! " Hypothesentests, die zur Untersuchung des unbekannten Mittelwerts µ mit aber unbekannter Standardabweichung σ einer normalverteilten Grundgesamtheit eingesetzt werden, bezeichnet man als t-Test. Im vorigen Abschnitt war die Standardabweichung σ der Grundgesamtheit bekannt. Wenn aber σ einer normalverteilten Gesamtheit unbekannt ist, kann diese Größe für die X − µ standardisierte Zufallsvariable Z = durch die Standardabweichung s der σ N Stichprobe ersetzt werden. In diesem Fall gehorcht aber die Zufallsvariable T = X −µ S N nicht mehr der Standard-Normalverteilung, sondern der Studentschen-t-Verteilung. (s. Kap. 10. Abschnitt 10.3.2) Die Struktur des Hypothesentest (t-Test) für den unbekannten Mittelwert bei unbekannter Varianz der Gesamt ist dem des Hypothesentest (z-Test) für den unbekannten Mittelwert bei bekannter Varianz ähnlich. # " $ Statistische Untersuchungen haben gezeigt, wenn die Gesamtheit auch nicht normalverteilt X − µ ist, gehorcht die standardisierte Zufallsvariable für Stichprobengrößen N > 30 S N in guter Näherung der Standard-Normalverteilung. % $ Eine Abfüllanlage einer Firma füllt Flaschen mit Getränke ab, wobei die Füllmenge pro Flasche gewisse Schwankungen unterliegt. Die Füllmenge X kann als eine normalverteilte Zufallsvariable] angesehen werden. Der Hersteller behauptet, dass der Mittelwert µ für die Füllmenge gleich dem Sollwert 3 [Deziliter] ist. (s. auch Bsp. 1) Eine Verbraucherorganisation möchte die Behauptung (Hypothese) des Herstellers überprüfen. Dafür entnahm die Verbraucherorganisation eine Stichprobe aus 25 Flaschen und erhielt für die mittlere Füllmenge in der Stichprobe den Stichproben-Mittelwert x = 2,8 [Deziliter] und die Standardabweichung s = 0,4. Ist die mittlere Füllmenge geringer als dem Sollwert? Führen Sie dafür einen Hypothesentest zu einem Signifikanzniveau von α = 2,5% durch. &' $ 9 ( ! H0 : Ha : µ = µ0 µ < µ0 (µ µ µ0) " " σ Kritische Grenzen Testgröße für den Graph der Verteilung der für den Mittelwert aufgrund der Testfunktion für den Mittelwert X Irrtumswahrx einer konkreten von Stichproben der Größen N mit scheinlichkeit α und Stichprobe der Angabe der kritischen Bereiche der GegenGröße N und der Entscheidungsregel hypothese Ha Anzahl der Freiheitsgeraden: ν = N – 1 Einseitiger Test mit unterer Grenze tˆ = # fν ( t ) x − µo s N (Linkseitiger Test) T = tα #$ X – µ S N α t 0 tα AblehnungsBereich H0 verwerfen, falls: tˆ < t α µ = µ0 (µ µ > µ0 µ0) Einseitiger Test mit oberer Grenze tˆ = x − µo s N (Rechtseitiger Test) t 1– # fν ( t ) T = #$ X – µ S N α t α 0 t1 – α AblehnungsBereich H0 verwerfen, falls: tˆ > t 1 − α µ = µ0 µ ≠ µ0 Zweiseitiger Test mit oberer und unterer Grenze tˆ = # fν ( t ) x − µo s N T = X – µ S N α/2 α/2 tα 2 t tα / 2 und t 1– #$ α 2 0 t1 – α / 2 AblehnungsBereich AblehnungsBereich H0 verwerfen, falls: tˆ < t α 2 oder tˆ > t 1 −α 2 10 ) * χ + ! " Hypothesentests, die zur Untersuchung der unbekannten Varainz σ 2 einer normalverteilten Grundgesamtheit eingesetzt