Statisztikai kalkulátorok hipotézisvizsgálathoz
Standard normális eloszlás \(z_p\) meghatározása
\(\Phi(z)\) | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|
\(z\) | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
\(\vdots\) | ||||||||||
1,5 | 0,9332 | 0,9345 | 0,9357 | 0,9370 | 0,9382 | 0,9394 | 0,9406 | 0,9418 | 0,9429 | 0,9441 |
1,6 | 0,9452 | 0,9463 | 0,9474 | 0,9484 | 0,9495 | 0,9505 | 0,9515 | 0,9525 | 0,9535 | 0,9545 |
1,7 | 0,9554 | 0,9564 | 0,9572 | 0,9682 | 0,9591 | 0,9599 | 0,9608 | 0,9616 | 0,9625 | 0,9633 |
\(\vdots\) |
z-érték keresése p-érték alapján
Előzetes ismeretek
- A táblázat a standard normális eloszlás eloszlásfüggvényének értékeit tartalmazza. Ez azt jelenti, hogy egy adott \( z \)-értékhez tartozó táblázatbeli szám (\( P(Z \leq z) \)) megadja a z-től balra eső értékekre, a sűrűségfüggvény alatti területet.
- A valószínűség (\( P(Z \leq z) \)) értéke a \( p \)-érték.
Táblázat felépítése
- Az első oszlop mutatja a z-érték egész szám részét és tizedesjegyét (pl. \( z = 1,6 \)).
- A táblázat felső sorában a tizedesjegyek második helyi értéke van (pl. 0,05).
- A metszéspontban található érték adja meg a valószínűséget (\( P(Z \leq z) \)).
Keresés a táblázatban
Ha a p-érték (azaz a valószínűség) ismert, akkor a következő lépésekkel határozható meg a z-érték:
- Keressük meg a táblázatban a p-értéket:
- Keressük meg azt a cellát a táblázat belsejében, amely a legközelebbi \( P(Z \leq z) \) értéket tartalmazza az ismert \( p \)-értékhez
- Mivel a táblázatok általában csak négy tizedesjegy pontossággal adják meg a kumulatív valószínűségeket, sokszor csak közelítő értéket fogunk találni.
- Határozzuk meg a megfelelő z-értéket:
- Az első oszlopból olvassuk ki a z-érték egész részét és első tizedesjegyét (pl. \( 1,6 \)).
- A megfelelő oszlopból (felső sor) olvassuk ki a második tizedesjegyet (pl. 0,05).
- A kettőt összefűzve kapjuk meg a z-értéket (pl. \( z = 1,65 \)).
Tegyük fel, hogy \( p = 0,95 \):
- A táblázatban megkeressük a \( P(Z \leq z) = 0,95 \)-hoz legközelebbi értéket.
- Ez a \( z = 1,65 \)-höz tartozik.
- Tehát \( p = 0.9505 \) esetén a z-érték \( z = 1,65 \).
t-eloszlás \(t_p(\nu)\) meghatározása
\(t_p(\nu))\) | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|
\(p\) | ||||||||||
\(\nu\) | 0,55 | 0,60 | 0,70 | 0,75 | 0,80 | 0,90 | 0,95 | 0,975 | 0,99 | 0,995 |
\(\vdots\) | ||||||||||
7 | 0,130 | 0,263 | 0,549 | 0,711 | 0,896 | 1,42 | 1,90 | 2,36 | 3,00 | 3,50 |
8 | 0,130 | 0,262 | 0,546 | 0,706 | 0,889 | 1,40 | 1,86 | 2,31 | 2,90 | 3,36 |
9 | 0,129 | 0,261 | 0,543 | 0,703 | 0,883 | 1,38 | 1,83 | 2,26 | 2,82 | 3,25 |
\(\vdots\) |
t-érték keresése p és \(\nu\) értékek alapján
Előzetes ismeretek
- A táblázat a Student-féle \( t \)-eloszlás eloszlásfüggvényéhez tartozó valószínűségeket tartalmazza.
- A t-eloszlás nemcsak a t-értéktől, hanem a (\( \nu=n-1 \)) szabadságfokoktól is függ, amelyek a minta (\( n \)) elemszámából származnak.
- A táblázat értékei egyoldali vagy kétoldali próbákhoz tartozó kritikus értékek (\( t_{\text{kritikus}} \)) meghatározásához, adott (\( \alpha \)) szignifikancia szint és \(\nu\) szabadságfokok mellett.
