- MAT-01530
- 7. Tilastollinen testaaminen
- 7.3 Varianssien testaus
Varianssien testaus¶
Olkoon \(X_1,X_2,\ldots,X_n\) otos satunnaismuuttujasta \(X\sim\rN(\mu, \sigma^2)\), jonka odotusarvo ja varianssi ovat tuntemattomia. Varianssin nollahypoteesin
testaaminen lähtee liikkeelle havainnosta, että sen sisältävä otossuure
Nollahypoteesin ollessa voimassa siis testisuureeksi saadaan
missä \(n\) on otoskoko ja \(S^2\) muuttujan \(X\) otosvarianssi. Riippuen vaihtoehtoisesta hypoteesista merkitsevyystasoa \(\alpha\) vastaava kriittinen alue valitaan yksi- tai kaksiosaisena ei-symmetrisen \(\chi^2\)-jakauman toisesta tai molemmista reunoista. Kriittisen alueen muodot ja \(p\)-arvot on tiivistetty seuraavaan taulukkoon, jossa testisuureelle \(W\) realisoitunutta arvoa merkitään symbolilla \(w\), ja merkinnöillä \(w_{1, \gamma}\) ja \(w_{2, \gamma}\) tarkoitetaan lukuja, joille \(P(W < w_{1, \gamma}) = \gamma\) ja \(P(W < w_{2, \gamma}) = 1 - \gamma\).
\(H_1\) | kriittinen alue | \(p\)-arvo |
---|---|---|
\(\sigma^2 < \sigma_0^2\) | \([0, w_{1, \alpha})\) | \(P(W < w)\) |
\(\sigma^2 > \sigma_0^2\) | \((w_{2, \alpha}, \infty)\) | \(1 - P(W < w)\) |
\(\sigma^2 \not= \sigma_0^2\) | \([0, w_{1, \alpha/2}) \cup (w_{1, \alpha/2}, \infty)\) | \(2\min\{P(W < w), 1 - P(W < w)\}\) |
Esimerkki 7.3.1
Oletetaan, että mittaustulos \(X\) on normaalijakaumasta \(X\sim\rN(\mu, \sigma^2)\) ja että aikaisempien tulosten perusteella varianssiksi on arvioitu \(\sigma^2=1100\). Nyt halutaan tietää, onko varianssi pysynyt ennallaan ja suoritetaan \(11\) mittausta ja saadaan mittaustulokset \(453, 460, 351, 421, 339, 439, 402, 422, 470, 310, 416\). Suorita hypoteesin testaus \(1~\%\):n merkitsevyystasolla.
Nyt nollahypoteesi on muotoa \(H_0 : \sigma^2=1100\) ja \(\alpha = 0{,}01\). Realisoitunut otosvarianssi \(s^2 \approx 2761{,}1\) (esimerkiksi Matlabin funktio var
). Tämän perusteella näyttäisi siltä, että jos varianssi on muuttunut, se on kasvanut. Valitaan vaihtoehtoiseksi hypoteesiksi siis \(H_1 : \sigma^2>1100\).
Testisuure ja sen jakauma on
ja testisuureelle realisoituu arvo \(w \approx 25{,}1007\). Kriittinen alue on jakauman oikeassa reunassa, ja taulukon vapausastelukua \(10\) vastaavalta riviltä, tai Matlabin komennolla chi2inv(1 - 0.01, 10)
(R-komennolla qchisq(1 - 0.01, 10)
) arvioidaan, että \(w_{2, \alpha} \approx 23{,}2093\). Kriittinen alue on siis väli \((23{,}2093, \infty)\) ja testisuureen realisoitunut arvo kuuluu sille. Nollahypoteesi hylätään ja päätellään, että todellinen varianssi on todennäköisesti suurempi kuin \(1100\). Testin \(p\)-arvoksi voidaan laskea Matlab-komennolla
1 - chi2cdf(25.1007, 10)
tai R-komennolla
1 - pchisq(25.1007, 10)
\(p = 1 - P(W < w) \approx 0{,}0052\), mikä luonnollisesti johtaa samaan johtopäätökseen.
