Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Wnioskowanie statystyczne na podstawie prób nieprostych i jego zastosowanie w zarządzaniu

Bracha C.

Studia i Materiały / Europejska Uczelnia Informatyczno-Ekonomiczna w Warszawie

2013

Nr 1(5)

57--75

W referacie zostały przedstawione problemy weryfikacji hipotez statystycznych na podstawie prób nieprostych (złożonych). Okazuje się, że klasyczne testy, odpowiednie dla prób prostych, nie zachowują swoich własności w przypadkach zastosowania złożonych schematów losowania. Tym samym w takich przypadkach niebezpieczne staje się stosowanie dostępnych programów (np. Statistica, SPSS, SAS) przy wnioskowaniu statystycznym. Istotną rolę przy ocenie, jak bardzo otrzymana próba różni się od próby prostej, odgrywa współczynnik efektu losowania wprowadzony przez L. Kisha (1965) i oznaczony tu numerem (1). Jeżeli jego wartość znacznie przewyższa jeden, to należy dokonać modyfikacji statystyk testowych. Takie modyfikacje zostały przedstawione dla testów dotyczących jednej i dwóch średnich (wzory (17), (22) i (23)) oraz testów zgodności i jednorodności (wzory (27) i (40)). Na koniec w tablicach (4), (5) i (6) przedstawiono wyniki badania symulacyjnego dotyczącego testów zgodności i jednorodności. Wynika z nich, że faktyczny poziom istotności może przekroczyć nawet 0,50 przy założonym α = 0,05 . Po modyfikacji tylko w nielicznych przypadkach przekraczał 0,10. Najczęściej niewiele różnił się od założonego.

The paper presents problems related to validating statistical hypotheses based on non-simple (complex) samples. It turns out that classic tests, suitable for simple samples, lose their relevance for the instances of application of complex drawing schemes (or sample designs). This means that using off-the-shelf software (such as Statistica, SPSS or SAS) for statistical inference can be risky. The sample design effect factor introduced by L. Kish (1965), identified in the paper with number (1), plays an important role in evaluating how much the actual sample differs from a simple one. Where the value of the factor is significantly more than 1, the test statistics should be modified. Such modifications were presented for tests for one and two mean values (equations (17), (22) and (23)) and test of goodness of fit and test of homogeneity (equations (27) and (40)). Finally, tables (4), (5) and (6) present the results of simulative examination of the test of goodness of fit and the test of homogeneity. The results show that, given 0,05, the actual level of significance can exceed as much as α = 0.50. After modification, the lever was larger than 0.10 only in very infrequent cases. Typically, its deviation from the assumed value was marginal.