Wat is hypothesetesten?

Hypothesetesten is een methode voor statistische gevolgtrekking. Het wordt gebruikt om te testen of een uitspraak over een populatieparameter statistisch significant is. Hypothesetesten is een krachtig hulpmiddel om de kracht van voorspellingen te testen. Een financiële analist Functieomschrijving financiële analist De functiebeschrijving hieronder geeft een typisch voorbeeld van alle vaardigheden, opleiding en ervaring die nodig zijn om te worden aangenomen voor een baan als analist bij een bank, instelling of bedrijf. Voer financiële prognoses, rapportages en het bijhouden van operationele statistieken uit, analyseer financiële gegevens, creëer financiële modellen, bijvoorbeeld om een ​​voorspelling te doen van de gemiddelde waarde die een klant zou betalen voor het product van haar bedrijf. Ze kan dan een hypothese formuleren, bijvoorbeeld: “De gemiddelde waarde die klanten voor mijn product betalen, is groter dan $ 5.”Om deze vraag statistisch te testen, zou de bedrijfseigenaar hypothesetesten kunnen gebruiken. Dit voorbeeld wordt hieronder verder onderzocht.

Hypothesetesten is een cruciaal onderdeel van de wetenschappelijke methode, die een systematische benadering is om theorieën te beoordelen door middel van observatie. Een goede theorie is er een die nauwkeurige voorspellingen kan doen. Voor een analist die voorspellingen doet, is het testen van hypothesen een rigoureuze manier om zijn voorspelling te onderbouwen met statistische analyse.

Thema hypothese testen

Hypotheseteststappen

Hier zijn de stappen voor het testen van hypothesen:

  1. Staat de nulhypothese ( H 0 ) en de alternatieve hypothese ( H a ).
  2. Overweeg de statistische aannames die worden gemaakt. Evalueer of deze aannames in overeenstemming zijn met de onderliggende populatie die wordt geëvalueerd. Is het bijvoorbeeld verstandig aan te nemen dat de onderliggende verdeling een normale verdeling is?
  3. Bepaal de juiste kansverdeling en selecteer de juiste teststatistiek.
  4. Selecteer het significantieniveau dat gewoonlijk wordt aangeduid met de Griekse letter alpha (α). Dit is de waarschijnlijkheidsdrempel waarvoor de nulhypothese zal worden verworpen.
  5. Geef op basis van het significantieniveau en op de betreffende test de beslissingsregel aan.
  6. Verzamel de waargenomen voorbeeldgegevens en gebruik deze om de teststatistiek te berekenen.
  7. Op basis van uw resultaten moet u de nulhypothese verwerpen of de nulhypothese niet verwerpen. Dit staat bekend als de statistische beslissing.
  8. Overweeg eventuele andere economische kwesties die op het probleem worden toegepast. Dit zijn niet-statistische overwegingen waarmee bij een besluit rekening moet worden gehouden. Soms leiden maatschappelijke culturele verschuivingen bijvoorbeeld tot veranderingen in consumentengedrag. Hiermee moet rekening worden gehouden naast de statistische beslissing voor een definitieve beslissing.

De nulhypothese en alternatieve hypothese vermelden

De nulhypothese wordt meestal ingesteld als wat we niet waar willen zijn. Het is de hypothese die moet worden getest. Daarom wordt de nulhypothese als waar beschouwd, totdat we voldoende bewijs hebben om deze af te wijzen. Als we de nulhypothese verwerpen, worden we naar de alternatieve hypothese geleid.

Terugkomend op ons eerste voorbeeld van de ondernemer die op zoek is naar klantinzicht. Haar nulhypothese zou zijn:

H 0 : De gemiddelde waarde die klanten willen betalen voor mijn product is kleiner dan of gelijk aan $ 5

of

H 0 : µ ≤ 5

( µ = het populatiegemiddelde)

De alternatieve hypothese zou dan zijn wat we evalueren, dus in dit geval zou het zijn:

H a : De gemiddelde waarde die klanten bereid zijn te betalen voor het product is hoger dan $ 5

of

H a : µ> 5

Het is belangrijk om te benadrukken dat de alternatieve hypothese alleen in overweging wordt genomen als de steekproefgegevens die we verzamelen daar bewijs voor leveren.

Wat zijn Type I- en Type II-fouten?

De binaire aard van onze beslissing, om de nulhypothese al dan niet af te wijzen, geeft aanleiding tot twee mogelijke fouten. De onderstaande tabel illustreert alle mogelijke uitkomsten. Een Type I-fout doet zich voor wanneer een echte nulhypothese wordt verworpen . De kans op het maken van een Type I-fout wordt ook wel het significantieniveau van de test genoemd, dat gewoonlijk wordt aangeduid als alfa (α). Dus als bijvoorbeeld een test waarvan de alpha is ingesteld op 0,01, is er een kans van 1% om een ​​echte nulhypothese te verwerpen of een kans van 1% om een ​​Type I-fout te maken.

