FMS012/MASB03: M ATEMATISK STATISTIK , 9 HP , HT-16
Datorövning 3
Hypotesprövning och styrka
Syftet med den här laborationen är att du skall bli mer förtrogen med följande viktiga områden inom matematisk statistik
• Hypotesprövning
• Intervallskattning
Dessutom får du möjlighet att arbeta igenom ett något större verkligt problem. Vi kommer att ägna oss åt statistisk analys av radonmätningar i bostadshus och försöka bedöma om gällande gränsvärden kan anses vara över- eller underskridna.
Specialrutiner finns att hämta på kursens hemsida:
http://www.maths.lu.se/kurshemsida/fms012masb03/
1 Förberedelseuppgifter
1. Läs igenom denna handledning.
2. Förvissa dig om att du förstår hur hypotesprövning går till.
3. Redovisas vid laborationens start! Vi har ett stickprov x 1 , . . . , x 5 från X i ∈ N(μ, σ) där σ = 1 är känd och vi skattar μ med μ ∗ = ¯ x. Vi vill testa H 0 : μ = 0 mot H 1 : μ 6= 0 på signifikansnivån α = 0.05 med hjälp av en teststorhet.
(a) Skriv upp hur teststorheten ser ut och ange ett villkor för när H 0 ska förkastas.
(b) Räkna ut väntevärdet för teststorheten när det sanna μ-värdet är μ = 1.
4. Redovisas vid laborationens start! Vi har en observation x = 3 från X ∈ Po(μ) och vill testa H 0 : μ = 8 mot H 1 : μ < 8 på signifikansnivån α = 0.05 med hjälp av direktmetoden.
Beräkna testets P-värde och avgör om H 0 ska förkastas eller ej.
2 Styrkefunktion
2.1 Normalfördelning med känt σ
Vi ska undersöka styrkan h(μ) = P(förkasta H 0 om μ är det rätta värdet) hos ett test av nollhypote-
sen H 0 : μ = μ 0 och se hur den beror på, bl.a., stickprovsstorleken n. Till vår hjälp har vi några speci-
alskrivna funktioner som kan laddas ned från kurshemsidan. Vi börjar med fallet där X i ∈ N(μ, σ)
med känd standardavvikelse σ och μ ∗ = ¯ x. Ladda ner normstyrka.m från kurshemsidan och se
vad den gör:
>> help normstyrka
>> normstyrka
Den övre figuren visar täthetsfunktionen för teststorheten T = μ ∗ − μ 0
D(μ ∗ ) , där D(μ ∗ ) = σ
√ n , dels när μ = μ 0 och dels när μ = μ 1 . Det röda området är det kritiska området med arean lika med signifikansnivån α. Den blå arean representerar sannolikheten att inte förkasta H 0 när det sanna μ-värdet är μ 1 .
I den undre figuren har vi styrkefunktionen h(μ) = P(förkasta H 0 om μ är det sanna värdet) med h(μ 1 ) markerad.
Uppgift: För vilka värden på teststorheten T ska vi förkasta H 0 i det här fallet?
(Tips: norminv(1-0.05/2) ger λ 0.05/2 ) Jämför med figuren och förberedelseuppgift 3(a).
Uppgift: Var ligger toppen på fördelningen för teststorheten när μ = μ 1 ? Kontrollera att det stäm- mer med förberedelsesuppgift 3(b).
Uppgift: Hur stor är sannolikheten att upptäcka att μ 6= 0 när det sanna μ-värdet är 1?
Uppgift: Hur ändrar sig styrkan när det sanna μ-värdet ökar?
Uppgift: Vad händer med styrkan när det sanna μ-värdet närmar sig μ 0 ?
Uppgift: Experimentera med olika värden på μ 1 (t.ex. normstyrka(’mu1’,2) ger styrkan när μ 1 = 2). Ungefär hur stort (eller litet) behöver det sanna μ-värdet vara för att vi ska ha minst 80 % sannolikhet att upptäcka att μ 6= 0?
Uppgift: Experimentera med olika värden på stickprovsstorleken n (t.ex. normstyrka(’n’,10) ger styrkan när n = 10). Ändrar sig det kritiska området när du ändrar n?
Uppgift: Ändrar sig styrkan h(μ 1 ) när du ändrar n?
Uppgift: Hur stort behöver n vara för att vi ska ha minst 80 % sannolikhet att upptäcka att μ 6= 0
när det sanna μ-värdet är 1? (Pröva dig fram).
Uppgift: Ändra signifikansnivån α till 1 % (normstyrka(’alfa’,0.01)). Vad hände med det kritiska området? Blev det större eller mindre?
Uppgift: Vad hände med styrkan när μ = μ 1 ? Blev den större eller mindre?
Uppgift: Hur stort behöver n nu vara för att vi ska ha minst 80 % sannolikhet att upptäcka att μ 6= 0 när det sanna μ-värdet är 1?
2.2 Normalfördelning med okänt σ
I de flesta praktiska situationer känner vi inte σ utan den måste skattas med σ ∗ = s. Det gör att teststorheten T = μ ∗ − μ 0
d (μ ∗ ) , där d (μ ∗ ) = s/ √
n blir t(n − 1)-fördelad när H 0 är sann. Den kommer då att variera mer än tidigare, eftersom s i nämnaren också varierar slumpmässigt. Det gör det besvärligare att beräkna styrkan men med hjälp av Matlabs funktioner går det. Ladda ner tstyrka.m från kurshemsidan och se vad den gör:
>> help tstyrka
>> tstyrka
Den övre figuren visar nu täthetsfunktionen för teststorheten T = μ ∗ − μ 0
d (μ ∗ ) , där d (μ ∗ ) = s
√ n , dels när μ = μ 0 och dels när μ = μ 1 . När μ = μ 0 blir det en t(n − 1)-fördelning som är symmetrisk kring 0. När μ = μ 1 får vi istället en icke-central t-fördelning 1 . Observera att den inte är symmet- risk. Denna besvärliga fördelning är en anledning till att man ofta föredrar att anse att σ är känd när man beräknar styrkan för ett test.
Uppgift: För vilka värden på teststorheten T ska vi förkasta H 0 i det här fallet?
Tips: tinv(1-0.05/2,5-1) ger t 0.05/2 (5 − 1). Jämför med figuren.
Uppgift: Hur stor är nu sannolikheten att upptäcka att μ 6= 0 när det sanna μ-värdet är 1? Är den större eller mindre än när σ var känt?
Uppgift: Experimentera med olika värden på μ 1 (t.ex. tstyrka(’mu1’,2) ger styrkan när μ 1 = 2). Ungefär hur stort (eller litet) behöver det sanna μ-värdet nu vara för att vi ska ha minst 80 % sannolikhet att upptäcka att μ 6= 0?
1