Dagens program Praktisk information: Husk hjemmeopgaven i statistik Hypoteseprøvning kap. 11.2,11.3 og 11.8 Eksempel på test Styrkefunktionen kap. 11.2 Stikprøvens størrelse kap. 11.3 Likelihood ratio test kap. 11.8 1
1 Styrkefunktionen Kvantitative Metoder 1 - Forår 2007 Sandsynligheden for at forkaste H 0 ; når H A er sand (1 ()); afhænger typisk af en parameter :Styrkefunktionen er en funktion af parameteren ; som angiver sandsynligheden for at forkaste H 0 som funktion af : Denne funktion er de neret for alle 2 H 0 og 2 H A : () = P (forkast H 0 j) = P (Rj) Der gælder, at hvis H 0 : = 0 ; så er styrkefunktionen ( 0 ) = Styrkefunktionen angiver sandsynligheden for at forkaste H 0 : Vi ønsker derfor Lav styrke (dvs. lave værdier af ()); når 2 H 0 Høj styrke(dvs høje værdier af ()); når 2 H A 2
Eksempel (beståelse af 1. årsprøve) fortsat Antag at vi undersøger nulhypotesen H 0 : p = 0; 5 Vi vil benytte forkastelsesområdet R = [1; 65; 1) 3
Styrkefunktionen er så de neret som (p) = P (Rjp) p 2 [0; 5; 1] = P (Z 2 [1; 65; 1)jp) = P (Z 1; 65jp) ^p 0; 5 = P ( 1; 65jp) q 0;5(1 0;5) 231 r 0; 5 0; 5 = P (^p 0; 5 + 1; 65 jp) r 231 0; 5 0; 5 = 1 P (^p < 0; 5 + 1; 65 jp) 231 = 1 P (^p < 0; 554) 4
p(1 p) ) ifølge den centrale grænseværdisætning. Så styrke- 231 Der gælder, at ^p N(p; funktionen er givet ved (p) : = 1 p! 0; 5 p 0; 5 231p + 1; 65p p (1 p) p (1 p) = 1 Styrkefunktionen kan afbildes som! 0; 554 p p p 231 p (1 p) 5
styrkefunktionen 1,2 1 0,8 0,6 0,4 0,2 0 styrkefunktio nen 0,5 0,58 0,66 0,74 0,82 0,9 0,98 p 6
Stikprøvens størrelse Kvantitative Metoder 1 - Forår 2007 Når man bestemmer stikprøvens størrelse, er det ofte en afvejning mellem, hvor troværdige konklusioner man kan få og omkostningerne ved at indsamle data. Styrkefunktionen kan bruges til at vurdere sandsynligheden for at begå fejl for en given stikprøve. Ved at fastlægge størrelsen for Type I og Type II fejl kan man nde den mindste stikprøve, som behøves. Antag at man er interesseret i at teste følgende nulhypotese H 0 : = 0 på et 5% signi kansniveau (sandsynligheden for Type I fejl). Men samtidig vil man have, at sandsynligheden for Type II fejl for parameteren = 1 højst skal være 10%. Dvs at man har at ( 0 ) = 0; 05; ( 1 ) = 1 0; 1 = 0; 9: Disse to betingelser vil fastlægge betingelser for forkastelsesområdet og stikprøvestørrelsen. 7
Eksempel (beståelse af 1. årsprøve) fortsat Antag at man ønsker at (0; 05) = 0; 05; (0; 60) = 1 0; 1 = 0; 9: Antagelse om signi kansniveauet fastlægger forkastelsesområdet til R = [1; 65; 1): Stikprøvens størrelse kan bestemmes til (0; 6) = : 1 p! 0; 5 0; 6 0; 5 np + 1; 65p = 0; 9 0; 6 (1 0; 6) 0; 6 (1 0; 6) dvs. p 0; 5 0; 6 0; 5 n p + 1; 65p = 1; 28 0; 6 (1 0; 6) 0; 6 (1 0; 6) p n = 1; 28 1; 65 0; 5 p 0; 6 (1 0; 6)! p 0; 6 (1 0; 6) 0; 1 Løses ligningen mht.n fås at n 211: 8
styrkefunktionen 1,2 1 0,8 0,6 0,4 0,2 0 styrkefunktion (n=231) styrkefunktion (n=100) styrkefunktion (n=211) 0,5 0,56 0,62 0,68 0,74 0,8 0,86 0,92 0,98 p 9
Likelihood ratio test (kvotienttestet) I dette afsnit præsenteres en generel måde at udlede en teststørrelse på. Indtil nu er teststørrelserne blevet præsenteret, men vi har ikke set, hvordan man er kommet frem til netop den konkrete teststørrelse for det pågældende test. Teststørrelserne er helt centrale, når man taler hypoteseprøvning. Denne metode til at nde en teststørrelse er baseret på likelihoodfunktionen. Ideen med likelihood ratio testet er, at man sammenligner den maximale værdi af likelihood funktionen, når vi antager, at nulhypotesen (restriktioner på parametrene) er opfyldt med den maximale værdi af likelihoodfunktionen (uden restriktioner på parametrene). Antag at vi har en population, som kan beskrives ved en fordeling, der afhænger af parameteren : Antag at vi har en nulhypotese H 0 : Vi har indtil nu kigget på hypoteser af formen H 0 : = 0 ; men det kan her være mere generelt. Alternativhypotesen er H A : Der gælder, at nulhypotesen og alternativhypotesen tilsammen indeholder alle mulige 10
værdier af parameteren : 11