werden, bezeichnet man als den ChiQuadrat-Test oder χ 2-Test. Da die Verteilung der Stichproben-Varianzen aus einer normalverteilten Gesamtheit einer Verteilung entspricht, die die Form der Chi-Quadrat-Verteilung besitzt, werden Test für die Varianz einer Gesamtheit Chi-Quadrat-Test (χ 2-Test) genannt. (s. Kap. 10. Abschnitt 10.4) Wird zur Aufstellung einer Nullhypothese für die Varianz σ 2 einer Grundgesamtheit ein bestimmter Wert σ20 vermutet, so lässt sich anhand der Zufallsvariable für die Chi-Quadrat( N − 1) S 2 2 Verteilung Χ = die Testgröße für eine konkrete Stichprobe der Größe N 2 σ 2 mit der Varianz s berechnen durch: χˆ 2 = ( N − 1) s 2 σ 02 Für eine Nullhypothese H0 können nach Fragestellung folgende unterschiedliche Gegenhypothesen Ha aufgestellt werden. , ,, H0 : Ha : 2 σ = σ2 < σ20 σ20 2 H0 : σ = Ha : σ 2 > σ20 σ20 ,,, H0 : σ 2 = σ20 Ha : σ 2 ≠ σ20 # Eine Abfüllanlage einer Firma füllt Flaschen mit Getränke ab, wobei die Füllmenge pro Flasche gewisse Schwankungen unterliegt. Die Füllmenge kann als eine normalverteilte Zufallsvariable angesehen werden. Der Hersteller möchte, dass die Standardabweichung für die Füllmenge nicht mehr als 0,02 [Deziliter] ist. Dafür wird die Anlage geeicht. Um zu überprüfen, ob die Anlage diese Vorgabe einhält, entnahm eine Ingenieurin aus der laufenden Produktion eine zufällige Stichprobe aus 28 Flachen und erhielt für diese Stichprobe eine Standardabweichung von 0,023 [dl]. Funktioniert die Anlage nicht ordnungsgemäß, d.h. ist die Standardabweichung größer als dem Sollwert 0,02 [dl]? Führen Sie dafür einen Hypothesentest zu einem Signifikanzniveau von α = 2,5% durch. &' $ , -. Nullhypothese: H0 : σ 2 = 0,02 2 Gegenhypothese: Ha : σ 2 > 0,02 2 ,, (σ2 0,02 2 ) Anlage funktioniert richtig Anlage funktioniert nicht richtig /$ 0 Signifikanzniveau oder Irrtumswahrscheinlichkeit: α = 0,025 11 ,,, 1 N = 28 ! ν = N – 1 = 27 $ " #$ & #' % f(s²) f ν( χ ² ) Χ²= N = 28 #$ ν = N – 1 = 27 (N – 1) S ² ² α = 0,025 α = 0,025 χ² s² 0 [dl ² ] sG² 0 χ²1 – α Kritische Grenze: χ 21 – α = 43,194 , $ '2 χˆ 2 = ( N − 1) s 2 σ 02 = ( 28 − 1 ) 0 , 023 2 0 , 02 2 = 35,7 $ Hier liegt ein rechtseitiger Test vor (Test mit oberer Grenze). Da die Testgröße χ̂ 2 = 35,7 kleiner als die kritische Grenze χ 21 – α = 43,194 ist, liegt χ χ̂ 2 nicht im χ Ablehnungsbereich. Daher können wir die Nullhypothese H0 : σ 2 = 0,02 2 nicht ablehnen. Also wir können annehmen, dass die Standardabweichung für die Abfüllmenge nicht größer als 0,02 [dl] ist. Somit funktioniert die Anlage ordnungsgemäß. % $ ) Lösen Sie das vorige Beispiel, indem Sie die kritische Grenze für die Verteilung der Stichproben-Varianzen bestimmen. &' $ 12 χ3 $ % ! ( σ² ! Kritische Grenzen Testgröße für die Graph der Verteilung der Varianz s 2 einer Testfunktion für die Varianz von aufgrund der Irrtumswahrkonkreten Stichproben der Größen N mit Angabe der kritischen Bereiche scheinlichkeit α und Stichproben der und der Entscheidungsregel Größen N der Gegenhypothese Ha Anzahl