this is for holding javascript data
Radovan Omorjan edited seminarskicsv.tex
over 7 years ago
Commit id: ab5d4560f84f43919d1ceff519b7a0df6f708a20
deletions | additions
diff --git a/seminarskicsv.tex b/seminarskicsv.tex
index 3e00e5f..9018b1f 100644
--- a/seminarskicsv.tex
+++ b/seminarskicsv.tex
...
\subsubsection{Testiranje statističkih hipoteza}
Tačkaste i intervalne ocene parametara, dobijene na osnovu raspoloživog
slučajnog uzorka nisu dovoljne za donošenje zaključaka o parametrima
osnovnog skupa, već je potrebno testirati postavljenu pretpostavku
o vrednostima parametara odnosno raspodeli, da li su one prihvatljive
ili ne. Statistička hipoteza je pretpostavka, a postupak provere je
statistički test, kojim se hipoteza prihvata ili odbacuje. Razlikuju
se parametarske hipoteze koje predstavljaju pretpostavku o vrednosti
nekog parametra poznate raspodele i neparametarske hipoteze koje predstavljaju
pretpostavku o tipu raspodele osnovnog skupa.
Hipoteza koja se proverava naziva se nulta hipoteza $H_{0}$, a hipoteza
koja je tačna kada je nulta hipoteza odbačena se naziva alternativna
hipoteza $H_{1}$. Testiranje statističke hipoteze se sastoji od izbora
odgovarajuće funkcije uzorka, test statistike, izračunavanja njene
vrednosti iz uzorka i poređenja sa kritičnom vrednošću odnosno provere
da li se ona nalazi u oblasti prihvatanja hipoteze (nulta hipoteza
prihvata) ili se nalazi u kritičnoj oblasti (nulta hipoteza se odbacuje).
Prilikom testiranja hipoteze postoji rizik da je rezultat testa pogrešan,
pri čemu je greška prve vrste (rizik prve vrste, $\alpha$) kada je
tačna hipoteza $H_{0}$ odbačena jer je test statistika u kritičnoj
oblasti a greška druge vrste (rizik druge vrste, $\beta$) kada je
hipoteza $H_{0}$ pogrešna ali prihvaćena jer je test statistika u
oblasti prihvatanja hipoteze.
Uobičajena procedura pri testiranju hipoteza je da se kritične oblasti
formiraju na osnovu zadate verovatnoće greške prve vrste $\alpha$,
što u stvari predstavlja proveru statističke značajnosti uočenog odstupanja
uzoračkog od pretpostavljenog parametra populacije. Ukoliko uočeno
odstupanje prevazilazi kritičnu granicu smatramo ga statistički značajnim
i odbacujemo hipotezu sa nivoom značajnosti testa $\alpha$, odnosno
sa rizikom $\alpha$ da smo učinili grešku. Pri čemu se kaže da je
uočeno odstupanje u slučaju odbacivanja $H_{0}$ statističko značajno
pri $\alpha=5\%$, a statističko vrlo značajno pri $\alpha=1\%$.
Alternativni način za testiranja hipoteza je da se umesto poređenja
uzoračkog parametra sa kritičnom vrednošću, poredi verovatnoća $p$određena
iz raspodele test statistike sa usvojenom vrednošću $\alpha$, pri
čemu se nulta hipoteza prihvata kada je $p>\alpha$, a odbacuje kada
je $p<\alpha$. Verovatnoća $p$se naziva $p-vrednost$ (engl. $p-value$)
i predstavlja najniži nivo značajnosti koji će dovesti do odbacivanja
nulte hipoteze \cite{Montgomery2009}.
\subsubsection{Grafičko prikazivanje karakteristika uzorka }
\textbf{Histogram }je jedan od najčešće korišćenih grafičkih načina