Inhoudsopgave
Advertenties
De P-waarde wordt in alle gevallen berekend als: P-waarde = P(F>F
, ν
UTPF(ν
,F
)
N
D
o
De toetscriteria zijn:
•
als P-waarde < α
Verwerp H
o
•
niet als P-waarde > α.
Verwerp H
o
Voorbeeld – Neem bijvoorbeeld twee steekproeven die uit normale populaties
worden gehaald, zodat n
toetsen de nulhypothese, H
tegen de alternatieve hypothese, H
hypothese moeten we s
M
2
s
=max(s
M
2
s
=min(s
m
Ook
Daarom is de F-teststatistiek F
De P-waarde is
P-waarde = P(F>F
UTPF(20,30,1.44) = 0.1788...
Omdat 0,1788... > 0,05, dus P-waarde > α, kunnen we de nulhypothese H
σ
2
= σ
2
dus niet verwerpen.
1
2
Extra opmerkingen over lineaire regressie
In dit deel gaan we verder met lineaire regressie, dat we eerder in dit
hoofdstuk hebben gezien, en geven we een procedure voor hypothesetoetsing
van regressieparameters.
De methode van kleinste kwadraat
Stel dat x = onafhankelijke, niet-willekeurige variabele en Y = afhankelijke,
willekeurige variabele. De regressiecurve van Y op x wordt gedefinieerd als
2
= 21, n
= 31, s
1
2
1
2
2
: σ
= σ
op een significantieniveau α = 0.05,
1
o
2
: σ
2
≠ σ
1
1
en s
als volgt identificeren:
m
2
2
,s
) = max(0.36,0.25) = 0.36 = s
1
2
2
2
,s
) = min(0.36, 0.25) = 0.25 = s
1
2
n
= n
= 21,
M
1
n
= n
= 31,
m
2
ν
= n
- 1= 21-1=20,
N
M
ν
= n
-1 = 31-1 =30.
D
m
2
2
= s
/s
=0.36/0.25=1.44
o
M
m
) = P(F>1.44) = UTPF(ν
o
2
= 0.36 en s
= 0.25. We
2
2
. Voor een tweezijdige
2
2
1
2
2
, ν
,F
N
D
Blz. 18-53
) =
o
) =
o
:
o
Advertenties
Inhoudsopgave
