Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lära Hypoteser | Statistisk Testning
Lära Sig Statistik med Python

bookHypoteser

Det första steget i att genomföra ett t-test är att formulera hypotesen. Dessa hypoteser är de antaganden som vi kommer att bekräfta eller förkasta. Två hypoteser krävs: nollhypotesen och alternativhypotesen.

För ett t-test anger nollhypotesen: "Medelvärdena för två stickprov är lika." Alternativhypotesen, däremot, anger: "Medelvärdena för två stickprov är inte lika."

Nollhypotesen betecknas som H0H_0 och alternativhypotesen betecknas som HaH_a.

H0:μ0=μ1Ha:μ0μ1H_0:\mu_0 =\mu_1\\ H_a:\mu_0 \neq \mu_1

Om nollhypotesen förkastas baserat på t-testet accepteras alternativhypotesen automatiskt.

Ett annat sätt att formulera en alternativhypotes är enligt följande:

H0:μ0=μ1Ha:μ0>μ1ellerH0:μ0=μ1Ha:μ0<μ1\begin{array}{cc} H_0 : \mu_0 = \mu_1\\ H_a : \mu_0 > \mu_1 \end{array} \quad\text{eller}\quad \begin{array}{cc} H_0 : \mu_0 = \mu_1\\ H_a : \mu_0 < \mu_1 \end{array}

Den senare formen används när:

  1. Du är säker på att en grupp har antingen ett högre eller lägre medelvärde, men inte tvärtom. Detta gäller i vårt exempel med längder, där vi med säkerhet kan säga att kvinnor i genomsnitt inte är längre än män;
  2. Du är enbart intresserad av att avgöra om något är bättre. Om det inte är bättre, spelar det ingen roll om det är samma eller sämre. Detta liknar en ny webbdesign. Du vill bara införa den om den är en förbättring jämfört med den nuvarande. Om den inte är det, behåller du den nuvarande designen tills den nya har förbättrats.
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 6. Kapitel 2

Fråga AI

expand

Fråga AI

ChatGPT

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Awesome!

Completion rate improved to 2.63

bookHypoteser

Svep för att visa menyn

Det första steget i att genomföra ett t-test är att formulera hypotesen. Dessa hypoteser är de antaganden som vi kommer att bekräfta eller förkasta. Två hypoteser krävs: nollhypotesen och alternativhypotesen.

För ett t-test anger nollhypotesen: "Medelvärdena för två stickprov är lika." Alternativhypotesen, däremot, anger: "Medelvärdena för två stickprov är inte lika."

Nollhypotesen betecknas som H0H_0 och alternativhypotesen betecknas som HaH_a.

H0:μ0=μ1Ha:μ0μ1H_0:\mu_0 =\mu_1\\ H_a:\mu_0 \neq \mu_1

Om nollhypotesen förkastas baserat på t-testet accepteras alternativhypotesen automatiskt.

Ett annat sätt att formulera en alternativhypotes är enligt följande:

H0:μ0=μ1Ha:μ0>μ1ellerH0:μ0=μ1Ha:μ0<μ1\begin{array}{cc} H_0 : \mu_0 = \mu_1\\ H_a : \mu_0 > \mu_1 \end{array} \quad\text{eller}\quad \begin{array}{cc} H_0 : \mu_0 = \mu_1\\ H_a : \mu_0 < \mu_1 \end{array}

Den senare formen används när:

  1. Du är säker på att en grupp har antingen ett högre eller lägre medelvärde, men inte tvärtom. Detta gäller i vårt exempel med längder, där vi med säkerhet kan säga att kvinnor i genomsnitt inte är längre än män;
  2. Du är enbart intresserad av att avgöra om något är bättre. Om det inte är bättre, spelar det ingen roll om det är samma eller sämre. Detta liknar en ny webbdesign. Du vill bara införa den om den är en förbättring jämfört med den nuvarande. Om den inte är det, behåller du den nuvarande designen tills den nya har förbättrats.
Var allt tydligt?

Hur kan vi förbättra det?

Tack för dina kommentarer!

Avsnitt 6. Kapitel 2
some-alt