Was ist Hypothese Testen?

Hypothesentests sind ein Akt in der Statistik, bei dem ein Analyst eine Annahme in Bezug auf einen Populationsparameter testet. Die vom Analysten angewandte Methodik hängt von der Art der verwendeten Daten und dem Grund für die Analyse ab.

Hypothesentests werden verwendet, um die Plausibilität einer Hypothese anhand von Beispieldaten zu beurteilen. Solche Daten können von einer größeren Population oder von einem datengenerierenden Prozess stammen., Das Wort „Population“ wird für beide Fälle in den folgenden Beschreibungen verwendet.

Key Takeaways

  • Hypothesentests werden verwendet, um die Plausibilität einer Hypothese anhand von Beispieldaten zu bewerten.
  • Der Test liefert anhand der Daten Hinweise auf die Plausibilität der Hypothese.
  • Statistische Analysten testen eine Hypothese, indem sie eine Zufallsstichprobe der zu analysierenden Population messen und untersuchen.,

Wie Hypothesentests funktionieren

Bei Hypothesentests testet ein Analyst eine statistische Stichprobe mit dem Ziel, die Plausibilität der Nullhypothese nachzuweisen.

Statistische Analysten testen eine Hypothese, indem sie eine Zufallsstichprobe der zu analysierenden Population messen und untersuchen. Alle Analysten verwenden eine zufällige Populationsstichprobe, um zwei verschiedene Hypothesen zu testen: die Nullhypothese und die alternative Hypothese.

Die Nullhypothese ist normalerweise eine Hypothese der Gleichheit zwischen Populationsparametern; zB, eine null-Hypothese kann erklären, dass der Mittelwert der Grundgesamtheit zurück, ist gleich null. Die alternative Hypothese ist effektiv das Gegenteil einer Nullhypothese (z. B. ist die mittlere Rendite der Population nicht gleich Null). Sie schließen sich also gegenseitig aus und nur einer kann wahr sein. Eine der beiden Hypothesen wird jedoch immer wahr sein.

4 Schritte Hypothesentests

Alle Hypothesen werden in einem vierstufigen Prozess getestet:

  1. Der erste Schritt besteht darin, dass der Analyst die beiden Hypothesen angibt, damit nur eine richtig sein kann.,
  2. Der nächste Schritt besteht darin, einen Analyseplan zu formulieren, der beschreibt, wie die Daten ausgewertet werden.
  3. Der dritte Schritt besteht darin, den Plan auszuführen und die Beispieldaten physisch zu analysieren.
  4. Der vierte und letzte Schritt besteht darin, die Ergebnisse zu analysieren und entweder die Nullhypothese abzulehnen oder angesichts der Daten anzugeben, dass die Nullhypothese plausibel ist.,

Reales Beispiel für Hypothesentests

Wenn zum Beispiel eine Person testen möchte, dass ein Penny genau eine 50% ige Chance hat, auf Köpfen zu landen, wäre die Nullhypothese, dass 50% korrekt sind, und die alternative Hypothese wäre, dass 50% nicht korrekt sind.

Mathematisch würde die Nullhypothese als Ho dargestellt: P = 0.5. Die alternative Hypothese würde als „Ha“ bezeichnet und mit der Nullhypothese identisch sein, außer mit dem durchschlagenen Gleichheitszeichen, was bedeutet, dass sie nicht gleich 50% ist.,

Eine Zufallsstichprobe von 100 Münzwurf wird entnommen und die Nullhypothese wird dann getestet. Wenn festgestellt wird, dass die 100 Münzwurf als 40 Köpfe und 60 Schwänze verteilt wurden, würde der Analyst davon ausgehen, dass ein Penny keine 50% ige Chance hat, auf Köpfen zu landen, und die Nullhypothese ablehnen und die alternative Hypothese akzeptieren.

Wenn es andererseits 48 Köpfe und 52 Schwänze gäbe, dann ist es plausibel, dass die Münze fair sein und trotzdem ein solches Ergebnis erzielen könnte., In Fällen wie diesen, in denen die Nullhypothese „akzeptiert“ wird, gibt der Analyst an, dass der Unterschied zwischen den erwarteten Ergebnissen (50 Köpfe und 50 gry) und den beobachteten Ergebnissen (48 Köpfe und 52 gry) „nur zufällig erklärbar ist.“

0