standard Normal Curve Probability Distribution p-vrijednost = 0,4713
α= 0,05
0,5 – 0,4713 =
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0287
Područje odbacivanja
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 0
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319 Vjerovatnoda Z stat = -1,90 Z crit = -1,645
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545 je 0,5 - 0,4713
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633 • Pošto je p-vrijednost=0,0287 < α = 0,05
1,8
1,9
0,4641
0,4713
0,4649
0,4719
0,4656
0,4726
0,4664
0,4732
0,4671
0,4738
0,4678
0,4744
0,4686
0,4750
0,4693
0,4756
0,4699
0,4761
0,4706
0,4767
• Odbaciti H0: μ1 – μ2  0
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
11 12

2
 z vrijednost
Testiranje hipoteze razlike
μ1 i μ2 dvije nezavisne populacije
• z statističko se računa po sljededoj formuli:

Standardne devijacije
populacija σ1 i σ2
Standardne devijacije
populacija σ1 i σ2
Standardne devijacije
populacija σ1 i σ2 z
x 1 
 x 2   μ1  μ2 
poznate, popul. nor. dist.
nepoznate, n1 i n2  30 nepoznate, n1 ili n2 < 30 2 2
ili n1 i n2  30 s1 s
 2
Varijanse jednake: n1 n2
Koristiti standardne koristiti sp; Varijanse nisu
devijacije uzoraka (s1 i s2) jednake: koristiti
Koristiti z test za procjenu σ1 i σ2 standardne devijacije
uzoraka (s1 i s2)
Koristiti z test
Koristiti t test

13 14

σ1 i σ2 nepoznate, n1 i n2  30 σ1 i σ2 nepoznate, n1 i n2  30
Primjer Primjer (nastavak)
• Operacioni menadžer ABC Telecom želi da • U ovom primjeru de se koristiti two tail test jer
utvrdi da li postoji razlika u platama ženskih i želimo da provjerimo da li se prosječne plate
muških klijenata korisnika mobilnih telefona. muškaraca i žena razlikuju:
Uzeli su uzorke i to 200 muškaraca i 100 žena.
• Two tail test:
• Podaci za aritmetičke sredine i standardne
devijacije uzoraka su kako slijedi (1=m 2=ž): • H0: μ1 – μ2 = 0
x1  43.390KM i x2  42.400KM • HA: μ1 – μ2 ≠ 0
s1=7.300 KM i s2 = 8.200 KM
• Izabrao je nivo signifikantnosti α=0,05.
15 16

σ1 i σ2 poznate, n1 i n2  30 Pošto je α = 0,05

Tražimo z za površinu: 0,5 – α/2 = 0,475
Primjer (nastavak) z=1,96
• z/2  z 0,025  1,96 i - z/2  z 0,025  1,96 (Iz tabele)
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
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
0,95
α/2= 0,025 α /2 = 0,025 1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
Područje 0,475 0,475 Područje 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
odbacivanja odbacivanja 1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
0 1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
Z crit = -1,96 Z crit = 1,96 1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
• Ako je zstat < -1,96 ili zstat > 1,96 Odbaciti H0 1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633

• U suprotnom Ne odbaciti H0
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
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817

17 18

3
 σ1 i σ2 nepoznate, n1 i n2  30 σ1 i σ2 nepoznate, n1 i n2  30
Primjer (nastavak) Primjer (nastavak)
• Statistički z test
z
x
1 
 x 2   μ1  μ2 
z statističko
 43.390  42.400  0  1,022
2 2
s1 s
z  2 Područje
n1 n2 Područje
7.3002 8.2002 odbacivanja
 odbacivanja 0,475 0,475
200 100
0,95
0,025 0,025
• Pošto je zstat = 1,022 < zcrit = 1,96 ⟹ Ne odbaciti nultu Z = 1,022

hipotezu
• H0: μ1 – μ2 = 0 zcrit = - 1,96
Područje
zcrit = 1,96

• Ne postoji statistički dokaz da se zaključi da su neodbacivanja

prosječna primanja žena i muškaraca različita.