Táblázat felépítése
- Szabadságfokok (\( \nu \)): A táblázat első oszlopában szerepelnek.
- Szignifikancia szintek (\( \alpha \)): Az oszlopfejlécben találhatók, és a p-értékekre vonatkoznak.
Keresés a táblázatban
- A szabadságfok alapján menjünk végig az első oszlopon, és keressük meg a \( \nu \)-höz legközelebb eső értéket.
- A megfelelő \( p=1-\alpha \) érték oszlopában nézzük meg a metszéspontban lévő t-értéket.
Tegyük fel, hogy:
- \( \alpha = 0,05 \),
- A minta elemszáma \( n = 9 \), így \( \nu = 8 \).
- A \( p=1- \alpha = 0,95 \) értéket megkeressük az első sorban.
- A táblázatban \( \nu = 8 \)-hoz és \( p = 0,95 \)-höz tartozó t-érték: \( t_{0,95}(8) = 1,86 \).
\(\chi^2\)-eloszlás \(\chi^2_p(\nu)\) meghatározása
\(\chi^2(\nu)\) | ||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
\(p\) | ||||||||||||||
\(\nu\) | 0,005 | 0,01 | 0,025 | 0,05 | 0,10 | 0,25 | 0,50 | 0,75 | 0,90 | 0,95 | 0,975 | 0,99 | 0,995 | |
\(\vdots\) | ||||||||||||||
8 | 1,34 | 1,65 | 2,18 | 2,73 | 3,49 | 5,07 | 7,34 | 10,2 | 13,4 | 15,5 | 17,5 | 20,1 | 22,0 | |
9 | 1,73 | 2,09 | 2,70 | 3,33 | 4,17 | 5,90 | 8,34 | 11,4 | 14,7 | 16,9 | 19,0 | 21,7 | 23,6 | |
10 | 2,16 | 2,56 | 3,25 | 3,94 | 4,87 | 6,74 | 9,34 | 12,5 | 16,0 | 18,3 | 20,5 | 23,2 | 25,2 | |
\(\vdots\) |
\(\chi^2\)-érték keresés p és \(\nu\) értékek alapján
Előzetes Ismeretek
- A \(\chi^2\)-táblázat a khi-négyzet eloszlás eloszlásfüggvényéhez tartozó értékeket tartalmazza különböző (\(\nu\)) szabadságfokok mellett.
- A (\(\nu\)) szabadságfok meghatározza az eloszlás alakját, és a következőképpen számíthatók:
\[ \begin{aligned} \nu = n – 1 \quad \text{(mintanagys\’ag – 1)}. \end{aligned}\notag \]
Táblázat felépítése
- Az első oszlop a (\(\nu\)) szabadságfokokat tartalmazza.
- Az oszlopfejléc a p-értékeket (szignifikancia szinteket, \(\alpha\)) adja meg.
- A metszéspontban található a \(\chi^2\)-érték.
Keresés a táblázatban
- Szabadságfok kiválasztása
- Számítsuk ki a szabadságfokokat a konkrét feladat alapján.
- Például, ha szórásra vonatkozó próba során 10 elemű a minta, akkor \(\nu = 10-1 = 9\).
- p-érték (szignifikancia szint) megkeresése
- Keressük meg a táblázat fejlécében a p-értéket vagy az ahhoz legközelebbi értéket.
- Például, ha \(p = 0,05\), akkor a táblázat megfelelő oszlopában kell keresnünk.
- Szabadságfok és p-érték metszéspontja
- Az adott \(\nu\)-hez és \(p\)-értékhez tartozó metszéspontban találjuk a \(\chi^2\)-értéket.
Tegyük fel, hogy:
- \(\nu = 9\),
- \(p = 0,05\).
