Hva er Null Hypothesis Formula?
Null hypotese forutsetter at dataene som samples og befolkningsdataene ikke har noen forskjell, eller med enkle ord, det antar at påstanden fra personen om dataene eller populasjonen er den absolutte sannhet og alltid er riktig. Så selv om et utvalg er tatt fra befolkningen, vil resultatet mottatt fra studien av utvalget være det samme som antagelsen.
Det er betegnet med H 0 (uttalt som 'H ikke').
Hvordan virker det?
I den første påstanden om nullhypotesen antas det at antagelsen er sann. Anta for eksempel at det er et krav som sier at det tar 30 dager å danne en vane. Derfor vil det her antas at det er sant til det er noen statistisk betydning for å bevise at antagelsen vår er feil, og det tar ikke 30 dager å danne en vane. Hypotesetesting er en form for en matematisk modell som brukes til å akseptere eller avvise hypotesen innenfor en rekke konfidensnivåer.
Det er fire trinn som skal følges i denne modellen.
- Det første trinnet er å angi de to hypotesene, nemlig nullhypotesen og den alternative hypotesen, slik at bare en av dem kan ha rett.
- Det andre trinnet innebærer en strategi som angir ulike metoder som dataene skal analyseres gjennom.
- Det tredje trinnet består i å faktisk analysere det nødvendige datasettet for å trekke konklusjoner.
- Det siste og fjerde trinnet er å analysere resultatene og ta en beslutning om å godta eller avvise hypotesen.
Null hypoteseformel
“ Null hypoteseformel (H 0 ): Parameter = Verdi”Hvor,
- Parameteren er antagelsen eller uttalelsen fra den berørte parten eller personen.
En hypotese testes gjennom signifikansnivået til de observerte dataene for å oppsummere de teoretiske dataene. For beregning av avvik fra de påkrevde dataene, kan vi bruke formelen;
Avvikshastighet = Forskjell mellom observerte data og teoretiske data / teoretiske data.
Måling av avvik er bare et verktøy for å studere nivået av betydning av statene som ble hevdet i Null Hypothesis Testing.
Eksempler på Null Hypotesetesting
Konsept 1: Null hypotese skal ha et tegn på likhet, eller med andre ord, denne hypotesen betyr antagelsen om ingen forskjell.
Eksempel 1
Et forskerteam kommer til den konklusjonen at hvis barn under 12 år bruker et produkt som heter ABC, så økte sjansene for høydevekst med 10%. Men ved å vurdere prøvenes vekstrate kontrollert ved å velge noen barn som spiser produktet 'ABC', blir 9,8%. Forklar nullhypotesen i tilfellet.
Løsning: I dette tilfellet, hvis en antagelse om nullhypotesen blir tatt, vil resultatet valgt av forskeren være i henhold til kriteriene;
H 0 : Parameter = verdi
Der parameteren valgt av forskeren er at det ved forbruk av produkt 'ABC' av barn under 12 år, er det en sjanse for en økning i vekstraten med 10%.
Verdien av parameteren er @ 10%
Ved å anta nullhypotesen vil forskeren altså ta verdien av parameteren @ 10% ettersom antagelsen er tatt.
Konsept 2: Betydningsnivå, som nevnt i definisjonen, er måling av påliteligheten til de faktiske dataene i forhold til dataene som antas eller hevdes i uttalelsen.
Betydningsnivået kan testes gjennom verdivurderingen av avvik i de observerte dataene og de teoretiske dataene.
Eksempel 2
I en undersøkelse foretatt av en næringsmyndighet hevder de at sjansene for en defekt vares produksjon i gjennomsnitt er 1,5% i gjennomsnittlig produksjon på 100 varer. Men under studien av en prøve som er tatt, utgjør sjansene for feilgods produksjon nesten 1,55%. Kommenter følgende situasjon.
Løsning
Når det gjelder Null Hypothesis Testing, antas det at den faktiske verden er den rette verden, påstanden fra myndigheten om at sjansene for feilgods produksjon er 1,5% for produksjonen av hver 100 varer.
I dette tilfellet kan nivået av betydning måles gjennom avvik.
Beregning av avvikshastighet kan gjøres som følger,
- = (1,55% -1,50%) * 100 / 1,50%
Avviksfrekvensen vil være -
- Avviksrate = 3,33%
Forklaring
I dette eksemplet kommer avviket fra den antatte parameteren til å være 3,33%, som er i akseptabelt område, dvs. 1% til 5%. Dermed kan Null-hypotesen aksepteres selv når den faktiske verdsettelsen skiller seg fra antagelsen. Men i tilfelle ville et slikt avvik ha oversteget 5% eller mer (forskjellig fra tilstand til tilstand), hypotesen måtte avvises fordi antagelsen som ble gitt ikke hadde noen grunn til å være berettiget.
