Ipotesi Statistica e Test di Ipotesi: Concetti Fondamentali

Tema 1: Ipotesi Statistica e Test d'Ipotesi

Un'ipotesi statistica è un'affermazione su una caratteristica o un parametro di una popolazione, formulata al fine di effettuare una verifica statistica. Può essere rifiutata o accettata in base alle informazioni campionarie disponibili. Nel processo di decisione, l'ipotesi nulla (H₀) viene messa a confronto con l'ipotesi alternativa (H₁). L'ipotesi può essere:

• Semplice: se specifica un singolo valore per il parametro indagato.
• Composta: se assume un insieme di valori per il parametro.

Concetti Chiave nei Test Statistici

• Livello di significatività (α): rappresenta il livello di errore di tipo I che siamo disposti a sopportare, ovvero la probabilità di errore che tolleriamo in termini percentuali. Viene definito come:
  Tipo I: α = P(rifiutare H₀ | H₀ è vera).
• Errore di tipo II (β): la probabilità di accettare l'ipotesi nulla quando in realtà è falsa (ovvero quando H₁ è vera):
  Tipo II: β = P(accettare H₀ | H₁ è vera).
• Potenza di un test (contrasto): la capacità del test di rifiutare correttamente l'ipotesi nulla quando essa è falsa:
  Potenza = 1 - β = P(rifiutare H₀ | H₀ è falsa).
• Statistica test: un valore numerico calcolato a partire dai dati del campione.
• Regione di accettazione: l'insieme dei valori della statistica test che porta all'accettazione dell'ipotesi nulla.
• Regione critica (o di rifiuto): l'insieme dei valori della statistica test che porta a rifiutare l'ipotesi nulla, in cui è concentrata la probabilità di commettere l'errore di tipo I.
• Livello di confidenza (1 - α): il valore teorico della probabilità che un determinato intervallo di confidenza contenga il vero parametro della popolazione.
• Statistica inferenziale: il processo attraverso il quale si traggono conclusioni sulla popolazione a partire dai dati di un campione.

Teorema di Neyman-Pearson per la Regione Critica Ottimale

Il teorema di Neyman-Pearson viene utilizzato per trovare una regione critica ottimale (RCO) e garantire che il test sia il più potente e affidabile possibile. Per la sua applicazione si devono soddisfare le seguenti condizioni:

1. Le ipotesi H₀ e H₁ devono essere semplici.
2. È necessario un campione di dimensione n.
3. Si fissa un livello di significatività α (errore di tipo I).
4. Si definisce L₀ come la funzione di verosimiglianza sotto l'ipotesi H₀, e L₁ come la funzione di verosimiglianza sotto l'ipotesi H₁.
5. La regione critica è definita dal rapporto L₀ / L₁ ≤ k, dove k è una costante positiva.

Relazione tra gli Errori di Tipo I e di Tipo II

1. β (beta) non è il complementare di α (alfa). Il complementare di α è 1 - α (livello di confidenza).
2. Anche se α e β non sono direttamente dipendenti, per una dimensione campionaria n fissata, se α diminuisce, β aumenta. Pertanto, le probabilità di errore di tipo I e di tipo II sono inversamente correlate.
3. Questi errori dipendono dalla dimensione del campione n e dal valore effettivo del parametro sotto l'ipotesi alternativa.

Passaggi per Eseguire un Test di Ipotesi

1. Definire l'ipotesi nulla (H₀) e l'ipotesi alternativa (H₁).
2. Scegliere il livello di significatività (α).
3. Calcolare la statistica test per la verifica delle ipotesi.
4. Determinare se il valore calcolato tramite il test statistico consente di rifiutare o accettare l'ipotesi nulla.

Regione Uniformemente Più Potente (UMP)

Una regione uniformemente più potente si ottiene tramite il teorema di Neyman-Pearson quando l'ipotesi alternativa è composta, ma il valore del parametro si trova sempre dallo stesso lato (test unilaterale).

Test del Rapporto di Verosimiglianza

Si applica quando non è possibile utilizzare direttamente il teorema di Neyman-Pearson perché le ipotesi H₀ e H₁ sono composte:

1. È una procedura di carattere generale.
2. Coincide con il test di Neyman-Pearson nel caso di ipotesi semplici.
3. Non garantisce sempre di ottenere il test ottimale per campioni piccoli.
4. Possiede ottime proprietà asintotiche per grandi campioni.
5. Si basa sul rapporto tra le funzioni di verosimiglianza.
6. Viene tipicamente applicato quando la dimensione del campione n ≥ 30.