19 20

σ1 i σ2 nepoznate, n1 i n2  30 σ1 i σ2 nepoznate, n1 i n2  30
p-vrijednost pristup, Primjer (nastavak) p-vrijednost pristup, Primjer (nastavak)
• Treba pronadi površinu (vjerovatnodu) desno • p-vrijednost za ovaj two-tail test je vjerovatnoda
od z=1,022 i lijevo od z=-1,022. da de z vrijednost biti
• Ta vjerovatnoda je p=2(0,15339)= 0,306781 > od zstat = 1,022 i < od ztat = -1,022
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
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
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319 Interpolacijom
1,5
1,6
0,4332
0,4452
0,4345
0,4463
0,4357
0,4474
0,4370
0,4484
0,4382
0,4495
0,4394
0,4505
0,4406
0,4515
0,4418
0,4525
0,4429
0,4535
0,4441
0,4545
se dobije
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633 vjerovatnoda
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
0,5 - 0,34661=
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817 0,15339
21

σ1 i σ2 nepoznate, n1 i n2  30 Z Test for Differences in Two Means

p-vrijednost pristup, Primjer (nastavak) Data

Hypothesized Difference 0
Izračunati p-value i uporediti sa . Ako je p-vrijednost >  Ne odbaciti H0 Level of Significance 0,05
Treba pronadi površinu (vjerovatnodu) iznad z=1,022 i ispod z=-1,022. Population 1 Sample
Sample Size 200
Sample Mean 43390
Ne odbaciti Odbaciti H0 P(z  1,022 )  P(z  1,022 )
Odbaciti H0 Population Standard Deviation 7300
H0  2(0,15339)  0,306781 Population 2 Sample
/2 = 0,025 1 = 0,95 /2 = 0,025 Sample Size 100
p-vrijednost = 0,306781
Sample Mean 42400
Population Standard Deviation 8200

0,15339 0,15339 Intermediate Calculations

Difference in Sample Means 990
Standard Error of the Difference in Means 968,9427
0 Z-Test Statistic 1,021732
zcrit = - 1,96 zcrit =1,96
z = -1,022 z = 1,022 Two-Tail Test
Lower Critical Value -1,95996
p-vrijednost = 0,306781 >  = 0,05 ⟹ Ne odbaciti H0 Upper Critical Value 1,959964
p-Value 0,306908
Ne postoji statistički dokaz da se zaključi da su prosječna primanja Do not reject the null hypothesis
žena i muškaraca različita. 23 24

4
 Testiranje hipoteze razlike dvije aritmetičke Testiranje hipoteze razlike dvije aritmetičke
sredine nezavisnih populacija, (μ1 – μ2), sredine nezavisnih populacija, (μ1 – μ2),
Two tailed test
direkcioni test
Two-tailed test: Lower tail test: Upper tail test:
H0: μ1 = μ2 /2 /2
H0: μ1  μ2 H0: μ1 ≤ μ2
H1: μ1 ≠ μ2 H1: μ1 < μ2 H1: μ1 > μ2
odnosno, odnosno,
odnosno, -zcrit Zcrit H0: μ1 – μ2  0 H0: μ1 – μ2 ≤ 0
H0: μ1 – μ2 = 0 H1: μ1 – μ2 < 0 H1: μ1 – μ2 > 0
H1: μ1 – μ2 ≠ 0 Odbaciti H0 ako je
z < - zcrit ili z > zcrit
 
Nulta hipoteza: Tvrdnja da su dvije aritmetičke sredine jednake
Istraživačka (alternativna) hipoteza: Tvrdnja koju želimo dokazati -
da su dvije aritmetičke sredine različite -zcrit zcrit
Odbaciti H0 ako je z < - zcrit Odbaciti H0 ako je z > zcrit

