Введение в проверку гипотез

Проверка гипотез — это статистический метод, позволяющий определить, достаточно ли доказательств для отклонения нулевой гипотезы.

Нулевая и альтернативная гипотезы

При проверке гипотез:

• нулевая гипотеза (H₀) предполагает отсутствие эффекта или различий;
• альтернативная гипотеза (H₁) предполагает наличие эффекта или различий.

Проведение t-критерия

t-критерий проверяет, существенно ли различаются средние значения двух групп.

data1 <- c(5.1, 6.2, 5.8, 6.5, 5.9)
data2 <- c(7.0, 6.8, 7.5, 7.1, 6.9)
t.test(data1, data2)

Интерпретация p-значений

p-значение помогает решить, следует ли отклонить H₀:

• Если p-значение < 0.05, отклоните H₀ (результат статистически значим).
• Если p-значение > 0.05, не отклоняйте H₀ (результат статистически незначим).

Критерий хи-квадрат

Критерий хи-квадрат проверяет, являются ли категориальные переменные независимыми.

observed <- matrix(c(20, 30, 50, 40), nrow=2)
chisq.test(observed)

Критерий ANOVA

ANOVA сравнивает средние значения в нескольких группах.

group1 <- c(5.1, 6.2, 5.8)
group2 <- c(7.0, 6.8, 7.5)
group3 <- c(4.9, 5.5, 5.2)
data <- data.frame(value = c(group1, group2, group3), 
                   group = rep(c('A', 'B', 'C'), each=3))
aov_test <- aov(value ~ group, data = data)
summary(aov_test)

Размер эффекта

Размер эффекта измеряет силу результата и помогает определить его практическую значимость.

Ограничения проверки гипотез

Проверка гипотез опирается на определённые предположения, а её результаты могут зависеть от размера выборки и качества данных.

Итоги

В этом уроке Вы узнали:

• как проводить проверку гипотез;
• как использовать t-критерии, критерий хи-квадрат и ANOVA;
• о важности p-значений и размеров эффекта.