Hipotez Testleri

101 questions

Question 21Question

Bir telekomünikasyon şirketinde, bir müşteri temsilcisinin aldığı çağrıların satışla sonuçlanma olasılığı pp olarak bilinmektedir. Temsilcinin ilk satışını gerçekleştirdiği çağrı sırası XX rassal değişkeni ile modellenmektedir. pp parametresine ilişkin H0:p=0.5H_0: p = 0.5 yokluk hipotezi, H1:p=0.2H_1: p = 0.2 alternatif hipotezine karşı test edilmek istenmektedir.

Belirlenen karar kuralına göre, eğer temsilci ilk satışını 3. veya daha sonraki bir çağrıda gerçekleştirirse (X3X \geq 3) H0H_0 hipotezi reddedilecektir.

Buna göre, bu testin I. Tip Hata olasılığı (α\alpha) ve II. Tip Hata olasılığı (β\beta) sırasıyla aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 0.250.25 ve 0.360.36

Answer

0.250.25 ve 0.360.36
Verilen senaryoda XX rassal değişkeni Geometrik dağılıma sahiptir. I. Tip Hata (α\alpha), p=0.5p=0.5 iken X3X \geq 3 olma olasılığıdır. Bu durum 1(P(X=1)+P(X=2))=1(0.5+0.25)=0.251 - (P(X=1) + P(X=2)) = 1 - (0.5 + 0.25) = 0.25 olarak bulunur. II. Tip Hata (β\beta) ise, p=0.2p=0.2 iken testin kabul bölgesine yani X<3X < 3 olma durumuna düşme olasılığıdır. Bu da P(X=1)+P(X=2)=0.2+0.16=0.36P(X=1) + P(X=2) = 0.2 + 0.16 = 0.36 olarak hesaplanır. Dolayısıyla doğru olasılıklar sırasıyla 0.250.25 ve 0.360.36'dır.

Step-by-Step Solution

1
XX rassal değişkeninin olasılık fonksiyonunu belirle.
XX, bir başarı elde edilene kadar geçen deneme sayısını ifade ettiğinden Geometrik dağılıma sahiptir. P(X=x)=p(1p)x1P(X = x) = p(1-p)^{x-1} (x=1,2,x = 1, 2, \dots).
Olasılık hesaplamalarında doğru ayrık dağılım modelini kullanmak gerekir.
2
I. Tip Hata olasılığını (α\alpha) hesapla.
α=P(H0’ı ReddetH0 Dog˘ru)=P(X3p=0.5)\alpha = P(H_0\text{'ı Reddet} \mid H_0 \text{ Doğru}) = P(X \geq 3 \mid p = 0.5).
α=1P(X<3)=1[P(X=1)+P(X=2)]\alpha = 1 - P(X < 3) = 1 - [P(X = 1) + P(X = 2)].
α=1[0.5+(0.5)(10.5)1]=1[0.5+0.25]=10.75=0.25\alpha = 1 - [0.5 + (0.5)(1 - 0.5)^1] = 1 - [0.5 + 0.25] = 1 - 0.75 = 0.25.
Anlamlılık düzeyi (alfa), yokluk hipotezi doğruyken test istatistiğinin kritik (red) bölgeye düşme olasılığıdır.
3
II. Tip Hata olasılığını (β\beta) hesapla.
β=P(H0’ı ReddedememeH1 Dog˘ru)=P(X<3p=0.2)\beta = P(H_0\text{'ı Reddedememe} \mid H_1 \text{ Doğru}) = P(X < 3 \mid p = 0.2).
β=P(X=1)+P(X=2)\beta = P(X = 1) + P(X = 2).
β=0.2+(0.2)(10.2)1=0.2+(0.2)(0.8)=0.2+0.16=0.36\beta = 0.2 + (0.2)(1 - 0.2)^1 = 0.2 + (0.2)(0.8) = 0.2 + 0.16 = 0.36.
Beta hatası, alternatif hipotez geçerliyken test istatistiğinin kabul bölgesine düşme olasılığıdır.

Key Concept

I. ve II. Tip Hataların Dağılım Üzerinden Hesaplanması
Estimated Time:2m 0s
Question 22Question

Normal dağılıma sahip bir kitle üzerinde parametre testleri uygulanacaktır. X1,X2,,XnX_1, X_2, \dots, X_n bu kitleden alınan rastgele bir örneklemi göstermektedir.

İstatistiksel hipotez testleri teorisi dikkate alındığında, aşağıdaki hipotez çiftlerinden hangisi için Düzgün En Güçlü (UMP) test bulunmaktadır?

