В результаті перевірки статистичної гіпотези, що ґрунтується на даних вибірки обмеженого обсягу, можна відхилити і прийняти нульову гіпотезу (відповідно вибіркові дані суперечать і узгоджуються з Н0). Звідси видно, що перевірка статистичних гіпотез пов'язана з ризиком прийняття помилкових рішень.
Неправильне рішення може бути прийняте у двох випадках. В зв'язку з цим розрізняють помилки двох родів.
Помилка першого роду полягає в тому, що нульова гіпотеза Н0 відхиляється, хоча в дійсності вона є правильною.
Помилка другого роду полягає в тому, що приймається нульова гіпотеза Н0, хоча насправді правильною є альтернативна гіпотеза На.
Якщо, наприклад, встановлено, що новий пестицид є кращим, хоча насправді його дія не відрізняється від старого, це помилка першого роду; якщо ми вирішили, що обидва види пестицидів однакові, тоді як насправді новий вид є кращим, то допущена помилка другого роду.
Правильні і неправильні рішення можуть бути отримані в двох випадках, що наочно ілюструє табл.7.1.
Таблиця 7.1. Можливі результати перевірки нульової гіпотези
| Результат перевірки Но | Можливий стан гіпотези, що перевіряється | |
| правильна гіпотеза Н0 | правильна гіпотеза На | |
| Н" відхиляється | Помилка першого роду а | Правильне рішення |
| Но приймається | Правильне рішення | Помилка другого роду р |
Імовірність допустити помилку першого роду (невиправдане відхилення Н0) отримала назву рівня значущості і позначається а. Імовірність зробити помилку другого роду (прийняття неправильної гіпотези Н0) позначається р. Отже, можна сказати, що при великому числі вибірок частка хибних висновків дорівнює а, якщо правильна Н0, і дорівнює р, якщо правильна На.
Помилки І і II роду за своїми наслідками нерівнозначні і ведуть до різних матеріальних втрат. Тому вибір рівня значущості повинен ґрунтуватись на обліку можливих втрат: чим більші ці втрати, тим меншим повинен бути рівень значущості. Однак, якщо знижується рівень значущості, збільшується імовірність появи помилок другого роду. В цьому розумінні помилки І і II роду є конкуруючими.
Оскільки помилки І і II роду практично виключити неможливо, то в кожному випадку необхідно прагнути до зменшення втрат від цих помилок. При практичній перевірці гіпотез прагнуть до того, щоб за помилку І роду прийняти ту із можливих помилок, яка спряжена з більш серйозними наслідками на практиці.
Рівень значущості встановлюється самим дослідником залежно від характеру і важливості задач, що їх розв'язують (за так званим принципом практичної впевненості). Рівень значущості являє собою ту мінімальну імовірність, починаючи з якої можна визнати подію практично неможливою. Можна користуватись стандартними значеннями а = 0,10; 0,05; 0,01; 0,001; 0,0001 та ін. Найчастіше а встановлюють на рівні 0,05 і 0,01. При більш відповідальних рішеннях а підвищують до 0,001. Рівень значущості, наприклад, а = 0,05, означає, що в середньому в 5 випадках із 100 є ризик допустити помилку І роду, тобто відхилити правильну гіпотезу (Но).
Встановлюючи певний рівень значущості, дослідник контролює імовірність помилки І роду: чим він нижчий, тим частіше Н0 буде визнаватись правильною. Однак, як було зазначено вище, зниження рівня значущості веде до появи помилок другого роду. В більшості випадків єдиним шляхом одночасного зменшення імовірності появи помилок двох родів є збільшення чисельності вибірки.
Для перевірки нульової гіпотези і прийняття висновку щодо сумісності вибіркових даних з висунутою гіпотезою використовують спеціальні статистичні критерії, що є зведенням правил, за якими перевірювану гіпотезу або приймають, або відхиляють. Інакше кажучи, критерій визначає ті властивості, якими повинні володіти вибіркові дані, щоб гіпотеза могла бути прийнята або відхилена.
Для кожного виду гіпотез, що перевіряються, розроблені спеціальні критерії, серед яких найчастіше використовуються і-критерії нормального розподілу і розподілу Стьюдента, Б-критерій Фішера-Снедекора, %2(хі-квадрат) розподілу Пірсона та ін.
Статистичні критерії, які використовуються для перевірки статистичних гіпотез, бувають двох видів: параметричні і непараметричні.
Параметричними називають критерії, які ґрунтуються на припущенні, що розподіл випадкової величини в сукупності підпорядкований деякому відомому закону (наприклад, нормальному, біномінальному, Пуассона). До таких критеріїв відносяться критерії ., Б, %2 та ін.
Непараметричними (порядковими) називають критерії, використання яких не пов'язано із знанням закону розподілу випадкової величини, їх можна застосовувати і тоді, коли досліджуваний розподіл значно відрізняється від нормального. До таких критеріїв належать, зокрема, критерій знаків Вілкоксона, Уайта, Манна-Уїтні та ін.
Параметричні критерії більш ефективні порівняно з непараметричними. Проте вони можуть бути використані для сукупностей, які мають нормальний або близький до нормального розподіл. Непараметричні критерії можуть бути використані при будь-якій формі розподілу. Єдиною умовою їх застосування є взаємна незалежність даних спостереження.
У множині можливих значень вибраного критерію можна виділити дві підмножини, що не перетинаються, одна з яких містить значення критерію, а друга - ні. Перша підмножина називається критичною областю, а друга областю припустимих значень.
Сторінки
В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Теорія статистики» автора Мармоза А.Т. на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Помилки при перевірці статистична гіпотез. Статистичні критерії і критична область“ на сторінці 1. Приємного читання.
