UNIVERZITET ISTOČNO SARAJEVO

MEDICINSKI FAKULTET FOČA

STUDIJSKI PROGRAM STOMATOLOGIJA

Testiranje hipoteza
Seminarski rad

Student: Profesor:
Srđan Mašić

Foča, 2020
Sadrzaj

Uvod........................................................................................................3

1. Postupak testiranja hipoteze primenom pristupa zasnovanog na kritičnoj

vrednosti................................................................................................4

2. Testiranje hipoteze o aritmetičkoj sredini osnovnog skupa..............6

Zaključak...............................................................................................9
Uvod
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.
1. 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.
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.

Korak 2. Izbor test

a 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.

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 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.

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.

2. 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.

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.

Zaključak
Statistička hipoteza, ponekad nazvana potvrdnom analizom podataka, hipoteza je koja se može testirati na
osnovu posmatranja procesa koji se modeluje pomoću skupa randomnih promenljivih.[1] Test statističke
hipoteze je metoda statističkog zaključivanja. Obično se upoređuju dva skupa statističkih podataka ili se
upoređuje skup podataka dobijen uzorkovanjem sa sintetičkim skupom podataka iz idealizovanog modela.
Predlaže se hipoteza za statistički odnos između dva skupa podataka, i to se upoređuje
kao alternativa idealizovanoj nultoj hipotezi koja ne predlaže odnos između dva skupa podataka.
Upoređivanje se smatra statistički značajnim ako je odnos između skupa podataka malo verovatna
realizacija nulte hipoteze prema graničnoj verovatnoći - nivou značaja. Testovi hipoteze koriste se kada se
određuje koji bi rezultati studije doveli do odbacivanja nulte hipoteze za unapred određeni nivo značaja.