Show answer & explanation

Answer: H0:σ2σ02H_0: \sigma^2 \leq \sigma_0^2'a karşı H1:σ2>σ02H_1: \sigma^2 > \sigma_0^2 (Kitle ortalaması μ\mu biliniyor)

Answer

Doğru cevap, kitle ortalaması bilindiğinde varyans için kurulan tek yönlü hipotez testi durumudur.
Kitle ortalaması (μ\mu) bilindiğinde normal dağılım, varyans (σ2\sigma^2) parametresine bağlı tek parametreli bir üstel aile oluşturur. Karlin-Rubin teoremine göre, bu durumdaki dağılımların yeterli istatistiği monoton olabilirlik oranı (MLR) özelliğine sahiptir. Tek parametreli bir ailede MLR özelliği sağlandığı için, tek yönlü alternatif hipotez (H1:σ2>σ02H_1: \sigma^2 > \sigma_0^2) için her zaman bir Düzgün En Güçlü (UMP) test bulunur. Bu test T=i=1n(Xiμ)2T = \sum_{i=1}^n (X_i - \mu)^2 istatistiğine dayanır.

Step-by-Step Solution

1
Düzgün En Güçlü (UMP) testin varlık şartlarını hatırlamak.
Karlin-Rubin teoremine göre, dağılım tek parametreli üstel aileye aitse ve yeterli istatistik Monoton Olabilirlik Oranı (MLR) özelliğine sahipse, tek yönlü alternatif hipotezler için UMP test mevcuttur.
Seçeneklerdeki hipotezlerin hangi durumlarda UMP teste sahip olduğunu belirlemek için temel teorik çerçeveyi kurmak gereklidir.
2
Çift yönlü hipotezleri incelemek.
Normal dağılımda çift yönlü alternatif hipotezler (H1:μμ0H_1: \mu \neq \mu_0 veya H1:σ2σ02H_1: \sigma^2 \neq \sigma_0^2) için UMP test yoktur; bunlar için Düzgün En Güçlü Yansız (UMPU) test bulunabilir.
Çift yönlü hipotezler teorik olarak her iki kuyrukta da eşzamanlı olarak en güçlü olamayacağından bu seçenekler doğrudan elenir.
3
Baş belası (nuisance) parametre durumlarını değerlendirmek.
Ortalama için testte varyans bilinmiyorsa veya varyans için testte ortalama bilinmiyorsa, problem çok parametreli hale gelir ve tek yönlü hipotezlerde bile genel olarak UMP test bulunmaz.
Çok parametreli durumlarda sınırlandırılmamış bir UMP test aramak yerine Yansız (Unbiased) veya Değişmez (Invariant) testlerle yetinilir.
4
Tek parametreli ve tek yönlü doğru durumu tespit etmek.
Ortalama (μ\mu) bilindiğinde dağılım sadece σ2\sigma^2 parametresine bağlı tek parametreli üstel aile olur. MLR özelliği sağlandığından tek yönlü H1:σ2>σ02H_1: \sigma^2 > \sigma_0^2 için T=i=1n(Xiμ)2T = \sum_{i=1}^n (X_i - \mu)^2 istatistiğine dayalı bir UMP test bulunur.
Karlin-Rubin teoreminin koşullarının tam olarak sağlandığı tek seçenek tespit edilir.

Key Concept

UMP Testlerinin Varlık Koşulları ve Karlin-Rubin Teoremi
Estimated Time:1m 0s
Question 23Question

Bir elektronik cihazın bileşenlerinin yaşam sürelerinin, beklenen değeri β\beta olan üstel dağılıma sahip olduğu bilinmektedir. Bu cihazdan rasgele seçilen nn adet bileşenin yaşam süreleri X1,X2,,XnX_1, X_2, \dots, X_n olarak gözlemlenmiştir.

Bu bileşenlerin ortalama yaşam süresinin belirli bir β0\beta_0 değerinden daha küçük olup olmadığını araştırmak için H0:ββ0H_0: \beta \geq \beta_0 yokluk hipotezi, H1:β<β0H_1: \beta < \beta_0 alternatif hipotezine karşı test edilecektir.

Buna göre, Monoton Olabilirlik Oranı (MLR) özelliği ve Karlin-Rubin teoremi dikkate alındığında, bu test için Düzgün En Güçlü (UMP) testin red bölgesi (kritik bölge) aşağıdakilerden hangisi şeklinde olmalıdır?