Konsept 3: Det er mange forskjellige måter å verifisere utsagnet som antas i tilfelle nullhypotesen, en av metodene er å sammenligne gjennomsnittet av prøven som er tatt med gjennomsnittet av populasjonen. Hvor begrepet "gjennomsnitt" kan defineres som gjennomsnittet av verdien av parameteren som føres til antall valgte data.
Eksempel 3
En organisasjon av eksperter etter studien hevdet at den gjennomsnittlige arbeidstiden til en ansatt som jobber i produksjonsindustrien kommer til å være 9,50 timer per dag for å fullføre arbeidet. Men et produksjonsfirma kalt XYZ Inc. hevdet at gjennomsnittlig arbeidstid for de ansatte er mindre enn 9,50 timer per dag. For å studere kravet ble det tatt et utvalg på 10 ansatte, og deres daglige arbeidstid er registrert nedenfor. Gjennomsnittet av utvalgte data er 9,34 timer per dag-kommentar om kravet fra XYZ Inc.
Løsning
La oss ta Null Hypoteseformelen for å analysere situasjonen.
H 0 : Parameter = verdi dvs.
Hvor,
- Parameter tatt av ekspertene er 'gjennomsnittlig arbeidstid for den ansatte som arbeider i et produksjonsfirma.'
Verdien som ekspertene tar er 9,50 timer per dag.
- Gjennomsnitt (gjennomsnitt) av arbeidstiden til befolkningen = 9,50 timer per dag
- Gjennomsnittlig (gjennomsnittlig) arbeidstid for prøven = 9,34 timer per dag
Beregning av avvikshastighet kan gjøres som følger,
- = (9,50-9,34) * 100% / 9,50
Avviksfrekvensen vil være -
- Avviksrate = 1,68%
Forklaring
I eksemplet ovenfor hevdet uttalelsen fra ekspertene at gjennomsnittlig arbeidstid for en ansatt som jobber i produksjonsindustrien er 9,50 timer per dag. Mens studien av uttaket er tatt, utgjør gjennomsnittet av arbeidstiden 9,34 timer per dag. I tilfelle av 'nullhypotesen' tas uttalelsen, eller kravet fra ekspertene blir tatt som en parameter, og verdien av parameteren antas også å være 9,50 timen per dag, som hevdet av uttalelsen . Men vi kan se at gjennomsnittlig time etter studien av prøven blir mindre enn den påståtte timen. I tilfelle en slik antagelse kalles en slik hypotese som 'Alternativ hypotese.'
Fordeler
- Det gir et logisk rammeverk for testing av statistisk betydning: Det hjelper å teste visse hypoteser ved hjelp av statistikk.
- Teknikken er prøvd og testet: Metoden er testet i nyere tid, og den hjelper til å bevise visse antagelser.
- Alternativ hypotese, som er motsetningen til den nullhypotesen, kan være vag: Så hvis dette for eksempel sier at fondets avkastning er 8%, vil den alternative hypotesen være at fondets avkastning ikke er lik 8%. I en tosidig test kan avkastningen bevises å være større enn eller mindre enn lik 8%.
- Den gjenspeiler den samme underliggende statistiske begrunnelsen som tillitsintervaller : P-verdi i excel brukes til konfidensintervalltesting.
Ulemper
- Det er ofte misforstått og mistolket: Noen ganger er det vanskelig å angi nullhypotesen og en passende alternativ hypotese. Dette er det første trinnet, og hvis det mislykkes, vil hele eksperimentet med å analysere hypotesen gå galt.
- P-verditest er uinformativ sammenlignet med tillitsintervall : Konfidensintervallet på 5% er kanskje ikke signifikant mesteparten av tiden.
- Dette er nesten alltid falsk: nesten alltid prøver vi å bevise at det er statistisk betydning for å avvise nullhypotesen. I svært få tilfeller aksepteres denne hypotesen.
Relevans og bruk
Nullhypotesen brukes hovedsakelig for å verifisere relevansen av statistiske data tatt som et utvalg sammenlignet med egenskapene til hele befolkningen som en slik prøve ble tatt fra. Med enkle ord, hvis en antagelse har blitt gjort for populasjonen gjennom utvalgte data valgt, blir nullhypotesen brukt for å verifisere slike forutsetninger og evaluere betydningen av utvalget.
Nullhypotesen brukes også generelt for å verifisere forskjellen mellom de alternative prosedyrene. La oss for eksempel si at det er to måter å behandle sykdom på, og det hevdes at den ene har flere effekter enn den andre. Men nullhypotesen forutsetter at effekten av begge behandlingene er den samme, og deretter blir studien gjort for å finne betydningen av en slik antagelse og variansen av slike.