25 26

σ1 i σ2 nepoznate, n1 i n2 < 30
Testiranje hipoteze razlike
varijanse populacija su jednake
μ1 i μ2 dvije nezavisne populacije
• Pretpostvake:
– Obje populacije su normalno distribuirane
Standardne devijacije
populacija σ1 i σ2
Standardne devijacije Standardne devijacije • Može se koristiti goodness-of-fit test da se provjeri da li
populacija σ1 i σ2 populacija σ1 i σ2 podaci u uzorku dolaze iz populacije koja je normalno
poznate, popul. nor. dist.
nepoznate, n1 i n2  30 nepoznate, n1 ili n2 < 30 distribuirana
ili n1 i n2  30

Varijanse jednake:
– Varijanse populacija su jednake
Koristiti standardne koristiti sp; Varijanse nisu – Uzorci su nezavisni
devijacije uzoraka (s1 i s2) jednake: koristiti
Koristiti z test za procjenu σ1 i σ2 standardne devijacije
uzoraka (s1 i s2)
Koristiti z test
Koristiti t test

27 28

σ1 i σ2 nepoznate, n1 i n2 < 30
Primjer
varijanse populacija su jednake

t
x 1 
 x 2   μ1  μ2  • Napravljeno je istraživanje da se utvrdi da li se sa brand
1 1 name ink printer cartridge (BNIPC) može otprintati više
sp  stranica nego sa no name ink printer cartridge (NNIPC).
n1 n2 Slučajni uzorak od 10 korisnika je odabran i dat im je
BNIPC. Drugi uzorak od 8 korisnika je dobio NNIPC.
t ima (n1 + n2 – 2) stepeni slobode Obje grupe su koristile svoje printere dok nije nestalo
tinte u cartridgeima.
sp je zajednička standardna devijacija (pooled standard
BNIPC x1  322,5 stranica i NNIPC x2  298,3 stranica
deviation) s1=48,3 stranice i s2 = 53,3 stranice
n1  1s12  n2  1s2 2 • Izabrani nivo signifikantnosti α=0,05. Pretpostaviti iste
sp  varijanse populacija.
n1  n2  2

29 30

5
 Primjer (nastavak) Primjer (nastavak)
• Broj stepeni slobode = n1 + n2 – 2= 10+8-2=16
• U ovom primjeru de se koristiti upper tail test
• Iz tabele za d.f.=16 area in one tail t0,05=1,746
jer želimo da provjerimo da li je μ1 , broj
stranica otprintanih sa BNIPC vedi od μ2, broja
stranica otprintanih sa NNIPC:
• Upper tail test:
• H0: μ1 – μ2 ≤ 0
• H1: μ1 – μ2 > 0
• Ako je t > 1,746 Odbaciti nultu hipotezu
• U suprotnom, ne odbaciti nultu hipotezu
31 32

Primjer (nastavak) Primjer (nastavak)

• Statistički t test t
x 1 
 x 2   μ1  μ2 
Odbaciti H0 1 1
Ne odbaciti H0 sp 
sp 
n1  1s12  n2  1s2 2 
( 10  1 )48,32  ( 8  1 )53,32
 50,55
n1 n2
α = 0,05 n1  n2  2 10  8  2
Region
0,5 0,45
odbacivanja H0
t
x
1 
 x 2   μ1  μ2 

( 322,5  298,3 )  0,0
 1,0093
0 1 1 1 1
sp  50,55 
n1 n2 10 8
t crit = 1,7459
• Pošto je tstat (1,0093) < tcrit (1,746)
• Ne odbaciti nultu hipotezu
• Ne postoji dovoljno dokaza da se zaključi da je
prosječni broj stranica BNIPC > NNIPC
33 34

σ1 i σ2 nepoznate, n1 i n2 < 30
Primjer (nastavak) Varijanse populacija nisu jednake
Ne odbaciti H0
Odbaciti H0
• Statistički t test:
t
x1 
 x 2   μ1  μ2 
α = 0,05 s12 s22