der Freiheitsgeraden: ν = N – 1 H0 : Ha : σ 2 = σ20 σ 2 < σ20 Einseitiger Test & #' (σ σ 2 σ20 mit unterer Grenze ) χˆ 2 = (Linkseitiger Test) ( N − 1) s 2 σ 02 #$ f ν( χ ² ) ν =N – 1 2 Χ2 = (N – 1)S α 2 χ ²α χ² 0 χ²α Abl. Ber. H0 verwerfen, falls: χ̂ 2 < χ ²α χ & #' σ 2 = σ20 (σ σ 2 σ20 σ 2 > σ20 Einseitiger Test mit oberer Grenze ) χˆ 2 = (Rechtseitiger Test) ( N − 1) s 2 σ 02 #$ f ν( χ ² ) ν =N – 1 2 Χ2 = (N – 1)S 2 α χ² χ ²1 – α 0 χ²1 – α AblehnungsBereich H0 verwerfen, falls: χ̂ 2 > χ ²1 – χ α & #' σ 2 = σ20 σ 2 ≠ σ20 Zweiseitiger Test mit unterer und oberer Grenze χˆ 2 = ( N − 1) s 2 σ 02 f ν( χ ² ) #$ ν =N – 1 2 Χ2 = (N – 1)S α/2 2 χ ²α 2 α/2 χ² 0 und χ ²1 – α 2 χ²1 χ²α / 2 Ab Be – α/2 Ablehn Bereich H0 verwerfen, falls: χ̂ 2 < χ ²α 2 χ oder χ̂ χ 2 > χ ²1 – α 2 13 4 5 # ! % " " Hypothesentests, die zur Untersuchung des unbekannten Anteilswerts p für eine Eigenschaft A einer Grundgesamtheit eingesetzt werden, bezeichnet man als den Binomial-Test. Da die Verteilung der Stichproben-Treffer X für die Anzahl der Elemente mit einer Eigenschaft A in Stichproben vom jeweiligen Umfang N aus einer Gesamtheit und ∧ X Binomialdementsprechend die Verteilung der Stichproben-Anteilswerte P = N Verteilungen gehorchen, werden Test für den Anteilswert einer Gesamtheit Binomial-Test genannt. (s. Kap. 10. Abschnitt 10.5) Die kritische Grenze xG = kG erhält man für eine vorgegebene Irrtumswahrscheinlichkeit α aus der Binomialverteilung. Die Testgröße für eine konkrete Stichprobe der Größe N mit x = k Erfolge für das Eintreten des Ereignisses A ist x̂ = k̂ Für eine Nullhypothese H0 können nach Fragestellung folgende unterschiedliche Gegenhypothesen Ha aufgestellt werden. , ,, H0 : Ha : p = p0 p < p0 H0 : p = p0 Ha : p > p0 ,,, H0 : p = p0 Ha : p ≠ p0 # ) Ein Hersteller von Bolzen behauptet, dass 25% von ihm produzierten Bolzen defekt sind. Ein Käufer entnimmt eine Stichprobe von 20 Bolzen und erhielt dabei 6 defekte Bolzen. D.h. er erhielt einem Anteil von 6 20 = 30% defekte Bolzen. Ist der wahre Anteil für defekte Bolzen der Serienproduktion höher als 25%? Führen Sie dafür einen Hypothesentest zu einem Signifikanzniveau von α = 5% durch. &' $ , -. Nullhypothese: H0 : p = 0,25 Gegenhypothese: Ha : p > 0,25 (p 0,25) Anteil der defekten Bolzen ist 0,25% (oder kleiner als 25%) Anteil der defekten Bolzen ist größer als 0,25% ,, /$ 0 Signifikanzniveau oder Irrtumswahrscheinlichkeit: α = 0,05 ,,, 1 ! Da der Anteilswert in der Gegenhypothese Ha : p > 0,25 ist, liegt ein rechtseitiger Test vor. P ( X > kG ) = α 14 Die Nullhypothese H0 wird dann verworfen, wenn die kritische Grenze xG überschritten wird. Für die Anzahl der Treffer X gilt: X : Anzahl der defekte Bolzen in der Stichprobe X ist binomialverteilt mit N = 20 und p = 0,25. P ( X > kG ) = 0,05 1 – P(X kG ) = 0,05 P(X kG ) = 0,95 Da X binomialverteilt und somit eine diskrete Zufallsvariable ist, suchen wir in der Tabelle der kumulierten Biniomilal-Verteilungen die kritische Grenze (den kritischen