Test sur une proportion
Transcription
Test sur une proportion
Tests d’hypothèses page 1 de 7 Test sur une proportion Pour tester H0 : p = 8% versus H1 : p > 8% avec contrôle des coûts - n = 100 et α = 5%. Région critique Donc si p = 13% on rejettera l`hypothèse nulle. Rapport critique Dans le module de stats (s’il n`y a pas de facteur de correction pour la taille de la population) Le rapport critique (la cote-Z de p = 13%) est de 1,84 ce qui déborde de Z5% = 1,645 donc on rejette H0. De plus le seuil descriptif (P-Value) est de 3,27% ce qui représente un risque moins élevé que celui qu’on s’est fixé au départ (α = 5%) ... donc on peut rejeter H0. Seuil descriptif (P-Value) On peut évidemment calculer directement le seuil descriptif à partir de la fonction normcdf. Important : ne pas oublier de doubler la probabilité de déborder du résultat échantillonnal lorsque le test est bilatéral. Tests d’hypothèses page 2 de 7 Puissance du test Si p = 10% on aura 20,58% de chances de le détecter (puissance) et 79,41% de chances de ne pas le détecter (β). Contrôle des risques Pour tester H0 : p = 8% versus H1 : p > 8% avec contrôle des risques - α = 5% et β = 15% lorsque p ≥ 10%. On doit résoudre pour n et C : Pour déterminer le seuil à partir d’une région critique : Si la règle de décision consiste prendre un échantillon de 100 données dans une population de 1200 et de rejeter H0 lorsque p déborde de l’intervalle [30%, 50%] trouver alpha (α). Tests d’hypothèses page 3 de 7 Test sur une moyenne Pour tester H0 : µ = 300 versus H1 : µ ≠ 300 avec contrôle des coûts - n = 50 et α = 5%. De plus on a que N = 800 et l’écart-type échantillonnal (s) = 15 et Xbarre = 305. Région critique Student Donc avec Xbarre = 305 on doit rejeter H0 Normale Seuil descriptif (P-Value) On peut évidemment calculer directement le seuil descriptif à partir de la fonction normcdf ou de la fonction tcdf Important : ne pas oublier de doubler la probabilité de déborder du résultat échantillonnal lorsque le test est bilatéral. ou ... Tests d’hypothèses page 4 de 7 Rapport critique Student Normale Pour les écarts-types on a multiplié s par le facteur de correction. Le seuil descriptif étant inférieur à alpha (α) on peut donc rejeter H0. Tests d’hypothèses page 5 de 7 Puissance du test • • Avec la normale : si µ = 307 on aura 92,62% de chances de le détecter (puissance) et 7,38% de chances de ne pas le détecter (β). Avec la Student : si µ = 307 on aura 91,58% de chances de le détecter (puissance) et 8,41% de chances de ne pas le détecter (β). Avec la normale : si µ = 307 on aura 92,62% de chances de le détecter (puissance) et 7,38% de chances de ne pas le détecter (β). Avec la Student : si µ = 307 on aura 91,58% de chances de le détecter (puissance) et 8,41% de chances de ne pas le détecter (β). Tests d’hypothèses page 6 de 7 Contrôle des risques Pour tester H0 : µ = 300 versus H1 : µ ≠ 300 avec contrôle des risques - α = 5% et β = 15% lorsque µ ≥ 303. On a un présondage de n = 50 qui a fourni un écart-type (s) de 15 et N = 800. On doit résoudre pour n et C : Avec la normale On se donne un n de départ à 50 et un c de départ à 300 (moins les 50 du présondage : n = 126 données supplémentaires) Avec la student On se donne un n de départ à 175 et un c de départ à 302 (moins les 50 du présondage : n = 127 données supplémentaires) Tests d’hypothèses page 7 de 7 Pour déterminer le seuil à partir d’une région critique : Si la règle de décision consiste prendre un échantillon de 100 données dans une population de 1200 et de rejeter H0 lorsque Xbarre ≤ 297 ou Xbarre ≥ 303 trouver alpha (α). On supposera que s = 15. Avec la normale Avec la Student ...