Show answer & explanation

Answer: i=1nXi<c\sum_{i=1}^n X_i < c

Answer

i=1nXi<c\sum_{i=1}^n X_i < c
Üstel dağılım için olabilirlik fonksiyonu oluşturulduğunda, yeterli istatistiğin T=XiT = \sum X_i olduğu görülür. β2>β1\beta_2 > \beta_1 koşulu altında olabilirlik oranı incelendiğinde, fonksiyonun Xi\sum X_i değerine göre monoton artan olduğu (MLR özelliği sağlandığı) saptanır. Karlin-Rubin teoremine göre, MLR özelliği TT'ye göre sağlanıyorsa H1:β<β0H_1: \beta < \beta_0 şeklindeki sol yönlü alternatif hipotez için Düzgün En Güçlü (UMP) testin red bölgesi istatistiğin küçük değerlerini almalıdır; yani i=1nXi<c\sum_{i=1}^n X_i < c formundadır.

Step-by-Step Solution

1
Olabilirlik fonksiyonunu ve yeterli istatistiği belirleme
L(β)=i=1n1βeXi/β=βne1βXiL(\beta) = \prod_{i=1}^n \frac{1}{\beta} e^{-X_i/\beta} = \beta^{-n} e^{-\frac{1}{\beta}\sum X_i} olarak bulunur.
UMP testi oluşturabilmek için öncelikle yeterli istatistiğe bağlı olan olabilirlik oranının yapısı incelenmelidir.
2
Monoton Olabilirlik Oranı (MLR) özelliğini test etme
β2>β1\beta_2 > \beta_1 için L(β2)L(β1)\frac{L(\beta_2)}{L(\beta_1)} oranı hesaplandığında, oranın Xi\sum X_i değerine göre monoton artan olduğu tespit edilir.
Karlin-Rubin teoreminin uygulanabilmesi için ailenin, belirli bir T(X)T(X) istatistiğine göre MLR özelliğini sağlayıp sağlamadığı kanıtlanmalıdır.
3
Karlin-Rubin teoremi aracılığıyla red bölgesini oluşturma
MLR özelliği T=XiT = \sum X_i'ye göre sağlandığı için, H1:β<β0H_1: \beta < \beta_0 alternatif hipotezine karşı UMP red bölgesi T<cT < c, yani Xi<c\sum X_i < c olarak tayin edilir.
Sol kuyruk (tek yönlü) alternatif testinde red bölgesinin yönü de kritik değerden küçük olacak şekilde belirlenir.

Key Concept

Düzgün En Güçlü (UMP) Testler ve Karlin-Rubin Teoremi
Question 24Question

Bir rüzgâr enerjisi tesisinde çalışan bir mühendis, türbin kanatlarına uygulanan yeni bir aerodinamik malzemenin, standart kanatların bilinen ortalama günlük enerji üretim miktarını (μ=120\mu = 120 MWh) artırdığını ileri sürmektedir. Bu iddiayı istatistiksel olarak sınamak amacıyla rastgele seçilen türbinlerde α=0.05\alpha = 0.05 anlamlılık düzeyinde sağ kuyruklu bir hipotez testi tasarlanmış ve analiz sonucunda pp-değeri 0.020.02 olarak hesaplanmıştır.

Bu hipotez testi süreci ve kavramları ile ilgili;

I. Hesaplanan pp-değeri anlamlılık düzeyinden küçük olduğu için yokluk hipotezi (H0H_0) reddedilir; bu karar gerçekte malzemenin üretime bir etkisi yokken var olduğuna hükmetme riskini (I. Tip hata) taşır.
II. Mühendis testin başında anlamlılık düzeyini α=0.01\alpha = 0.01 olarak belirleseydi, testin gücü (1β1-\beta) artacak ve II. Tip hata yapma olasılığı azalacaktı.
III. Test sonucunda bulunan pp-değeri (0.020.02), yokluk hipotezinin doğru olma olasılığının tam olarak %2\%2 olduğunu ifade etmektedir.
IV. Analizde daha fazla sayıda türbin gözlemlenerek örneklem hacmi büyütülseydi, standart hatanın düşmesiyle birlikte testin gerçek bir üretim artışını yakalayabilme gücü (1β1-\beta) artardı.

ifadelerinden hangileri doğrudur?

