Cvičení 2.: Úlohy na t-testy
Příklad 1.: Systematická chyba měřicího přístroje se eliminuje nastavením přístroje a
měřením etalonu, jehož správná hodnota je µ = 10,00. Nezávislými měřeními za stejných
podmínek byly získány hodnoty: 10,24 10,12 9,91 10,19 9,78 10,14 9,86 10,17 10,05,
které považujeme za realizace náhodného výběru rozsahu 9 z rozložení N(µ, σ2
). Je možné při
riziku 0,05 vysvětlit odchylky od hodnoty 10,00 působením náhodných vlivů?
Návod: Naměřené hodnoty jsou realizacemi náhodného výběru z rozložení se střední
hodnotou µ. Na hladině významnosti 0,05 testujeme hypotézu H0: µ = 10 proti oboustranné
alternativě H1: µ ≠ 10. Jde o úlohu na jednovýběrový t-test. Ten je ve STATISTICE
implementován. Načteme datový soubor mereni_etalonu.sta. Pomocí N-P grafu a S-W testu
ověříme normalitu dat.
Grafy – 2D Grafy – Normální pravděpodobnostní grafy – Proměnná X – OK - odškrtneme
Neurčovat průměrnou pozici svázaných pozorování – zaškrtneme Shapiro – Wilkův test - OK.
Normální p-graf z X
mereni_etalonu.sta 1v*9c
9,7 9,8 9,9 10,0 10,1 10,2 10,3
Pozorovaný kvantil
-2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0
1,5
2,0
Oček.normál.hodnoty
X: SW-W = 0,9058; p = 0,2873
Data lze považovat za realizace výběru z normálního rozložení.
1. způsob: V Základních statistikách a tabulkách vybereme t-test, samostatný vzorek. Do
Referenční hodnoty zapíšeme 10. Ve výstupu se podíváme na hodnotu testového kritéria a na
p-hodnotu. Pokud p-hodnota bude menší nebo rovna 0,05, zamítneme hypotézu H0: µ = 10 ve
prospěch oboustranné alternativní hypotézy H1: µ ≠ 10 na hladině významnosti 0,05.
V opačném případě H0 nezamítáme. V našem případě dostáváme tabulku:
Test průměrů vůči referenční konstantě (hodnotě)
Proměnná
Průměr Sm.odch. N Sm.chyba Referenční
konstanta
t SV p
Prom1 10,05111 0,162669 9 0,054223 10,00000 0,942611 8 0,373470
Protože p-hodnota 0,373470 > 0,05 nulovou hypotézu nezamítáme na hladině významnosti
0,05. Odchylky od hodnoty 10 lze vysvětlit působením náhodných vlivů.
Všimněme si ještě hodnoty testového kriteria: 0t = 0,942611. Kritický obor
( )( ( ) ) ( )( ( ) )
( )∞∪−∞−=
=∞∪−∞−=∞−∪−−∞−= α−α−
,306,2306,2,
,8t8t,,1nt1nt,W 975,0975,02/12/1
Protože Wt0 ∉ , nezamítáme na hladině významnosti 0,05 hypotézu 0H .
2. způsob: V Základních statistikách a tabulkách vypočteme průměr a směrodatnou odchylku.
Pak použijeme Testy rozdílů: r, %, průměry – OK – vybereme Rozdíl mezi dvěma průměry
(normální rozdělení) – zaškrtneme Výběrový průměr vs. Střední hodnota – do políčka Pr1
napíšeme 10,05111, do políčka SmOd1 napíšeme 0,162669, do políčka N1 napíšeme 9, do
políčka Pr2 napíšeme 10 - Výpočet. Dostaneme p-hodnotu 0,3735, tedy nezamítáme nulovou
hypotézu na hladině významnosti 0,05.
Příklad 2.: Bylo vybráno šest nových vozů téže značky a po určité době bylo zjištěno, o
kolik mm se sjely jejich levé a pravé přední pneumatiky.
Výsledky: (1,8; 1,5), (1,0; 1,1), (2,2; 2,0), (0,9; 1,1), (1,5; 1,4), (1,6; 1,4).
Na hladině významnosti 0,05 testujte hypotézu, že obě pneumatiky se sjíždějí stejně rychle.
Návod: Naměřené hodnoty pro levé a pravé pneumatiky tvoří realizace dvourozměrného
náhodného výběru s vektorem středních hodnot (µ1, µ2). Označme µ = µ1 - µ2. Na hladině
významnosti 0,05 testujeme hypotézu H0: µ = 0 proti oboustranné alternativě H1: µ ≠ 0. Jde o
úlohu na párový t-test.Ten je ve STATISTICE implementován. Načteme datový soubor
pneumatiky.sta. Pomocí N-P grafu a S-W testu ověříme normalitu rozdílů (tj. normalitu
proměnné Z).
Grafy – 2D Grafy – Normální pravděpodobnostní grafy – Proměnná Z – OK - odškrtneme
Neurčovat průměrnou pozici svázaných pozorování – zaškrtneme Shapiro – Wilkův test - OK.