Repetition: Likelihoodfunktionen er en funktion af den ukendte parameter. Likelihoodfunktionen er proportional med tæthedsfunktionen for en given stikprøve. L() / f(xj) Forholdet mellem likelihoodfunktionen i to forskellige værdier L( 1) L( 2 angiver, hvor ) meget mere "sandsynlig"den givne stikprøve er, når parameteren er 1 i stedet for 2 : Maximum likelihood estimatoren ^ er den værdi af parameteren ; som maximerer likelihoodfunktionen for en given stikprøve. 12
Maximum likelihood estimatoren kan fortolkes som den værdi af parameteren, som gør vores stikprøve mest sandsynlig. Der gælder, at maximum likelihood estimatoren ^ er den værdi af parameteren blandt alle mulige værdier, som gør udfaldet af den givne stikprøve mest sandsynlig. L(^) = sup L(): 2H 0 [H A Når vi betragter nulhypotesen, restrikterer den mængden af værdier, som parameteren kan antage. Vi kan nu nde den maximale værdi af likelihoodfunktionen blandt værdierne, som er "tilladt"under H 0 : L(^ 0 ) = sup 2H 0 L(): 13
Ved at sammenligne fås kvotientteststørrelsen = L(^ 0 ) L(^) Hvis nulhypotesen er af formen H 0 : = 0 ; så gælder der = L( 0) L(^) 14
Der gælder for kvotientteststørrelsen 0 1 = 1 hvis ^ = ^ 0 : Når er lille, så betyder det, at det er meget mere "usandsynligt", at stikprøven stammer fra en fordeling med en parameter i H 0 end fra en fordeling med parameteren i H A (eller H 0 ): Små værdier af (værdier tæt på 0) taler altså imod H 0 ;mens store værdier af (værdier tæt på 1) taler for H 0 : Det betyder at forkastelsesområdet vil have formen < K: 15
Fordelingen af kvotientteststørrelsen For at kunne udregne P-værdien (eller teste på et bestemt signi kansniveau) er det nødvendigt at kende fordelingen af : I nogle tilfælde viser det sig, at kvotientteststørrelsen kan skrives som teststørrelser, man allerede kender fordelingen af. Hvis nulhypotesen er af en simpel form, hvor en eller ere af parametrene sættes lig en bestemt værdi ( opfattes her som en vektor), gælder der, at fordelingen af -2 log er asymptotisk 2 fordelt (chi-square), hvis nulhypotesen er opfyldt. Antallet af frihedsgrader er givet ved antallet af restriktioner på parametrene. 2 log 2 (f) Bemærk ekstreme værdier for 2 log er store værdier. Det betyder, at forkastelsesområdet har formen 2 log > L: 16
Eksempel 11.8 Antag at vi har en Bernoulli fordelt population med sandsynlighedsparameter p: Vi ønsker at teste følgende nulhypotese H 0 : p = 0; 5 Alternativhypotesen er H A : p 6= 0; 5: Stikprøven er en tilfældig stikprøve bestående af 100 observationer. For den givne stikprøve har vi Likelihoodfunktionen L(p) = Y100 i=1 0 1 i alt Antal 42 58 100 p x i (1 p) 1 x i = p 58 (1 p) 42 : 17
Maximum likelihood estimatoren har vi tidligere fundet til ^p = X = 58 = 0; 58 100 Værdien af likelihoodfunktionen er L(^p) = (0; 58) 58 (0; 42) 42 Maximum likelihood estimatoren under H 0 er ^p 0 = 0; 5: Værdien af likelihoodfunktionen er Kvotientteststørrelsen L(^p 0 ) = (0; 5) 58 (0; 5) 42 = (0; 5) 100 = (0; 5) 100 = 0; 277 (0; 58) 58 (0; 42) 42 2 log = 2; 57 Da 2 log 2 (1) (approksimativt Chi-i-anden fordelt med en frihedsgrad), kan vi nde forkastelsesområdet for et 5% signi kansniveau (se tabel Va) R = [3; 84; 1) 18
Vi kan altså ikke forkaste nulhypotesen. Sammenligning med Z-testet Z = 0; 58 0; 5 p 0; 5 0; 5=100 = 1; 70 Der gælder, at Z N(0; 1). Forkastelsesområdet er med et 5% signi kansniveau R = ( 1; 1; 96] [ [1; 96; 1) Konklusionen er, at nulhypotesen ikke kan forkastes. Der gælder, at Z 2 = 2; 89 og at Z 2 2 (1) altså den samme fordeling som 2 log : 19
Fordele ved likelihood ratio testet For store stikprøver har likelihood ratio testet en række "pæne"egenskaber Likelihood ratio test giver en mulighed for at nde en teststørrelse, hvor det ikke er så oplagt, hvad man skal vælge Likelihood ratio testet gør det muligt at teste nulhupoteser, som er mere komplicerede end hypoteser af formen H 0 : = 0 : Det viser sig, at en række intuitive teststørrelser faktisk fremkommer som et likelihood ratio test 20
Opsummering Stikprøvens størrelse Kvotient test 21
Næste gang Mandag d. 14/5: Eksempel på kvotient test Sammenligning af populationer kap. 12.1-12.3 22