Hypoteesin testaus on eräänlainen tilastollinen päättely, joka käyttää tietoja näyte tehdä päätelmiä populaation parametri tai perusjoukon todennäköisyysjakauma. Ensinnäkin parametrista tai jakaumasta tehdään alustava oletus. Tätä oletusta kutsutaan nollahypoteesiksi ja sitä merkitään H0: llä. Vaihtoehtoinen hypoteesi (merkitään Ha), joka on vastakohta mitä on mainittu nollahypoteesi on sitten määritelty., Hypoteesitestausmenettelyssä käytetään näytetietoja sen määrittämiseksi, voidaanko H0 hylätä vai ei. Jos H0 hylätään, tilastollinen johtopäätös on, että vaihtoehtoinen hypoteesi Ha on totta.
oletetaan esimerkiksi, että radioasema valitsee musiikkia se soittaa, joka perustuu oletukseen, että keski-ikä sen kuuntelu yleisö on 30 vuotta. Onko tämä oletus on voimassa, hypoteesi testi voisi olla suoritettu nollahypoteesi koska H0: μ = 30 ja vaihtoehtoinen hypoteesi annetaan Ha: μ ≠ 30., Otokseen perustuva yksilöitä kuuntelu yleisö, näytteen ikä, x, voidaan laskea ja käyttää määrittämään, onko riittävästi todisteita siitä, hylätä H0. Käsitteellisesti, arvo näytteen keskiarvo, joka on ”lähellä” 30 on sopusoinnussa nollahypoteesin, vaikka arvo näytteen tarkoita, että ”ei sulje” – 30 tukee vaihtoehtoista hypoteesia. Mitä pidetään ” close ”Ja” not close ” määritetään käyttämällä näytteenottojakauma x.,
Ihannetapauksessa hypoteesitestausmenettely johtaa H0: n hyväksymiseen, kun H0 on totta ja H0: n hylkäämiseen, kun H0 on väärä. Valitettavasti, koska hypoteesitestit perustuvat otostietoihin, virheiden mahdollisuus on otettava huomioon. Tyypin I virhe, vastaa, hylkää H0, kun H0 on totta, ja tyypin II virhe vastaa hyväksytään H0, kun H0 on epätosi. Tyypin I virheen tekemisen todennäköisyys merkitään α: lla, ja tyypin II virheen tekemisen todennäköisyys merkitään β: lla.,
käyttäen hypoteesi-testaus-menettely määrittää, jos nollahypoteesi hylätään, henkilö suorittaa hypoteesi testi määrittää suurin sallittu todennäköisyys tehdä tyypin I virhe, nimeltään merkitsevyystaso testissä. Yhteiset merkityksellisyystason valinnat ovat α = 0,05 ja α = 0,01. Vaikka useimmat hypoteesitestauksen Sovellukset säätelevät tyypin I virheen tekemisen todennäköisyyttä, ne eivät aina hallitse tyypin II virheen tekemisen todennäköisyyttä., Toiminta-ominaiskäyränä tunnettu kaavio voidaan rakentaa osoittamaan, miten otoksen koon muutokset vaikuttavat tyypin II virheen tekemisen todennäköisyyteen.
p-arvona tunnettu käsite tarjoaa kätevän perustan johtopäätösten tekemiselle hypoteesitestaussovelluksissa. P-arvo mittaa, kuinka todennäköisesti otoksen tulokset ovat, olettaen, että nollahypoteesi on totta; mitä pienempi p-arvo on, sitä vähemmän todennäköisesti näytteen tulokset. Jos p-arvo on pienempi kuin α, nollahypoteesi voidaan hylätä; muuten, nollahypoteesia ei voida hylätä., P-arvoa kutsutaan usein testin havaituksi merkityksellisyystasoksi.
hypoteesitesti voidaan tehdä yhden tai useamman populaation parametreille sekä erilaisissa muissa tilanteissa. Kussakin tapauksessa, prosessi alkaa laatimalla null ja vaihtoehtoisia hypoteeseja väestöstä. Lisäksi väestö tarkoittaa, hypoteesi-testaus menettelyt ovat käytettävissä väestö parametrit, kuten mittasuhteet, varianssit, keskihajonnat ja mediaanit.,
Hypoteesi testit tehdään myös regressio ja korrelaatio analyysi määrittää, jos regressio suhde ja korrelaatiokerroin on tilastollisesti merkitsevä (ks. alla Regressio ja korrelaatio-analyysi). Hyvyys-of-fit testi viittaa hypoteesi testi, jossa nollahypoteesi on, että väestö on tietyllä todennäköisyydellä jakelu, kuten normaali todennäköisyysjakauma. Eparametrisiin tilastollisiin menetelmiin liittyy myös erilaisia hypoteesitestausmenetelmiä.