Wert), bei der die kumulierte Wahrscheinlichkeit leicht über 0,95 liegt. $ " # ) * % P(X=k)=f(k) 0.2 N p = 0,25 0.05 ) f(p) α = 5% 0.1 0.05 0 1 2 3 4 5 6 7 8 9 1011121314151617181920 xG X=k Anzahl defekter Bolzen Kritische Grenze: , #+ 0.15 α = 5% 0.1 " 0.2 N = 20 0.15 $ * % 0 1 2 3 4 5 6 7 8 9 1011121314151617181920 20 20 20 pG Anteil defekter Bolzen p xG = kG =8 $ '2 x̂ = k̂ = 6 $ Hier liegt ein rechtseitiger Test vor (Test mit oberer Grenze). Da die Testgröße x̂ = 6 kleiner als die kritische Grenze xG = 8 ist, liegt x̂ nicht im Ablehnungsbereich. Daher können wir die Nullhypothese H0 : p = 0,25 nicht ablehnen. Also wir können annehmen, dass der Anteilswert für defekte Bolzen in der Serienproduktion nicht größer als 25% ist. % $ 4 Lösen Sie das vorige Beispiel, indem Sie die kritische Grenze für die Verteilung der Stichproben-Anteilswerte bestimmen. &' $ 15 6 % % 5" ! 0 # " " Die Verteilung der Stichproben-Treffer X (bzw. die Verteilung der Stichproben∧ X ) für eine Eigenschaft A aus Stichproben der jeweiligen Größen N Anteilswerte P = N von einer Gesamtheit mit dem Anteilswert p für die Eigenschaft A gehorcht einer Binomilaverteilung mit p und N. (s. vorigen Abschnitt und Kap. 10. Abschnitt 10.5). Für eine Binomialverteilung gelten folgende Formeln für den Erwartungswert bzw. die Standardabweichung: bzw. σ = N pq µ = Np Für sehr große N kann die Binomial-Verteilung durch die Normal-Vertetilung angenähert werden. (s. Kap. 7) Somit gehorcht dann in guter Näherung für große N - und p -Werte, die sich deutlich von 0 und 1 unterscheiden, die standardisierte Zufallsvariable ∧ Z = X − N⋅p N⋅ p⋅ q bzw. Z = N ⋅P − N ⋅ p N⋅ p⋅q der Standard-Normal-Verteilung. Wird zur Aufstellung einer Nullhypothese für den wahren Anteilswert p einer Grundgesamtheit ein bestimmter Wert p0 vermutet, so lässt sich anhand der Zufallsvariable X − N⋅p für die Standard-Normal-Verteilung Z = die Testgröße für eine konkrete N⋅ p⋅ q Stichprobe der Größe N mit x Treffer für die Eigenschaft A (bzw. mit dem Anteilswert pˆ = x N ) berechnen durch: x − N ⋅ p0 N ⋅ pˆ − N ⋅ p 0 zˆ = zˆ = bzw. N ⋅ p0 ⋅ q0 N ⋅ p0 ⋅ q0 % $ 4 Ein Hersteller von Bolzen behauptet, dass 25% von ihm produzierten Bolzen defekt sind. Ein Käufer entnimmt eine Stichprobe von 200 Bolzen und erhielt dabei 60 defekte Bolzen. D.h. er erhielt einem Anteil von 60 200 = 30% defekte Bolzen. Ist der wahre Anteil für defekte Bolzen der Serienproduktion höher als 25%? Führen Sie dafür einen Hypothesentest zu einem Signifikanzniveau von α = 5% durch. &' $ 16 5 # ! " -. + Testgröße für die Anzahl der Treffer k̂ einer Eigenschaft A in einer konkreten H0 : Ha : p = p0 p < p0 (p Stichprobe der Größe N : x̂ = k̂ Kritische Grenzen xG = kG aufgrund der Stichprobenverteilung der Treffer (Binomial-Verteilung mit N , p0 und q0 = 1 – p0 ) , der Irrtumswahrscheinlichkeit α und der Gegenhypothese Ha Einseitiger Test mit unterer Grenze (Linkseitiger Test) α p0) P ( X < kG = P ( X ≤ k G − 1) kG − 1 (p p > p0 p ok q oN − k k kG P ( X > kG = = 1 − kG 1 − α = N H0 verwerfen, falls k̂ < kG p ≠ p0 = k = 0 N k α kG 1 − α 2 = k = 0 k p ok X=k Ablehn. Bereich H0 verwerfen, falls k̂ > kG * ! #$ " # P(X=k)=f(k) N p = p0 p ok q oN − k N # ) P ( X ≤ k Go k Go " P(X=k)=f(k) ) obere Grenze: α ( ) 2 = P X > k Go = 1 − P ( X ≤ k Go 1 − α = 2 #$ p = p0 Verteilung ablesen. Zweiseitiger Test: untere Grenze: α ( ) 2 = P X < k Gu = P ( X ≤ k Gu − 1 ) k Gu − 1 ! N kG aus der Tabelle der Binomialp = p0 * p ok q oN − k k k = 0 X=k Ablehn. Bereich ) P ( X ≤ kG P ( X ≤ kG 1 − α = " # P(X=k)=f(k) p = p0 Einseitiger Test mit oberer Grenze (Rechtseitiger Test) α p0) #$ ) kG aus der Tabelle der BinomialVerteilung ablesen. p = p0 ! α N k = 0 * N = = Diagramm der Verteilung der Testfunktion für die Treffer X einer Eigenschaft A von Stichproben der Größen N mit Angabe der kritischen Bereiche und der Entscheidungsregel α/2 α/2 kGu ) ) Ablehn. Bereich kGo X=k Ablehn. Bereich H0 verwerfen, falls k̂ < kGu oder k̂ > kGo q oN − k kGu und kGo aus der Tabelle der Binomial-Verteilung ablesen. 17 % 5" 0 # " -. + ! Falls die Bedingung N · p0· q0 > 9 mit q0 = 1 – p0 erfüllt ist, kann die Binomial- durch die NormalVerteilung approximiert werden. H0 : p = p0 (p Ha : Kritische Grenzen aufgrund der Irrtumswahrscheinlichkeit α und der Gegenhypothese Ha p < p0 Einseitiger Test mit unterer Grenze Testgröße für die Anzahl der Treffer x einer konkreten Stichprobe der Größe N zˆ = #, ! #$ (z) x − N po N po qo p0) Graph der Verteilung der Testfunktion für die Treffer X einer Eigenschaft A von Stichproben der Größe N mit Angabe der kritischen Bereiche und der Entscheidungsregel Z = (Linkseitiger Test) X – Np Npq α zα z 0 zα AblehnungsBereich H0 verwerfen, falls zˆ < z α p = p0 (p p > p0 Einseitiger Test mit oberer Grenze zˆ = N po qo p0) #, ! #$ (z) x − N po Z = (Rechtseitiger Test) X – Np Npq α z z1 – α 0 z1 – α AblehnungsBereich H0 verwerfen, falls ẑ > z 1 p = p0 p ≠ p0 Zweiseitiger Test mit oberer und unterer Grenze zˆ = −α #, ! #$ (z) x − N po N po qo Z = X – Np Npq α/2 α/2 zα 2 und z zα / 2 AblehnungsBereich 0 z1 – α / 2 AblehnungsBereich z1 – α 2 H0 verwerfen, falls zˆ < z α 2 oder ẑ > z 1 − α 2 18 ) In den vorigen Abschnitten wurden für vorgegebene Wahrscheinlichkeiten des Fehlers erster Art α Entscheidungsregeln bei verschiedenen Hypothesentests vorgestellt. Hier werden wir uns mit der Berechnung der Wahrscheinlichkeit des Fehlers zweiter Art β beschäftigen. Man begeht einen Fehler 1. Art , wenn man in einem Test H0 ablehnt, obwohl H0 tatsächlich aber richtig ist. Die Wahrscheinlichkeit für den Fehler 1. Art: α wird auch als das Fehlerrisiko, die Irrtumswahrscheinlichkeit oder das Signifikanzniveau des Tests bezeichnet. Einen Fehler 2. Art begeht man dann, wenn man in einem Test H0 nicht ablehnt, obwohl H0 tatsächlich aber falsch ist. Die Wahrscheinlichkeit für den Fehler 2. Art wird als das Fehlerrisiko β bezeichnet. Anders als die Wahrscheinlichkeit für den Fehler 1. Art: α, die wir selbst festlegen können, hängt