Normální p-graf z Z
pneumatiky.sta 3v*6c
-0,3 -0,2 -0,1 0,0 0,1 0,2 0,3 0,4
Pozorovaný kvantil
-1,4
-1,2
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
Oček.normál.hodnoty
Z: SW-W = 0,9124; p = 0,4522
Data lze považovat za realizace výběru z normálního rozložení.
1. způsob: V Základních statistikách vybereme t-test, závislé vzorky. Zadáme názvy obou
proměnných a ve výstupu se podíváme na hodnotu testového kritéria a na p-hodnotu.
t-test pro závislé vzorky (Tabulka1)
Označ. rozdíly jsou významné na hlad. p < ,05000
Proměnná
Průměr Sm.odch. N Rozdíl Sm.odch.
rozdílu
t sv p
X
Y
1,500000 0,489898
1,416667 0,331160 6 0,083333 0,194079 1,051758 5 0,341062
Protože p-hodnota 0,341062 > 0,05, nezamítáme na hladině významnosti 0,05 hypotézu, že
obě přední pneumatiky se sjíždějí stejně rychle.
Všimněme si ještě hodnoty testového kriteria: 0t = 1,051758. Kritický obor
( )( ( ) ) ( )( ( ) )
( )∞∪−∞−=
=∞∪−∞−=∞−∪−−∞−= α−α−
,5706,25706,2,
,5t5t,,1nt1nt,W 975,0975,02/12/1
Protože Wt0 ∉ , nezamítáme na hladině významnosti 0,05 hypotézu 0H .
Příklad 3.: Bylo vylosováno 11 stejně starých selat téhož plemene. Šesti z nich byla
předepsána výkrmná dieta č. 1 a zbylým pěti výkrmná dieta č. 2. Průměrné denní přírůstky
v Dg za dobu půl roku jsou následující:
dieta č. 1: 62, 54, 55, 60, 53, 58
dieta č. 2: 52, 56, 49, 50, 51.
Testujte na hladině významnosti 0,05 hypotézu, že
a) rozptyly hmotnostních přírůstků selat při obou výkrmných dietách jsou shodné
b) obě výkrmné diety mají stejný vliv na hmotnostní přírůstky selat.
Návod: Naměřené přírůstky při první dietě považujeme za realizace náhodného výběru
z rozložení se střední hodnotou µ1 a rozptylem σ1
2
, naměřené přírůstky při druhé dietě
považujeme za realizace náhodného výběru z rozložení se střední hodnotou µ2 a rozptylem
σ2
2
, přičemž tyto dva výběry jsou nezávislé. Načteme datový soubor dve_diety.sta.
Nejprve pomocí N-P grafu a S-W testu ověříme normalitu 1. a 2. výběru.
Grafy – 2D Grafy – Normální pravděpodobnostní grafy – Proměnná X – OK - odškrtneme
Neurčovat průměrnou pozici svázaných pozorování – zaškrtneme Shapiro – Wilkův test – na
záložce Kategorizovaný zapneme Kategorie X – Změnit proměnnou - ID – OK – OK.
Normální p-graf z X; kategorizovaný ID
Tabulka25 2v*11c
Pozorovaný kvantil
Oček.normál.hodnoty
ID: 1
48 50 52 54 56 58 60 62 64
-1,4
-1,2
-1,0
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
ID: 2
48 50 52 54 56 58 60 62 64
ID: 1 X: SW-W = 0,935; p = 0,6195
ID: 2 X: SW-W = 0,9031; p = 0,4272
V obou případech lze data považovat za normálně rozložená.
Ad a) Testujeme hypotézu H0: 2
2
2
1
σ
σ
= 1 proti alternativě H1: 2
2
2
1
σ
σ
≠ 1. K tomu slouží F-test.
Statistiky – Základní statistiky /tabulky – t-test, nezávislé, dle skupin – OK, Proměnné –
Závislé proměnné X, Grupovací proměnná ID – OK.
Po kliknutí na tlačítko Výpočet dostaneme tabulku:
t-testy; grupováno: ID (dve_diety.sta)
Skup. 1: 1
Skup. 2: 2
Proměnná
Průměr
1
Průměr
2
t sv p Poč.plat
1
Poč.plat.
2
Sm.odch.
1
Sm.odch.
2
F-poměr
Rozptyly
p
Rozptyly
X 57,00000 51,60000 2,771222 9 0,021710 6 5 3,577709 2,701851 1,753425 0,606345
Vidíme, že testová statistika pro test shody rozptylů se realizuje hodnotou 1,7534,
odpovídající p-hodnota je 0,6063, tedy na hladině významnosti 0,05 nezamítáme hypotézu o
shodě rozptylů.
Ad b) Testujeme hypotézu H0: µ1 – µ2 = 0 proti H1: µ1 – µ2 ≠ 0. K tomu slouží dvouvýběrový
t-test.
