To tylko jedna z 9 stron tej notatki. Zaloguj się aby zobaczyć ten dokument.
Zobacz
całą notatkę
Czym różni się hipoteza statystyczna od hipotezy badawczej?
Hipoteza statystyczna to każde przypuszczenie dotyczące rozkładu(rozkładów) prawdopodobieństwa badanej zmiennej losowej(zmiennych losowych). Przypuszczenie to może dotyczyć parametru(parametrów) rozkłądu prawdopodobieństwa albo postaci tegoż rozkładu. Hipoteza statystyczna dotyczy teoretycznej kategorii badania a nie wyników uzyskanych z próby. Hipoteza statystyczna formułowana jest w terminach prawdziwych( choć nam nieznanych) wartości parametrów czy postaci rozkładu a nie wyników uzyskiwanych z próby. Wyniki liczbowe uzyskane z próby są podstawą do weryfikacji hipotezy statystycznej. Zatem na podstawie próby, uogólniając jej wynik formułujemy pewne sądy dotyczące ogólniejszej rzeczywistości- jest to istota metod indukcyjnych( rozumienia indukcyjnego).
Hipoteza badawcza jest sformułowana w terminach badania, w terminach merytorycznych a nie statystycznych, (np. „wprowadzenie tańszej technologii produkcji pewnego wyrobu nie powoduje pogorszenia jakości produktu” - hipoteza badawcza. Hipoteza statystyczna: „odsetek wadliwych produktów przy starej technologii - p1 i przy nowej technologi - p2 jest taki sam: p1=p2).
Hipoteza badawcza, niekiedy nazywana hipotezą naukową jest propozycją przypuszczalnego rozwiązania problemu badawczego, przez który w metodologii rozumie się pytanie albo zbiór pytań dotyczących pewnego fragmentu rzeczywistości. Taka propozycja rozwiązania problemu badawczego to często pomysł na przeprowadzenie badania, które może doprowadzić do rozwiązania problemu badawczego. Natomiast testowanie hipotezy statystycznej to nie tylko kwestia decyzji związanej z hipotezą zerową (testowaną) ale także rozstrzygnięcie, co zrobić, jeśli ją odrzucimy. Odrzucenie hipotezy zerowej jest równoznaczne z podjęciem decyzji o jej fałszywości. W każdym przypadku testowania hipotezy, oprócz hipotezy zerowej, sformułowana musi zostać także hipoteza alternatywna.
Zinterpretuj poziom istotności testu równy 0.05
Stosując testy istotności jesteśmy w stanie odrzucić hipotezę zerową na rzecz hipotezy alternatywnej, tj. podjąć decyzję, iż hipoteza zerowa jest fałszywa zaś hipoteza alternatywna prawdziwa. Podjęta w ten sposób decyzja będzie błędna w a×100% przypadków (podejmowania tego typu decyzji w powtarzanych badaniach), np. 5%. Natomiast nie możemy podjąć decyzji o prawdziwości hipotezy zerowej gdyż nie kontrolujemy prawdopodobieństwa błędu II rodzaju tj. prawdopodobieństwa błędu polegającego na przyjęciu hipotezy zerowej gdy jest ona fałszywa. Używamy wówczas pewnego wybiegu stwierdzając, że nie ma podstaw do odrzucenia hipotezy zerowej, co jednak jest znacznie słabsze niż jej przyjęcie.
Podstawą każdego testu statystycznego jest pewna staty-styka, tj. mierzalna funkcja obserwowalnych zmiennych losowych o znanym rozkładzie prawdopodobieństwa. W wyniku przeprowadzonego badania uzyskujemy zbiór danych, które wykorzystujemy do obliczenia wartości tej statystyki. Skoro znany jest nam rozkład prawdopodobień-stwa statystyki stanowiącej podstawę testu jesteśmy w stanie obliczyć odpowiadające tej wartości prawdopodobieństwo (używając dystrybuanty). Prawdopodobieństwo to jest porównywane z przyjętym arbitralnie poziomem istotności testu. W naukach biologicznych i społecznych najczęściej przyjmuje się a = 0,05.
(…)
… między kategoriami to zgodność (A=B) lub różność (AB). Skala porządkowa umożliwia porządkowanie danych. Zatem wyniki można uszeregować np. rosnąco. Skala przedziałowa umożliwia określanie odległości. Wyniki zatem mogą być poddawane operacjom arytmetycznym, takim jak sumowanie i różnicowanie (czyli porównywanie przedziałów). Skala ta nie posiada zera bezwzględnego. Pozwala operować na liczbach naturalnych. Skala ilorazowa jest „zamknięta” z jednej strony (posiada zero bezwzględne). Ponadto pozwala operować na liczbach rzeczywistych, umożliwia mnożenie i dzielenie (porównywanie stosunków). Wybrana skala determinuje odpowiednie narzędzia statystyczne, ponadto część informacji możemy utracić, jeśli np. użyjemy słabszej skali.
Skala pomiarowa służy operacjonalizacji analizowanej zmiennej. Zmienne dyskretne…
… nieprzeliczalnego zbioru S i nie mającą punktów skokowych.] Natomiast skala pomiarowa służy do operacjonalizacji danej zmiennej. W zależności od celu badania można zmienną losową ciągłą wyrazić na skali niższego rzędu np.na skali porządkowej wówczas traktowana będzie jako quazi dyskretna. 20. omów testy wykorzystywane przy porównywaniu dwóch średnich
Test t-Studenta dla prób niezależnych - badamy dwie grupy osób…
…
Stosując test niezależności chi-kwadrat możemy jedynie zdecydować, iż badane zmienne nie są niezależne. Jeżeli chcemy się dowiedzieć, jak silna to zależność oraz, w przypadku skal porządkowych, jaki jest jej kierunek, musimy zastosować mierniki zależności
a) mierniki zależności dla zmiennych badanych na skalach nominalnych
-określają tylko siłę związku między zmiennymi; 2 typy:
* Miary zbudowane…
... zobacz całą notatkę
Komentarze użytkowników (0)