Kahden varianssin yhtäsuuruuden testaus¶
Myös kahden populaation varianssien yhtäsuuruutta voidaan testata, mutta sitä varten tarvitaan uusi jakauma.
Määritelmä 7.3.2
Jatkuva satunnaismuuttuja \(F\) noudattaa \(\rF\)-jakaumaa vapausasteluvuin \(n_1\) ja \(n_2\) (\(\rF\) distribution with parameters \(n_1\) and \(n_2\)), \(F \sim \rF(n_1, n_2)\), jos sen tiheysfunktio
missä \(\Gamma(t) = \int_{0}^{\infty}e^{-x}x^{t - 1}\,\rd x\) on Eulerin gammafunktio. \(\rF\)-jakaumaa kutsutaan myös Fisherin tai Snedecorin jakaumaksi.
Liitetaulukoista löytyy tai valmisohjelmien (Matlab, R) funktioilla voi laskea muuttujan \(F \sim \rF(n_1, n_2)\) kertymäfunktion \(F(x)=P(F\leq x)\) ja sen käänteisfunktion arvoja.
Esimerkki 7.3.3
Oletetaan, että \(F \sim \rF(10, 15)\) ja tutkitaan mitä ovat luvut \(f_1\) ja \(f_2\), kun \(P(F \leq f_1) = 0{,}95\) ja \(P(F \geq f_2) = 0{,}01\). Taulukoiden arvot on rajattu kertymäfunktioiden arvoihin \(0{,}95\), \(0{,}975\) ja \(0{,}99\), jolloin ensimmäisestä taulukosta luetaan, että \(f_1 \approx 2{,}54\) ja kolmannesta että \(f_2 \approx 3{,}80\). Matlabin komentojen
finv(0.95, 10, 15), finv(1 - 0.01, 10, 15)
tai R-ohjelmiston komentojen
qf(0.95, 10, 15), qf(1 - 0.01, 10, 15)
avulla saadaan tarkemmat likiarvot \(f_1 \approx 2{,}5437\) ja \(f_2 \approx 3{,}8049\).
Harjoitustehtäväksi jätetään osoittaa, että jos \(F \sim \rF(n_1, n_2)\), niin
Sen seurauksena ehto \(P(F \leq x) = \alpha\) on yhtäpitävää ehdon \(P\left(\frac{1}{F} \geq \frac{1}{x}\right) = \alpha\), eli
Tämä laajentaa \(\rF\)-jakauman taulukoiden käyttökelpoisuutta myös tapauksiin, joissa kertymäfunktion arvo \(P(F \leq x) \in \{0{,}05, 0{,}025, 0{,}01\}\). Yksinkertaisempaa, tarkempaa ja yleisemmin toimivaa on kuitenkin hyödyntää esimerkiksi ohjelmistoihin toteutettuja kertymäfunktion käänteisfunktioita.
Erityisesti kahden \(\chi^2\)-jakautuneen satunnaismuuttujan sopivasti painotettu osamäärä on \(\rF\)-jakautunut.
Lause 7.3.4
Oletetaan, että satunnaismuuttujat \(W_1\sim\chi^2(n_1)\) ja \(W_2\sim\chi^2(n_2)\) ovat riippumattomia. Tällöin satunnaismuuttuja
\(\rF\)-jakaumaa käytetään normaalijakautuneiksi oletettujen satunnaismuuttujien varianssien yhtäsuuruuden testaamiseen seuraavan tuloksen perusteella.
Lause 7.3.5
Olkoot \(X_1, X_2, \ldots, X_n\) ja \(Y_1, Y_2, \ldots, Y_m\) otoksia riippumattomista satunnaismuuttujista \(X \sim \rN(\mu_X, \sigma_X^2)\) ja \(Y \sim \rN(\mu_Y, \sigma_Y^2)\). Tällöin
missä \(S_X^2\) ja \(S_Y^2\) ovat muuttujien \(X\) ja \(Y\) otosvarianssit.
Koska muuttujat \(X\) ja \(Y\) ovat riippumattomia, myös \(S_X^2\) ja \(S_Y^2\) ovat riippumattomia. Lauseen 6.3.8 mukaan
joten edellisen lauseen nojalla
kuten väitettiinkin.