1. způsob: Z výše uvedené výstupní tabulky plyne, že testová statistika pro test shody
středních hodnot se realizuje hodnotou 2,7712, počet stupňů volnosti je 9, odpovídající phodnota
0,0217, tedy hypotézu o shodě středních hodnot hmotnostních přírůstků selat při
dvou výkrmných dietách zamítáme na hladině významnosti 0,05.
Tabulku ještě doplníme krabicovými diagramy. Na záložce Detaily zaškrtneme krabicový graf
a vybereme volbu Průměr/SmCh/1,96*SmCh.
Krabicový graf : X
Průměr
Průměr±SmCh
Průměr±1,96*SmCh
1 2
ID
48
50
52
54
56
58
60
62
X
2. způsob: V Základních statistikách a tabulkách vypočteme průměry (m1 = 57, m2 = 51,6 ) a
směrodatné odchylky hmotnostních přírůstků při obou dietách (s1 = 3,5777, s2 = 2,7019).
Pak použijeme Testy rozdílů: r, %, průměry – OK – vybereme Rozdíl mezi dvěma průměry
(normální rozdělení) – do políčka Pr1 napíšeme 57, do políčka SmOd1 napíšeme 3,5777, do
políčka N1 napíšeme 6, do políčka Pr2 napíšeme 51,6, do políčka SmOd2 napíšeme 2,7019,
do políčka N2 napíšeme 5 – Výpočet. Dostaneme p-hodnotu 0,0217, tedy zamítáme nulovou
hypotézu na hladině významnosti 0,05.
Úlohy k samostatnému řešení
Příklad 1.: U souboru náhodně vybraných pracovníků byl zjišťován počet vyrobených
výrobků za směnu před provedením modernizace výrobní linky (veličina X) a po provedení
modernizace (veličina Y). Zjištěné výsledky:
č. prac. 1 2 3 4 5 6 7 8 9 10 11 12
X 143 151 139 145 149 153 148 146 149 142 147 140
Y 146 152 144 144 151 156 153 147 146 145 147 139
a) Vypočtěte průměrný počet výrobků před modernizací a po modernizaci:
m1 =
m2 =
b) Na hladině významnosti 0,05 testujte hypotézu, že modernizace výrobní linky neměla vliv
na výkon pracovníků proti alternativě, že modernizace vedla ke zvýšení výkonu pracovníků.
Zápis nulové a alternativní hypotézy:
Název použitého testu:
Realizace testové statistiky: t0 =
Počet stupňů volnosti =
p-hodnota =
Rozhodnutí o nulové hypotéze:
c) Ukažte, že jsou splněny podmínky pro použití zvoleného testu.
Příklad 2.: Odběratel dostává vypínače od dvou různých dodavatelů, označme je A a B.
Během hodnocení kvality vypínače se sleduje počet sepnutí, které vypínač snese bez
poškození. Při testování bylo použito 10 vypínačů od firmy A a 8 vypínačů od firmy B. Byly
získány tyto výsledky:
Dodavatel A: 6238 7153 5389 5682 5903 6690 7309 7738 5389 4890
Dodavatel B: 6739 4968 5889 5678 5290 6738 6045 6678
a) Najděte číselné charakteristiky počtů sepnutí v obou skupinách (na 1 desetinné místo).
m1 =
s1 =
m2 =
s2 =
b) S-W testem posuďte na hladině významnosti 0,05 normalitu rozložení počtu sepnutí v 1. a
2. skupině.
Hodnota testové statistiky v 1. skupině =
p-hodnota =
rozhodnutí o normalitě v 1. skupině:
Hodnota testové statistiky ve 2. skupině =
p-hodnota =
rozhodnutí o normalitě ve 2. skupině:
c) Na hladině významnosti 0,1 testujte hypotézu, že střední hodnota počtu sepnutí v 1. a 2.
skupině se neliší.
Zápis nulové a alternativní hypotézy:
Název použitého testu:
Hodnota testové statistiky pro test shody středních hodnot =
počet stupňů volnosti =
p-hodnota =
rozhodnutí o nulové hypotéze:
Hodnota testové statistiky pro F- test shody rozptylů =
počty stupňů volnosti =
p-hodnota =
rozhodnutí o nulové hypotéze:
Příklad 3.: Systematická chyba měřicího přístroje se eliminuje nastavením přístroje a
měřením etalonu, jehož správná hodnota je µ = 10,00. Nezávislými měřeními za stejných
podmínek byly získány hodnoty: 10,24 10,12 9,91 10,19 9,78 10,14 9,86 10,17 10,05.
a) Vypočtěte číselné charakteristiky uvedených devíti měření.
m =
s =
b) Je možné při riziku 0,05 vysvětlit odchylky od hodnoty 10,00 působením náhodných
vlivů?
Zápis nulové a alternativní hypotézy:
Název použitého testu:
Realizace testové statistiky: t0 =
Počet stupňů volnosti =
p-hodnota =
Rozhodnutí o nulové hypotéze: