Apa itu Ujian Hipotesis?

Ujian Hipotesis adalah kaedah inferens statistik. Ini digunakan untuk menguji apakah pernyataan mengenai parameter populasi secara statistik signifikan. Pengujian hipotesis adalah alat yang ampuh untuk menguji kekuatan ramalan. Perihal Pekerjaan Penganalisis Kewangan Penerangan Pekerjaan Penerangan pekerjaan penganalisis kewangan di bawah memberikan contoh tipikal dari semua kemahiran, pendidikan, dan pengalaman yang diperlukan untuk disewa untuk pekerjaan penganalisis di bank, institusi, atau syarikat. Lakukan ramalan kewangan, pelaporan, dan pelacakan metrik operasi, analisis data kewangan, buat model kewangan, misalnya, mungkin ingin membuat ramalan tentang nilai min yang akan dibayar oleh pelanggan untuk produk syarikatnya. Dia kemudian dapat merumuskan hipotesis, misalnya, “Nilai rata-rata yang akan dibayar oleh pelanggan untuk produk saya lebih besar daripada $ 5."Untuk menguji persoalan ini secara statistik, pemilik syarikat boleh menggunakan ujian hipotesis. Contoh ini diterangkan lebih lanjut di bawah.

Ujian Hipotesis adalah bahagian kritikal dari kaedah saintifik, yang merupakan pendekatan sistematik untuk menilai teori melalui pemerhatian. Teori yang baik adalah teori yang dapat membuat ramalan yang tepat. Bagi penganalisis yang membuat ramalan, pengujian hipotesis adalah kaedah yang tepat untuk menyokong ramalannya dengan analisis statistik.

Langkah Pengujian Hipotesis

Berikut adalah langkah-langkah untuk menguji hipotesis:

1. Nyatakan hipotesis nol ( H ₀ ) dan hipotesis alternatif ( H _a ).
2. Pertimbangkan andaian statistik yang dibuat. Nilai jika anggapan ini selaras dengan populasi asas yang dinilai. Sebagai contoh, adakah menganggap penyebaran yang mendasari sebagai taburan normal masuk akal?
3. Tentukan taburan kebarangkalian yang sesuai dan pilih statistik ujian yang sesuai.
4. Pilih tahap kepentingan yang biasa dilambangkan dengan huruf Yunani alpha (α). Ini adalah ambang kebarangkalian di mana hipotesis nol akan ditolak.
5. Berdasarkan tahap kepentingan dan ujian yang sesuai, nyatakan peraturan keputusan.
6. Kumpulkan data sampel yang diperhatikan, dan gunakan untuk mengira statistik ujian.
7. Berdasarkan keputusan anda, anda mesti menolak hipotesis nol atau gagal menolak hipotesis nol. Ini dikenali sebagai keputusan statistik.
8. Pertimbangkan masalah ekonomi lain yang berlaku untuk masalah tersebut. Ini adalah pertimbangan bukan statistik yang perlu dipertimbangkan untuk membuat keputusan. Contohnya, kadang-kadang pergeseran budaya masyarakat membawa kepada perubahan tingkah laku pengguna. Ini mesti dipertimbangkan sebagai tambahan kepada keputusan statistik untuk keputusan akhir.

Menyatakan Hipotesis Nol dan Hipotesis Alternatif

Hipotesis Null biasanya ditetapkan sebagai perkara yang kita tidak mahu menjadi kenyataan. Ini adalah hipotesis yang akan diuji. Oleh itu, Hipotesis Nol dianggap benar, sehingga kita mempunyai bukti yang mencukupi untuk menolaknya. Sekiranya kita menolak hipotesis nol, kita dibawa ke hipotesis alternatif.

Kembali kepada contoh awal pemilik perniagaan yang mencari pandangan pelanggan. Hipotesis nolnya adalah:

H ₀ : Nilai rata-rata pelanggan bersedia membayar untuk produk saya lebih kecil daripada atau sama dengan $ 5

atau

H ₀ : µ ≤ 5

( µ = min populasi)

Hipotesis alternatif adalah apa yang kita sedang menilai, jadi, dalam kes ini, ia adalah:

H _a : Nilai rata-rata pelanggan yang sanggup membayar untuk produk lebih besar daripada $ 5

atau

H _a : µ> 5

Penting untuk ditegaskan bahawa hipotesis alternatif hanya akan dipertimbangkan sekiranya data sampel yang kami kumpulkan memberikan bukti untuknya.

Apakah Kesalahan Jenis I dan Jenis II?

Sifat binari keputusan kita, untuk menolak atau gagal menolak hipotesis nol, menimbulkan dua kemungkinan kesalahan. Jadual di bawah menggambarkan semua kemungkinan hasil. A Ralat Jenis I timbul apabila yang benar Null Hipotesis ditolak . Kebarangkalian membuat Kesalahan Jenis I juga dikenal sebagai tahap kepentingan ujian, yang biasanya disebut sebagai alpha (α). Jadi, sebagai contoh, jika ujian yang mempunyai alpha ditetapkan 0,01, terdapat kebarangkalian 1% untuk menolak hipotesis nol benar atau kebarangkalian 1% untuk membuat Kesalahan Jenis I.

A Ralat Jenis II timbul apabila anda gagal untuk menolak palsu Null Hipotesis . Kebarangkalian untuk membuat Kesalahan Jenis II biasanya dilambangkan dengan huruf Yunani beta (β). β digunakan untuk menentukan Kekuatan Ujian, iaitu kebarangkalian untuk menolak hipotesis nol palsu dengan betul. The Power of Ujian ditakrifkan sebagai 1-β . Ujian dengan lebih banyak Kuasa lebih diinginkan, kerana terdapat kebarangkalian yang lebih rendah untuk membuat Ralat Jenis II. Walau bagaimanapun, terdapat pertukaran antara kebarangkalian membuat Kesalahan Jenis I dan kebarangkalian untuk membuat Kesalahan Jenis II.

Contoh Ujian Hipotesis

Mari kembali kepada contoh pemilik perniagaan. Mari kita ingat soalan yang cuba kita jawab:

S: "Adakah pelanggan akan membayar, rata-rata, lebih daripada $ 5 untuk produk kami?"

1. Kami telah menetapkan hipotesis nol dan alternatif

H ₀ : µ ≤ 5

H _a : µ> 5

2. Untuk contoh ini, mari kita anggap bahawa firma itu menjual kotak jus epal organik. Mereka digunakan oleh pelbagai pengguna dari semua peringkat umur, tingkat pendapatan, dan latar belakang budaya. Oleh itu, memandangkan produk kami digunakan secara meluas oleh pelbagai kumpulan pengguna, dengan anggapan pengedaran normal adalah wajar.

3. Mari kita anggap bahawa dengan mendapatkan sampel dari pengguna, kita akan berjaya mendapatkan lebih dari 100 pemerhatian. Memandangkan kami yakin dengan anggapan taburan normal untuk populasi yang mendasari dan mempunyai sejumlah besar pemerhatian, kami akan menggunakan ujian-z.

4. Kami ingin yakin dengan hasil kami, jadi marilah kita memilih tahap kepentingan kita sebagai α = 5%, ini akan memberikan bukti yang kukuh tentang hasil kita.

5. Kami menggunakan ujian-z dengan tahap signifikansi, dan hipotesis nol adalah µ, 5, jadi titik penolakan kami akan menjadi z _0,05 = 1,645 . Ini bermaksud bahawa jika skor z yang dikira dari sampel kami lebih besar daripada 1.645, kami menolak hipotesis nol.

6. Sekarang anggaplah bahawa kami telah mengumpulkan data kami dan bahawa dari sampel 100 pemerhatian kami, harga rata-rata yang sanggup dibayar pelanggan untuk jus kami adalah $ 5.02 , dan bahawa sisihan piawai sampel adalah $ 0.10 . Kita sekarang boleh mengira skor-z untuk sampel kita di mana kita mendapat nilai 2 yang diberi oleh [(5.02 - 5) / (0.1 / √ 100)].

7. Memandangkan z yang dikira kita lebih besar daripada z _0.05 = 1.645, kita mempunyai bukti yang kuat untuk menolak hipotesis nol pada tahap keertian 5%. Kami kemudian menyokong hipotesis alternatif, bahawa nilai rata-rata pelanggan yang sanggup membayar untuk produk tersebut lebih besar daripada $ 5.

8. Kita sekarang perlu mempertimbangkan sebarang masalah ekonomi atau kualitatif yang tidak ditangani melalui proses statistik. Ini biasanya pemboleh ubah yang tidak dapat diukur yang harus ditangani ketika membuat keputusan berdasarkan penemuan. Sebagai contoh, jika pesaing terbesar akan menurunkan harga produk pesaing dengan ketara, ini dapat menurunkan nilai rata-rata pengguna bersedia membayar untuk produk anda.

Lebih Banyak Sumber

Sekiranya anda ingin mengetahui lebih lanjut mengenai topik yang berkaitan dengan Ujian Hipotesis, lihat sumber di laman web Royal Statistics Society.

Finance menawarkan Pensijilan Pemodelan & Penilaian Kewangan (FMVA) ™ FMVA® Sertai 350,600+ pelajar yang bekerja untuk syarikat seperti Amazon, JP Morgan, dan program pensijilan Ferrari bagi mereka yang ingin mengambil kerjaya mereka ke tahap seterusnya. Untuk terus belajar dan memajukan kerjaya anda, sumber Kewangan berikut juga akan membantu:

• Penganalisis Penyelidikan Penganalisis Penyelidikan Seorang penganalisis penyelidikan bertanggungjawab untuk meneliti, menganalisis, menafsirkan dan mempersembahkan data yang berkaitan dengan pasaran, operasi, kewangan / perakaunan, ekonomi, dan pelanggan.
• Glosari Matematik Kewangan Glosari Matematik Kewangan ini merangkumi istilah dan definisi paling penting yang diperlukan untuk kerjaya sebagai penganalisis kewangan. Senarai ini diambil dari Kursus Matematik Kewangan Kewangan.
• Nombor Fibonacci Nombor Fibonacci Nombor Fibonacci adalah nombor yang dijumpai dalam urutan integer yang ditemui / dibuat oleh ahli matematik, Leonardo Fibonacci. Urutannya adalah rangkaian nombor
• FUNGSI AVERAGE Fungsi AVERAGE Hitung Purata dalam Excel. Fungsi RATA-RATA dikategorikan di bawah fungsi Statistik. Ini akan mengembalikan rata-rata hujah. Ia digunakan untuk mengira min aritmetik bagi set argumen yang diberikan. Sebagai penganalisis kewangan, fungsi ini berguna untuk mengetahui purata bilangan.