die Wahrscheinlichkeit für den Fehler 2. Art: β von der Differenz zwischen dem Parameterwert in der Nullhypothese H0 und dem tatsächlichen in der Gesamtheit ab. Je größer diese Differenz ist, umso kleiner ist β . # " $ β ist nicht die Komplementwahrscheinlichkeit (Gegenwahrscheinlichkeit) von α. Die Güte, Mächtigkeit oder Macht eines Tests ist die Wahrscheinlichkeit dafür, dass man H0 ablehnt, wenn diese auch tatsächlich falsch ist. Bei einem vorgegebenen Signifikanzniveau α führt eine Erhöhung der Stichproben-Größe zu einer Verringerung des Fehlerrisiko β und somit zu einer Erhöhung der Mächtigkeit des statistischen Test. H0 H0 H0 ist wahr Entscheidung: falsch H0 ist falsch Entscheidung: richtig P (Fehler 1. Art) = α Güte = 1 – β Entscheidung: falsch abgelehnt nicht abgelehnt Entscheidung: richtig P (Fehler 2. Art) = β In statistischen Tests sind beide Fehler unvermeidlich. Das Risiko α für den Fehler 1. Art wählt man daher möglichst klein, z.B. α = 1% , 5% oder 10%. Die Wahl des Signifikanzniveaus α hängt in der Praxis auch von den Kosten ab, die das Ablehnen der Nullhypothese H0 verursachen würde. Falls die Kosten beim Ablehnen einer Nullhypothese H0 zu hoch sind, wählt man ein kleines Fehlerrisiko α. Andererseits muss man bei einem kleinen Fehlerrisiko α ein großes Fehlerrisiko β in Kauf nehmen. Will man sowohl ein kleines Fehlerrisiko für α als auch für β haben, wenn z.B. die Fehler-Kosten für β auch hoch sind, dann muss man den Stichprobenumfang erhöhen. 19 # 4 Ein Hersteller von Bolzen behauptet, dass 25% von ihm produzierten Bolzen defekt sind. Ein Käufer entnimmt eine Stichprobe von 20 Bolzen. Falls mehr als 8 defekte Bolzen dabei sind, verwirft der Käufer die Behauptung des Herstellers. Wie groß ist die Wahrscheinlichkeit (des Fehler erster Art α), Gesucht ist also die Wahrscheinlichkeit dafür, dass die Behauptung (Nullhypothese H0) verworfen wird? Falls der wahrer Anteil von defekten Bolzen der Serienproduktion pa = 0,5 beträgt, wie groß ist dann die Wahrscheinlichkeit für den Fehler zweiter Art β ? Gesucht ist also die Wahrscheinlichkeit dafür, dass die Nullhypothese H0 angenommen (d.h. nicht verworfen) wird, falls sie tatsächlich falsch ist? &' $ , -. Nullhypothese: Gegenhypothese: ,, H0 : p = 0,25 Ha : p > 0,25 1 ! Kritische Grenze: X = 8 Dabei ist X binomialverteilt mit N = 20 und p = 0,25 ,,, 7 % /$ 0 Wahrscheinlichkeit des Fehlers erster Art (Signifikanzniveau oder Irrtumswahrscheinlichkeit): α = ? α = P ( Fehler erster Art) α = P ( X > 8 | p = 0 , 25 ) = 1 − P(X ≤8 8 = 1− k=0 &' ) 20 0 , 25 k 0 , 75 k 20 − k = 0 , 0409 $ β = P ( Fehler zweiter Art) β = P ( X ≤ 8 | pa = 0 ,5 = P(X ≤8 8 = k=0 20 k ) ) 0 ,5 k 0 ,5 20 − k = 0 , 2517 20 % $ 6 Eine Abfüllanlage einer Firma füllt Flaschen mit Getränke ab, wobei die Füllmenge pro Flasche gewisse Schwankungen unterliegt. Die Füllmenge X kann als eine normalverteilte Zufallsvariable mit der bekannten Standarbweichung = 0,5 [Deziliter] angesehen werden. Der Hersteller