- A táblázatban \(\nu = 9\) és \(p = 0,05\) metszéspontjában a kritikus érték: \(\chi^2 = 3,33\)
F-eloszlás \(F_{\nu_1,\nu_2}(p)\) meghatározása
F-eloszlás \(p=0,975\)
\[
\begin{array}{c|c|c|c|c|c|c|c|c|c|c|c|c|c|c|c}
\nu_2&\nu_1=1&\nu_1=2&\nu_1=3&\nu_1=4&\nu_1=5&\nu_1=6&\nu_1=7&\nu_1=8&\nu_1=9&\nu_1=10&\cellcolor{#cf223b}{\color{#ffffff}{\nu_1=11}}&\nu_1=12&\nu_1=13&\cellcolor{#cf223b}{\color{#ffffff}{\nu_1=14}}&\nu_1=15\\
\hline
1&647,789& 799,5& 864,163& 899,583& 921,848& 937,111& 948,217& 956,656& 963,285& 968,627& \cellcolor{#77eb2c}{973,025}& 976,708& 979,837& \cellcolor{#77eb2c}{982,528}& 984,867\\
\hline
2&38,5063& 39& 39,1655& 39,2484& 39,2982& 39,3315& 39,3552& 39,373& 39,3869& 39,398& \cellcolor{#77eb2c}{39,4071}& 39,4146& 39,421& \cellcolor{#77eb2c}{39,4265}& 39,4313\\
\hline
3&17,4434& 16,0441& 15,4392& 15,101& 14,8848& 14,7347& 14,6244& 14,5399& 14,4731& 14,4189& \cellcolor{#77eb2c}{14,3742}& 14,3366& 14,3045& \cellcolor{#77eb2c}{14,2768}& 14,2527\\
\hline
4&12,2179& 10,6491& 9,9792& 9,60453& 9,36447& 9,19731& 9,07414& 8,97958& 8,90468& 8,84388& \cellcolor{#77eb2c}{8,79354}& 8,75116& 8,715& \cellcolor{#77eb2c}{8,68377}& 8,65654\\
\hline
5&10,007& 8,43362& 7,76359& 7,38789& 7,14638& 6,9777& 6,85308& 6,75717& 6,68105& 6,61915& \cellcolor{#77eb2c}{6,56782}& 6,52455& 6,48758& \cellcolor{#77eb2c}{6,45563}& 6,42773\\
\hline
6&8,8131& 7,25986& 6,5988& 6,22716& 5,98757& 5,81976& 5,69547& 5,59962& 5,52341& 5,46132& \cellcolor{#77eb2c}{5,40976}& 5,36624& 5,32902& \cellcolor{#77eb2c}{5,29681}& 5,26867\\
\hline
7 &8,07267& 6,54152& 5,88982& 5,52259& 5,28524& 5,1186& 4,99491& 4,89934& 4,82322& 4,76112& \cellcolor{#77eb2c}{4,70947}& 4,66583& 4,62846& \cellcolor{#77eb2c}{4,59609}& 4,56779\\
\hline
8&7,57088& 6,05947& 5,41596& 5,05263& 4,81728& 4,6517& 4,52856& 4,43326& 4,35723& 4,29513& \cellcolor{#77eb2c}{4,24341}& 4,19967& 4,16217& \cellcolor{#77eb2c}{4,12967}& 4,10121\\
\hline
9&7,20928& 5,71471& 5,07812& 4,71808& 4,48441& 4,31972& 4,19705& 4,10196& 4,02599& 3,96387& \cellcolor{#77eb2c}{3,91207}& 3,86822& 3,8306& \cellcolor{#77eb2c}{3,79795}& 3,76936\\
\hline
10&6,93673& 5,4564& 4,82562& 4,46834& 4,23609& 4,07213& 3,94982& 3,85489& 3,77896& 3,71679& \cellcolor{#77eb2c}{3,66491}& 3,62095& 3,58319& \cellcolor{#77eb2c}{3,55041}& 3,52167\\
\hline
\cellcolor{#cf223b}{\color{#ffffff}{11}}&\cellcolor{#77eb2c}{6,72413}& \cellcolor{#77eb2c}{5,25589}& \cellcolor{#77eb2c}{4,63002}& \cellcolor{#77eb2c}{4,27507}& \cellcolor{#77eb2c}{4,044}& \cellcolor{#77eb2c}{3,88065}& \cellcolor{#77eb2c}{3,75864}& \cellcolor{#77eb2c}{3,66382}& \cellcolor{#77eb2c}{3,5879}& \cellcolor{#77eb2c}{3,52567}& \cellcolor{#77eb2c}{3,4737}& \cellcolor{#77eb2c}{3,42961}& \cellcolor{#77eb2c}{3,39173}& \cellcolor{#ffab00}{3,35881}& 3,32993\\
\hline