Jos nyt \(X_1, X_2, \ldots, X_n\) ja \(Y_1, Y_2, \ldots, Y_m\) ovat otoksia riippumattomista normaalijakautuneista muuttujista \(X\) ja \(Y\), joiden tuntemattomat varianssit ovat \(\sigma_X^2\) ja \(\sigma_Y^2\), niin
missä \(S_X^2\) ja \(S_Y^2\) ovat muuttujien \(X\) ja \(Y\) otosvarianssit. Yhtäsuuruustestin nollahypoteesiksi asetetaan \(H_0 : \sigma_X^2 = \sigma_Y^2\), ja sen voimassa ollessa
joten valitaan se testisuureeksi. Riippuen vaihtoehtoisesta hypoteesista merkitsevyystasoa \(\alpha\) vastaava kriittinen alue valitaan yksi- tai kaksiosaisena epäsymmetrisen \(\rF\)-jakauman toisesta tai molemmista reunoista. Kriittisten alueiden muodot ja \(p\)-arvot on tiivistetty seuraavaan taulukkoon, jossa testisuureelle \(F\) realisoitunutta arvoa merkitään symbolilla \(f\), ja merkinnöillä \(f_{1, \gamma}\) ja \(f_{2, \gamma}\) tarkoitetaan lukuja, joille \(P(F < f_{1, \gamma}) = \gamma\) ja \(P(F < f_{2, \gamma}) = 1 - \gamma\).
\(H_1\) | kriittinen alue | \(p\)-arvo |
---|---|---|
\(\sigma_X^2 < \sigma_Y^2\) | \([0, f_{1, \alpha})\) | \(P(F < f)\) |
\(\sigma_X^2 > \sigma_Y^2\) | \((f_{2, \alpha}, \infty)\) | \(1 - P(F < f)\) |
\(\sigma_X^2 \not= \sigma_Y^2\) | \([0, f_{1, \alpha/2}) \cup (f_{2, \alpha/2}, \infty)\) | \(2\min\{P(F < f), 1 - P(F < f)\}\) |
Esimerkki 7.3.6
Kurssin A tenttiin osallistui \(51\) opiskelijaa ja tulosten otosvarianssi \(s_A^2=478\). Rinnakkaisen kurssin B tenttiin osallistui \(26\) opiskelijaa otosvarianssin ollessa \(s_B^2=372\). Voidaanko näitä havaintoja pitää näyttönä siitä, että tenttitulosten varianssit rinnakkaisilla kursseilla ovat erisuuret? Pistemäärien jakaumat oletetaan normaaleiksi.
Testataan siis hypoteesiparia \(H_0: \sigma_A^2=\sigma_B^2\) ja \(H_1: \sigma_A^2\neq \sigma_B^2\). Valitaan merkitsevyystasoksi \(\alpha=0{,}05\), ja testisuureeksi
jolle realisoituu arvo \(f = \frac{478}{372} \approx 1{,}2849\). Kriittinen alue on \([0, f_{1, \alpha/2}) \cup (f_{2, \alpha/2}, \infty)\), missä päätepisteiksi ratkaistaan Matlabin komennolla
finv([0.05/2, 1 - 0.05/2], 50, 25)
tai R-ohjelmiston komennoilla
qf(0.05/2, 50, 25), qf(1 - 0.05/2, 50, 25)
arvot \(f_{1, \alpha/2} \approx 0{,}5212\) ja \(f_{2, \alpha/2} \approx 2{,}0787\). Testisuureelle realisoitunut arvo jää siis kriittisen alueen \([0, 0{,}5212) \cup (2{,}0787, \infty)\) ulkopuolelle, joten nollahypoteesi jää voimaan. Vastaavasti \(p\)-arvoksi lasketaan Matlab-komennolla
2 * min([fcdf(1.2849, 50, 25), 1 - fcdf(1.2849, 50, 25)])
tai R-komennolla
2 * min(pf(1.2849, 50, 25), 1 - pf(1.2849, 50, 25))
arvo \(p \approx 0{,}5033\), joka on selvästi suurempi kuin riskitaso \(\alpha\). Tulosten valossa kurssien tenttien variansseja voidaan siis pitää yhtä suurina.