behauptet, dass der Mittelwert µ für die Füllmenge gleich dem Sollwert 3 [Deziliter] ist. (s. Bsp. 1) Eine Verbraucherorganisation möchte die Behauptung (Hypothese) des Herstellers überprüfen. Dafür entnahm die Verbraucherorganisation eine Stichprobe aus 25 Flaschen und erhielt für die mittlere Füllmenge in der Stichprobe den Stichproben-Mittelwert x = 2,8 [Deziliter]. Ist die mittlere Füllmenge geringer als dem Sollwert? Führen Sie dafür einen Hypothesentest zu einem Signifikanzniveau von α = 2,5% durch. Bestimmen Sie aus der Teilaufgabe a) die kritische Grenze x G Berechnen Sie die Wahrscheinlichkeit für den Fehler 2. Art β , falls die tatsächliche mittlere Füllmenge µ a = 2,6 [dl] beträgt. Wird die Wahrscheinlichkeit für den Fehler 2. Art β größer oder kleiner, falls die tatsächliche mittlere Füllmenge µ a = 2,7 [dl] beträgt? &' $ , -. Nullhypothese: H0 : Gegenhypothese: Ha : ,, 8 7 % α Signifikanzniveau oder Irrtumswahrscheinlichkeit: ,,, α= 1 ! Kritische Grenze: z α = #, (z) Z = ! #$ X – µ N σ α z zα 0 AblehnungsBereich , $ '2 ẑ = $ $ 21 &' $ 1 ! $ " #, # ! #$ (z) σ x = 0,1 f(x) Z = X – µ σ N α = 0,025 α = 0,025 x z 0 xG [dl] µ =3 zα = – 1,96 Kritische Grenze: &' 0 xG = $ 8 7 $ % " β # σ f(x) Nullhypothese: H0 : µ = 3 [dl] = 0,1 x Ho α x 0 xG [dl] µ=3 Gegenhypothese: Ha: µ a = 2,6 [dl] f(x) Ha σ x = 0,1 β x 0 [dl] µa = 2,6 β = P (X > xG ) &' $ 8 7 $ % " β # σ f(x) x = Nullhypothese: H0 : µ = 3 [dl] 0,1 Ho α x 0 xG f(x) [dl] µ=3 Gegenhypothese: Ha: µ a = 2,7 [dl] Ha β σ x = 0,1 x 0 µa = 2,7 [dl] 22 % $ 6 Berechnen Sie bei einem Signifikanzniveau von α = 2,5% für die vorige Aufgabe die Wahrscheinlichkeiten für den Fehler 2. Art β in folgenden Fällen: N = 25 ; H0 : µ = 3 [dl] Ha : µ a = 2,6 [dl] Ha : µ a = 2,7 [dl] Ha : µ a = 2,75 [dl] N = 50 ; H0 : µ = 3 [dl] Ha : µ a = 2,6 [dl] Ha : µ a = 2,7 [dl] Ha : µ a = 2,75 [dl] In welchen der beiden Fälle a) und b), sind die jeweiligen Fehlerrisiken β kleiner? Begründen Sie es! Die letzten beiden Abb. zeigen die Kurven für die Mächtigkeit der beiden Tests a) bei Stichprobengrößen N = 25 bzw. b) bei Stichprobengrößen N = 50. Auf der Ordinate sind die verschieden Werte für die Mächtigkeit 1 – β aufgetragen und auf der Abszisse verschiedene Werte für µ a. Welche der beiden Kurven ist steiler? Begründen Sie es! &' $ $ " f(x) $ # " # N = 25 Ho : µ = 3 f(x) σ x = 0,1 N = 50 Ho : µ = 3 σ x = 0,07 α = 0,025 α = 0,025 x x 0 [dl] µ=3 xG = 2,804 0 N = 25 f(x) β = 0,0207 [dl] xG = 2,86 µ = 3 N = 50 f(x) σ x = 0,1 σ x = 0,07 β = 0,0001 Ha : µa = 2,6 Ha : µa = 2,6 x 0 x [dl] µa = 2,6 µa = 2,6 0 [dl] N = 25 f(x) β = 0,1492 N = 50 f(x) σ x = 0,1 β = 0,0113 Ha : µa = 2,7 σ x = 0,07 Ha : µa = 2,7 x µa = 2,7 0 x [dl] µa = 2,7 0 [dl] N = 25 f(x) β = 0,2946 N = 50 f(x) σ x = 0,1 σ x = 0,07 β = 0,0582 Ha : µa = 2,75 Ha : µa = 2,75 x µa = 2,75 0 1–β x [dl] ) µa = 2,75 0 1–β ( ) [dl] ( 1 1 β = 0,2946 N = 50 N = 25 β = 0,0582 1 – β = 0,9418 1 – β = 0,7054 [dl] [dl] 0 2,4 2,6 2,8 2,75 3 3,2 µa 0 2,4 2,6 2,8 2,75 3 3,2 µa 23