0,5 0,45
Region n1 n2
odbacivanja H0
0 • Broj stepeni slobode d.f.
t stat = 1,0093 < t crit = 1,7459 ( s12 / n1  s22 / n2 ) 2
df 
 ( s12 / n1 ) 2 ( s22 / n2 ) 2 
 
 n 1  n 1 
 1 2 

36
35 36

6
 Dvije populacije Testiranje hipoteze razlike μ1 i μ2 dvije
Standardne devijacije
populacija σ1 i σ2 poznate,
popul. nor. dist. ili n1 i n2  30
odnosne populacije
Testiranje hipoteze Standardne devijacije • Vrijednosti u jednom uzorku su uparene sa
populacija σ1 i σ2 nepoznate,
razlike μ1 i μ2 dvije
n1 i n2  30
vrijednostima u drugom uzorku
nezavisne
populacije
Standardne devijacije
• Nazivaju se i zavisni uzorci
Testiranje hipoteze
populacija σ1 i σ2 nepoznate,
n1 ili n2 < 30
• Koristi se razlika uparenih vrijednosti:
Testiranje hipoteze
razlike proporcija,
razlike dva
parametra
p1 i p2, dvije 𝑑 = 𝑥1 − 𝑥2
populacija
populacije • Pretpostavka:
– Obje populacije su normalno distribuirane ili su
uzorci veliki, n1 i n2  30
Testiranje hipoteze
razlike μ1 i μ2 dvije
odnosne populacije 37 38

Testiranje hipoteze razlike μ1 i μ2 dvije Testiranje hipoteze razlike μ1 i μ2 dvije

odnosne populacije odnosne populacije 𝑑 − µ
𝑑
𝑡= 𝑠
• Broj stepeni slobode: d.f. = n-1 • Gdje je (nastavak): 𝑑

• i-ta uparena razlika je: 𝑑𝑖 = 𝑥1𝑖 − 𝑥2𝑖 𝑛

𝑑 − µ𝑑 • Tačka procjene za aritmetičku sredinu uparene
𝑡= 𝑠𝑑 razlike: 𝑛
𝑖=1 𝑑𝑖
𝑛 𝑑=
𝑛

• µd = µ1 - µ2 • n je broj parova (uparenih vrijednosti) u uparenim uzorcima

• Gdje je: • Standardna devijacija za uparene uzorke

𝑖=𝑛
− 𝑑 )2
𝑖=1 (𝑑𝑖
𝑠𝑑 =
𝑛−1
39 40

Primjer Primjer (nastavak)

• Napravljeno je istraživanje da se utvrdi da li se sa Korisnik Brand No-name

brand name ink printer cartridge (BNIPC) može
1 306 300
otprintati više stranica nego sa no name ink
printer cartridge (NNIPC). 2 256 260
3 402 357
• Odabrano je 6 korisnika da testiraju oba tipa
printera. 4 299 286
5 306 290
• Oni su koristili printere dok nije nestalo tinte u
cartridgeima. 6 257 260
• Izabrani nivo signifikantnosti α=0,01.
• Podaci su dati u sljededoj tabeli:
41 42

7
 Primjer (nastavak) Primjer (nastavak)
• Broj stepeni slobode = n -1= 6-1=5
• U ovom primjeru de se koristiti upper tail test jer • Iz tabele za d.f.=5 area in one tail t0,01=3,365
želimo da provjerimo da li je μ1 , broj stranica
otprintanih sa BNIPC vedi od μ2, broja stranica
otprintanih sa NNIPC:
Upper tail test:
H0: μ1 – μ2 ≤ 0
H1: μ1 – μ2 > 0

Odnosno
H0: μd ≤ 0 • Ako je t > 3,365 Odbaciti nultu hipotezu
H1: μd > 0 • U suprotnom, ne odbaciti nultu hipotezu
43 44

