Statističke hipoteze i testovi

Asist. Emina Mehić, MA

Uvod

 Da bi se utvrdilo da li se razlika između izmjerenih i standardnih vrijednosti može objasniti nasumičnim

greškama može se koristiti statistčki test poznat kao signifikantni test (test značajnosti).
 Ovaj pristup testira da li je razlika između dva rezultata značajna ili se može objasniti samo slučajnim
greškama.
 Signifikantni testovi imaju široku primjenu u procjenjivanju eksperimentalnih podataka.
Statistički testovi

 Koraci pri izvođenju statističkih testova:

1. Postaviti nultu hipotezu
2. Izabrati nivo pouzdanosti
3. Odrediti veličinu uzorka
4. Izabrati satistički test za testiranje hipoteze
5. Utvrditi kritičnu vrijednost za odabrani statistički test
6. Prikupiti podatke
7. Izračunati statističku veličinu za odabrani statistički test
8. Donijeti statistički zaključak
9. Izraziti statistički zaključak
Parametrijski i neparametrijski testovi

 Parametrijske metode koriste se za upoređivanje dvije ili više grupa podataka i zasnivaju se na pretpostavci
da su podaci normalno raspodijeljeni. Ove metode se uvijek zasnivaju na teoriji vjerovatnoće i pojavljuje se
potreba za ocjenjivanjem pojedinih parametara (srednja vrijednost, standardna devijacija ili varijanca).
 Kada se sa sigurnošću ne može utvrditi normalna raspodjela jedne grupe podataka, tada su parametrijski
testovi vrlo nepouzdani, te se koriste neparametrijske metode.
 Neparametrijske metode se zasnivaju na pretpostavci da postoji bilo koja vjerovatnoća raspodjele.
Statistička hipoteza

 Statistička hipoteza predstavlja pretpostavku da slučajna varijabla jeste raspodijeljena po određenom zakonu
raspodjele.
 Statistički test je standardni način ocjene ispravnosti postavljene statističke hipoteze na osnovi
eksperimentalnih podataka.
 Statističkim testovima se testira tačnost hipoteze koja je poznata pod nazivom nulta hipoteza.
Nulta hipoteza H0

 Termin nulta se koristi kako bi se nagovijestila činjenica da ne postoji razlika između posmatrane i poznate
vrijednosti osim zbog slučajne varijacije.
 Pretpostavljajući da je nulta hipoteza tačna, statistička teorija se može koristiti za izračunavanje vjerovatnoće
da će posmatrana razlika (ili veća) između srednje vrijednosti uzorka , i stvarne vijednosti x, nastati
  isključivo kao rezultat slučajnih grešaka.

 Nulta hipoteza potvrđuje se ili odbacuje statističkim testovima.

 Odbacivanjem nulte hipoteze potvrđuje se alternativna hipoteza, koja pretpostavlja postojanje statistički
bitnih razlika između ispitivanih skupina.
Vjerovatnoća, P

 Svaki rezultat statističke provjere neke pretpostavke izražava se kao vjerovatnoća.

 P<0,05 – vjerovatnoća nekog događaja je manja od 5%.
 Teorija vjerovatnoće se bavi i proučavanjem odnosa više različitih povezanih ili nepovezanih događaja.
 Na primjer, ona može davati vjerovatnoću istovremenog odvijanja ili neodvijanja dva ili više događaja, itd.
t-test

 t-test se koristi:
1. Za utvrđivanje postojanja sistematskih grešaka;
2. Kada se upoređuje srednja vrijednost grupe podataka sa pravom vrijednošću (određivanje tačnosti);
3. Kada se upoređuju srednje vrijednosti dvije grupe podataka;
4. Kod paralelnih određivanja.
t-test (upoređivanje eksperimentalno određene
srednje vrijednosti sa pravom vrijednošću)
 Da bismo odredili da li je razlika između srednje vrijednosti i stvarne vrijednosti značajna tj. za testiranje H 0:
srednja vrijednost populacije iz koje je uzet uzorak, statistički test t se računa:

  
 Dobivena vrijednost se upoređuje sa kritičnom t-vrijednošću, koja je za dati nivo pouzdanosti i broj stepeni
slobode očitava u tabeli.
t-test

 Ukoliko dobviena vrijednost t bude veća od kritične vrijednosti data nulta hipoteza se odbacuje.
 U suprotnom ne postoje dokazi za postojanje sistematske greške (ovo ne znači da sistematska greška ne
postoji, nego samo da ona nije izražena).
Jednostrani i dvostrani testovi

 Kada analitičar prije eksperimenata ne može predvidjeti koja će razlika između eksperimentalne i referentne
vrijednosti biti pozitivna ili negativna tada mora koristiti test koji će obuhvatiti svaku mogućnost takav test
se naziva dvostrani test.
 U nekim sličajevima može biti i prikladna drugačija vrsta testa. Na primjer: ukoliko želimo povećati brzinu
reakcije upotrebom katalizatora, prije izvođenja eksperimenta jedini ishod koji želimo je da nova brzina
reakcije je veća od stare, te tada samo povećanje treba testirati da li ima značaj. Ovakava vrsta testova se
naziva jednostrani testovi.
Jednostrani i dvostrani testovi

 Za datu vrijednost n i određeni interval pouzdanosti kritična vrijednost se razlikuje kod jednostranih u
odnosu na dvostrane testove.
 Za jednostrane testove prihvatljiva vrijednost je P=0.10.
 Za dvostrane testove prihvatljiva vrijednost je P=0.05.
Poređenje dvije eksperimentalno određene
srednje vrijednosti

1. Standardne devijacije dvije metode koje su bliske

  
Poređenje dvije eksperimentalno određene
srednje vrijednosti

2. Standardne devijacije dvije metode koje se značajno razlikuju

  
Uporedni t-test

 Upoređivanje dvije metode ispitivanjem uzoraka koji sadrže različite količine analita.
 U ovom slučaju ne može da se upotrijebi test za upoređivanje dvije srednje vrijednosti jer on ne razdvaja
varijaciju prouzrokovanu određenom metodom od varijacije prouzrokovane razlikama između uzoraka.
 Ne može da se koristi kada je širok opseg koncentracija, jer se zasniva na pretpostavci da bilo koja greška,
slučajna ili sistematska, je nezavisna od koncentracije.
 Alternativa je linearna regresijska analiza.
Uporedni t-test

 Gdje je :
  srednja vrijednost razlike parova
 Sd- standardna devijacija razlike