12&6,55377& 5,09587& 4,47418& 4,12121& 3,89113& 3,72829& 3,60651& 3,51178& 3,43585& 3,37355& \cellcolor{#77eb2c}{3,32148}& 3,27728& 3,23926& 3,20621& 3,1772\\
\hline
13&6,41425& 4,96527& 4,34718& 3,9959& 3,76667& 3,60426& 3,48267& 3,38799& 3,31203& 3,24967& \cellcolor{#77eb2c}{3,1975}& 3,15318& 3,11504& 3,08185& 3,05271\\
\hline
\cellcolor{#cf223b}{\color{#ffffff}{14}}&\cellcolor{#77eb2c}{6,29794}& \cellcolor{#77eb2c}{4,8567}& \cellcolor{#77eb2c}{4,24173}& \cellcolor{#77eb2c}{3,89191}& \cellcolor{#77eb2c}{3,66342}& \cellcolor{#77eb2c}{3,50136}& \cellcolor{#77eb2c}{3,37993}& \cellcolor{#77eb2c}{3,28529}& \cellcolor{#77eb2c}{3,2093}& \cellcolor{#77eb2c}{3,14686}& \cellcolor{#ffab00}{3,09459}& 3,05015& 3,01189& 2,97859& 2,94932\\
\hline
15&6,1995& 4,76505& 4,1528& 3,80427& 3,57642& 3,41466& 3,29336& 3,19874& 3,12271& 3,0602& 3,00783& 2,96328& 2,9249& 2,89148& 2,86209\\
\hline
\end{array}\notag
\]
F-érték meghatározása p, \(\nu_1\) és \(\nu_2\) értékek alapján
Előzetes ismeretek
- Az F-táblázat az eloszlásfüggvény értékeit tartalmazza adott (\( p\)) valószínűség, valamint a két szabadságfok (\( \nu_1 \) és \( \nu_2 \)) alapján.
- Szabadságfokok
- \( \nu_1 \): A számláló szabadságfoka (az első minta szórása – 1, \( s_1 – 1 \)).
- \( \nu_2 \): A nevező szabadságfoka (a második minta szórása, \( s_2 – 1 \)).
- p-értékek és szignifikancia szintek: Az \(\alpha\) szignifikancia szintek alapján meghatározható a (\( p \)) valószínűség, amelyek alapján kiválasztható a megfelelő táblázat.
Táblázat felépítése
- Valószínűségek: A különböző \(p\) értékekre külön táblázatok készülnek, amelyek a két szabadságfok szerinti F-értékeket tartalmazzák.
- Sorok: Az F-táblázat első oszlopa a nevező szabadságfokát (\( \nu_2 \)) mutatja.
- Oszlopok: Az F-táblázat oszlopfejléce a számláló szabadságfokát (\( \nu_1 \)) tartalmazza.
- Metszéspont: A megfelelő \( \nu_1 \) és \( \nu_2 \) értékek metszéspontjában található az adott \(p\)-hez tartozó kritikus F-érték.
Keresés a táblázatban
- Szabadságfokok számítása
- Számláló szabadságfoka: \( \nu_1 = n_1-1 \), ahol \( n_1 \) az első minta elemeinek száma.
- Nevező szabadságfoka: \( \nu_2 = n_2-1 \), ahol \( n_2 \) a második minta elemeinek száma.
- p-érték kiválasztása
- Egyoldali F-tesztnél \(p=1-\alpha\).
- Kétoldali F-tesztnél \(p=1-\alpha/2\).
- Táblázatbeli keresés
- Keressük meg a táblázatban a megfelelő \( \nu_1 \) (oszlop) és \( \nu_2 \) (sor) értékek metszéspontját a kívánt \( p \) valószínűség mellett az F-értéket.
Tegyük fel, hogy:
- Két szórást hasonlítunk össze (\( n_1=12 \) és \(n_2=15\)),
- \( p = 1-\alpha=1-0,025=0,975 \).
- Számoljuk ki a szabadságfokokat:
\[ \begin{aligned} \nu_1 &= n_1-1=12-1=11\\ \nu_2 &= n_2-1=15-1=14 \end{aligned}\notag \]
- Keressük meg az \( F_{\nu1,\nu2}(0,975) \)-t a táblázatban.
\[ \begin{aligned} F_{11,14}(0,975) = 3,095 \end{aligned}\notag \]