• Aritmetička sredina i standardna devijacija Dvije populacije

Standardne devijacije
Korisnik Brand No-name di dsr=suma(di)/n di-dsr (di-dsr)^2 stand. dev.
populacija σ1 i σ2 poznate,
1 306 300 6 12,17 -6,17 38,02778 18,02
2 256 260 -4 -16,17 261,3611 popul. nor. dist. ili n1 i n2  30
𝑛
𝑑
3 402 357 45 𝑑 = 𝑖=1 𝑖 32,83 1078,028
4 299 286 13 𝑛 0,83 0,694444 Testiranje hipoteze Standardne devijacije
5 306 290 16 3,83 14,69444 razlike μ1 i μ2 dvije populacija σ1 i σ2 nepoznate,
6 257 260 -3 -15,17 230,0278 nezavisne n1 i n2  30
suma (di) = 73 sum(di-dsr)^2 = 1622,83 populacije
Standardne devijacije
𝑑 − µ𝑑 12,17 − 0,0 𝑖=𝑛
− 𝑑 )2
𝑡= = = 1,6543 𝑖=1 (𝑑𝑖 populacija σ1 i σ2 nepoznate,
𝑠𝑑 18,02 𝑠𝑑 =
𝑛−1 Testiranje hipoteze n1 ili n2 < 30
𝑛 6 Testiranje hipoteze
razlike proporcija,
𝑑𝑖 = 𝑥1𝑖 − 𝑥2𝑖 razlike dva
p1 i p2, dvije
• Pošto je tstat = 1,6543 < tcrit = 3,365 parametra
populacije
populacija
• Ne odbaciti nultu hipotezu
• Nema dovoljno dokaza da se zaključi da se sa
brand name cartridges može isprintati više Testiranje hipoteze
razlike μ1 i μ2 dvije
stranica nego sa no name cartridges. 45 odnosne populacije 46

Testiranje hipoteze razlike proporcija, Testiranje hipoteze razlike proporcija,

p1 i p2, dvije populacije p1 i p2, dvije populacije
• Statistički test je baziran na sampling • Sampling distribucija od p1 – p2 imade
distribuciji 𝑝1 − 𝑝2 aproksimativno normalnu distribuciju ako je:
• n1p1  5 , n1(1-p1)  5
• Kada je 𝑛𝑝 ≥ 5 𝑖 𝑛(1 − 𝑝) ≥ 5 sampling
• n2p2  5 , n2(1-p2)  5
distribucija proporcije uzorka je
• Pošto su p1 i p2 nepoznate koristi se p1 i p2
aproksimativno normalno distribuirana sa (proporcije uzoraka) da se utvrdi da li je uzorak
aritmetičkom sredinom p i varijansom 𝑝(1 − 𝑝) dovoljno velik.
𝑛
• Slično, kada imamo dva uzorka, sampling • n1p1  5 , n1(1-p1)  5
distribucija 𝑝1 − 𝑝2 de aproksimativno biti • n2p2  5 , n2(1-p2)  5
normalna ako je:
47 48

8
 Testiranje hipoteze razlike proporcija, Testiranje hipoteze razlike proporcija,
p1 i p2, dvije populacije p1 i p2, dvije populacije
• Aritmetička sredina sampling distribucije 𝑝1−𝑝2 je jednaka • z test:
razlici proporcija populacija p1 – p2 𝑝1 − 𝑝2 − (𝑝1 − 𝑝2 )
𝑧=
• Varijansa je jednaka sumi varijansi 𝑝1 (1 − 𝑝1 ) + 𝑝2 (1 − 𝑝2 ) 𝑝 1−𝑝 (
1 1
+ )
𝑛1 𝑛2 𝑛1 𝑛2
• Test se provodi pod pretpostavkom da je nulta hipoteza tačna,
dakle pretpostavlja se da je p1=p2=p • (p1 – p2) = hipotezirana razlika proporcija
• Zajednička procjena ukupne proporcije obje populacije populacija 1 i 2 respektivno
zajedno, p, se računa na sljededi način:
𝑛1 𝑝1 + 𝑛2 𝑝2 𝑥1 + 𝑥2 • 𝑝1−𝑝2 = razlika proporcija uzoraka uzetih iz
𝑝= =
𝑛1 + 𝑛2 𝑛1 + 𝑛2 populacija 1 i 2 respektivno
• Gdje je: x1, x2, brojevi iz uzorka 1 i 2 sa karakteristikama od • 𝑝 = Zajednička procjena ukupne proporcije
interesa
obje populacije zajedno
49 50

