Проверка гипотез при двусторонней критической области тесно связана с интервальным оцениванием. При одном и том же уровне значимости а и объеме выборки п попадание гипотетического значения исследуемого параметра в доверительный интервал равносильно попаданию соответствующего критерия в область принятия гипотезы. Поэтому для проверки гипотезы в этом случае можно использовать доверительный интервал. Если гипотетическое значение исследуемого параметра попадает в этот интервал, то делают вывод, что нет оснований для отклонения выдвигаемой гипотезы. Более подробно данная связь рассмотрена в примерах 3.2 - 3.8. [c.75]
Итак, маркетологи выяснили, что вероятность того, что вычисленная ими выборочная статистика больше равна 0,0301. Это вероятность получения значения/), равного 0,567 при, . Это число меньше выбранного уровня значимости, равного 0,05. Следовательно, нулевая гипотеза отклоняется, исследователи поступить следующим образом. Они видят, что полученное значение = лежит в области отклонения нулевой гипотезы критической области), справа от значения 1,645. Поэтому снова можно сделать такой же вывод, т.е. отклонить нулевую гипотезу. Обратите внимание, что два способа проверки нулевой гипотезы эквивалентны по выводу, но математически отличаются направлением сравнения. Если вероятность получения вычисленного значения выборочной статистики [c.567]
Некоторые авторы подчеркивают размеры фирм, полагая, что только в крупной фирме менеджеры могут себе позволить произвол. Другие обращают внимание на распыление собственности как на фактор, дающий возможность преследовать иные цели, нежели максимизация прибыли. Те же, кто считает олигополию областью, где нужны более обширные целевые функции, чем максимизация прибыли, обычно не очень определенны в выборе критериев олигополии или немногочисленность фирм в отрасли, или субъективное осознание взаимозависимости в установлении цен, что часто обозначается как гипотеза об отклонении ,6 или просто отсутствие агрессивной конкуренции за [c.91]
Гипотеза в такой постановке обычно называется гипотезой о статистической значимости коэффициента регрессии. При этом, если Н0 принимается, то есть основания считать, что величина Y не зависит от X. В этом случае говорят, что коэффициент bi статистически незначим (он слишком близок к нулю). При отклонении HO коэффициент bi считается статистически значимым, что указывает на наличие определенной линейной зависимости между Y и X. В данном случае рассматривается двусторонняя критическая область, т. к. важным является именно отличие от нуля коэффициента регрессии, и он может быть как положительным, так и отрицательным. [c.121]
Сравнить полученную вероятность для тест-статистики (статистики, построенной по результатам выборочного наблюдения) с заданным уровнем значимости. Альтернативный вариант данного этапа определить, попадает ли выборочное значение тест-статистики в область принятия или отклонения нулевой гипотезы. [c.562]
Разграничение области 5%, 1%-ного уровня значимости и т. д. называют областями отклонения гипотезы на рис. 7.2 они заштрихованы. Эти области отклонения иногда берутся по обе стороны распределения, а иногда по одну сторону. Например, в отличие от нулевой гипотезы jix = ца, если предположить, что альтернативная гипотеза будет Ф iz, то область отклонения берется с двух сторон, если же предположить, что она jij > Ц2 [c.122]