Een Type II-fout doet zich voor wanneer u een valse nul-hypothese niet verwerpt . De kans op het maken van een Type II-fout wordt gewoonlijk aangeduid met de Griekse letter beta (β). β wordt gebruikt om de kracht van een test te definiëren, wat de waarschijnlijkheid is van het correct verwerpen van een valse nulhypothese. De kracht van een test wordt gedefinieerd als 1-β . Een test met meer vermogen is wenselijker, omdat de kans op het maken van een Type II-fout kleiner is. Er is echter een afweging tussen de kans op het maken van een Type I-fout en de kans op het maken van een Type II-fout.

Hypothese testen beslissingstabel

Voorbeeld van hypothesetest

Laten we teruggaan naar het voorbeeld van de ondernemer. Laten we de vraag onthouden die we proberen te beantwoorden:

V: "Betalen klanten gemiddeld meer dan $ 5 voor ons product?"

1. We hebben hierboven zowel de nulhypothese als de alternatieve hypothese uiteengezet

H 0 : µ ≤ 5

H a : µ> 5

2. Laten we voor dit voorbeeld aannemen dat het bedrijf biologische appelsapdozen verkoopt. Ze worden geconsumeerd door een breed scala aan consumenten van alle leeftijden, inkomensniveaus en culturele achtergronden. Aangezien ons product op grote schaal wordt gebruikt door een diverse groep consumenten, is een normale distributie dus eerlijk.

3. Laten we aannemen dat we door monsters van onze consumenten te krijgen, meer dan 100 observaties zullen krijgen. Aangezien we vertrouwen hebben in onze aanname van een normale verdeling voor de onderliggende populatie en een groot aantal waarnemingen hebben, zullen we een z-toets gebruiken.

4. We willen vertrouwen hebben in ons resultaat, dus laten we ons significantieniveau kiezen als α = 5%, dit zal een sterk bewijs van ons resultaat zijn.

5. We gebruiken een z-toets met een significantieniveau en de nulhypothese is µ ≤ 5, dus ons afwijzingspunt is z 0,05 = 1,645 . Dit betekent dat als de z-score berekend op basis van onze steekproef groter is dan 1,645, we de nulhypothese verwerpen.

6. Stel nu dat we onze gegevens hebben verzameld en dat uit onze steekproef van 100 waarnemingen de gemiddelde prijs die klanten bereid zijn te betalen voor onze sappen $ 5,02 is , en dat de standaarddeviatie van de steekproef $ 0,10 was . We kunnen nu de z-score voor onze steekproef berekenen, waarbij we een waarde van 2 krijgen, gegeven door [(5,02 - 5) / (0,1 / √ 100)].

7. Aangezien onze berekende z groter is dan z 0,05 = 1,645, hebben we sterk bewijs om de nulhypothese te verwerpen op een significantieniveau van 5%. We zijn dan voor de alternatieve hypothese, dat de gemiddelde waarde die klanten bereid zijn te betalen voor het product hoger is dan $ 5.

8. We moeten nu rekening houden met alle economische of kwalitatieve kwesties die niet via het statistische proces worden aangepakt. Dit zijn meestal niet-kwantificeerbare variabelen die moeten worden aangepakt bij het nemen van een beslissing op basis van de bevindingen. Als de grootste concurrent bijvoorbeeld de prijs van het concurrerende product aanzienlijk zou verlagen, kan dat de gemiddelde waarde verlagen die consumenten bereid zijn voor uw product te betalen.

Meer middelen

Als je meer wilt weten over onderwerpen die verband houden met het testen van hypothesen, bekijk dan de bronnen op de website van de Royal Statistics Society.

Finance biedt de Financial Modelling & Valuation Analyst (FMVA) ™ FMVA®-certificering Sluit je aan bij 350.600+ studenten die werken voor bedrijven als Amazon, JP Morgan en Ferrari-certificeringsprogramma voor diegenen die hun carrière naar een hoger niveau willen tillen. Om te blijven leren en uw carrière vooruit te helpen, zijn de volgende financiële bronnen ook nuttig:

  • Onderzoeksanalist Onderzoeksanalist Een onderzoeksanalist is verantwoordelijk voor het onderzoeken, analyseren, interpreteren en presenteren van gegevens met betrekking tot markten, operaties, financiën / boekhouding, economie en klanten.
  • Financiële wiskundige woordenlijst Financiële wiskundige woordenlijst Deze financiële wiskundige woordenlijst bevat de belangrijkste termen en definities die nodig zijn voor een carrière als financieel analist. Deze lijst is afkomstig uit de financiële wiskundecursus van Finance.
  • Fibonacci-nummers Fibonacci-nummers Fibonacci-nummers zijn de nummers die worden gevonden in een reeks van gehele getallen die is ontdekt / gemaakt door de wiskundige Leonardo Fibonacci. De reeks is een reeks getallen
  • GEMIDDELDE Excel-functie GEMIDDELDE Functie Bereken het gemiddelde in Excel. De GEMIDDELDE functie is gecategoriseerd onder Statistische functies. Het retourneert het gemiddelde van de argumenten. Het wordt gebruikt om het rekenkundig gemiddelde van een bepaalde set argumenten te berekenen. Als financieel analist is de functie handig om het gemiddelde van cijfers te achterhalen.

Aanbevolen

Is Crackstreams afgesloten?
2022
Is het MC-commandocentrum veilig?
2022
Verlaat Taliesin een cruciale rol?
2022