Primjer Primjer (nastavak)

• Jedno preduzede evaluira skenere za ulaznice od dva • Koristede se two – tail test jer preduzede hode
proizvođača (skener 1 i skener 2). Preduzede želi kupiti
skener za ulaznice iz razloga što se pojavljuje vedi broj da utvrdi da li ima razlike u proporciji
falsificiranih ulaznica. otkrivenih falsificiranih karata
• Preduzede želi da utvrdi ima li razlike u proporciji H0: p1 – p2 = 0
otkrivenih falsificiranih ulaznica korištenjem skenera
dva proizvođača. H1: p1 – p2 = 0
• Izabrani nivo signifikantnosti za ovaj test je α=0,02.
• Uzet je slučajni uzorak iz poznatih falsificiranih ulaznica
veličine 200 ulaznica. Skener 1 je otkrio 186 falsifikata
od 200, dok je skener 2 otkrio 168 falsifikata od 200.

51 52

−𝑧𝑐𝑟𝑖𝑡 𝛼 = −2,33 𝑖 𝑧𝑐𝑟𝑖𝑡 𝛼 = −2,33

Primjer (nastavak) ( )=0,01
2
( )=0,01
2

/2 = 0,01 /2 = 0,01

0,49 0,49

-zcrit Zcrit

53 54

9
 𝑥1 186 𝑥2 168
𝑝1 = = = 0,93 𝑝2 = = = 0,84
𝑛1 200 𝑛2 200
Excel
𝑝1 − 𝑝2 − (𝑝1 − 𝑝2 )
• z test: 𝑧=
1 1 • Izračunavanje z vrijednosti za dato: x, µ, σ :
𝑝 1−𝑝 ( + )
𝑛1 𝑛2 =STANADARDIZE(x; mean; standard deviation)
𝑛1 𝑝1 + 𝑛2 𝑝2 𝑥1 + 𝑥2 200 ∗ 0,93 + 200 ∗ 0,84
𝑝=
𝑛1 + 𝑛2
=
𝑛1 + 𝑛2
=
200 + 200
= 0,885 • Izračunavanje vjerovatnode (od - ∞ do z) za dato: z
𝑝1 − 𝑝2 − (𝑝1 − 𝑝2 ) 0,93 − 0,84 − 0 =NORMSDIST(z)
𝑧= = = 2,8211
1 1 1 1 • Izračunavanje z vrijednosti za datu: vjerovatnodu
𝑝 1−𝑝 ( + ) 0,885 1 − 0,885 ( + )
𝑛1 𝑛2 200 200
• Pošto je zstat = 2,8211 < zcrit, (α/2) = 2,33 =NORMSINV(vjerovatnoda od - ∞ do z)
• Odbaciti nultu hipotezu • Izračunavanje vjerovatnode (od - ∞ do x) za dato: x, µ, σ
=NORMDIST(x; mean; standard deviation;cumulative=TRUE)
• Postoji dovoljno dokaza da se zaključi da postoji
razlika u proporciji otkrivenih falsificiranih • Izračunavanje x vrijednosti za datu: vjerovatnodu (od - ∞), µ, σ
ulaznica korištenjem dva skenera od proizvođača =NORMINV(vjerovatnoda od od - ∞, mean, standard deviation)
1 i 2.
56
55

10