Show answer & explanation

Answer: I ve IV

Answer

Sadece I ve IV numaralı öncüllerin yer aldığı seçenek doğrudur.
I numaralı öncül, p-değeri ve anlamlılık düzeyi karşılaştırmasına dayanan karar kuralını (0.02 < 0.05) doğru uygulamış ve H0H_0'ın reddedilmesi durumunda ortaya çıkan tek riskin I. Tip Hata (gerçekte etkisi yokken var demek) olduğunu doğru tanımlamıştır. IV numaralı öncül ise örneklem hacmi arttığında örnekleme dağılımının standart hatasının azalacağı ve bunun da dağılımlar arası çakışmayı azaltarak testin gücünü (gerçeği tespit edebilme yeteneği) yükselteceği kuralını doğru ifade etmektedir. Bu nedenle sadece I ve IV numaralı öncüller geçerlidir.

Step-by-Step Solution

1
I numaralı öncülü pp-değeri karar kuralı ve hata tanımları çerçevesinde değerlendir.
p=0.02<α=0.05p = 0.02 < \alpha = 0.05 olduğundan H0H_0 reddedilir. Doğru bir H0H_0'ı reddetme riski I. Tip hata (α\alpha) olarak adlandırılır. Öncül doğrudur.
Test kararının doğruluk durumunu ve potansiyel riskini tespit etmek.
2
II numaralı öncülü α\alpha, β\beta ve testin gücü arasındaki teorik ilişkiye göre incele.
α\alpha değerinin azaltılması (0.050.05'ten 0.010.01'e), ret bölgesini daraltır. Bu durum H0H_0'ı reddetmeyi zorlaştırır, II. Tip hata (β\beta) olasılığını artırır ve testin gücünü (1β1-\beta) düşürür. Öncül yanlıştır.
I. ve II. Tip hataların kendi aralarındaki ters orantılı yapısını doğrulamak.
3
III numaralı öncülü pp-değerinin tanımı üzerinden kontrol et.
pp-değeri, H0H_0 doğruyken elde edilen test istatistiği kadar veya daha aşırı bir değer bulma olasılığıdır. Asla "H0H_0'ın doğru olma olasılığı" değildir. Öncül yanlıştır.
P-değerine ilişkin en yaygın istatistiksel yanılgıyı elemek.
4
IV numaralı öncülü örneklem hacmi ve güç analizi prensipleriyle değerlendir.
Örneklem hacmi (nn) arttıkça standart hata (SE=σ/nSE = \sigma / \sqrt{n}) küçülür. Dağılımların daralması gerçek bir farkı (H1H_1'i) tespit etmeyi kolaylaştırır, yani gücü (1β1-\beta) artırır. Öncül doğrudur.
Test tasarımında örneklem büyüklüğünün etkisini doğrulamak.

Key Concept

Hipotez Testlerinde I. ve II. Tip Hatalar ile Testin Gücü Arasındaki İlişkiler
Question 25Question

Bir kalite kontrol uzmanı, bir üretim bandından rastgele seçilen ürünler arasındaki kusurlu ürün sayısını XX rassal değişkeni ile modellemektedir. XX rassal değişkeninin alabileceği değerlerin, sıfır hipotezi (H0H_0) ve alternatif hipotez (H1H_1) altındaki olasılık dağılımları aşağıdaki tabloda verilmiştir:

xx (Kusurlu Sayısı)0011223344
P(X=xH0)P(X=x \mid H_0)0.550.550.250.250.100.100.050.050.050.05
P(X=xH1)P(X=x \mid H_1)0.100.100.150.150.200.200.250.250.300.30

Uzman, örneklemdeki kusurlu ürün sayısının 33 veya daha fazla olması (X3X \geq 3) durumunda H0H_0 hipotezini reddetmeye karar vermiştir.

Buna göre, kurulan bu hipotez testinin anlamlılık düzeyi (α\alpha) ve II. tip hata olasılığı (β\beta) sırasıyla aşağıdakilerden hangisidir?

Show answer & explanation

Answer: α=0.10,β=0.45\alpha = 0.10, \quad \beta = 0.45

Answer

α=0.10,β=0.45\alpha = 0.10, \quad \beta = 0.45 değerlerini içeren seçenektir.
Anlamlılık düzeyi (α\alpha), H0H_0 doğru iken red bölgesine (X3X \geq 3) düşme olasılığıdır: P(X3H0)=0.05+0.05=0.10P(X \geq 3 \mid H_0) = 0.05 + 0.05 = 0.10. II. Tip hata olasılığı (β\beta) ise H1H_1 doğru iken red bölgesine düşmeme (X<3X < 3) olasılığıdır: P(X<3H1)=P(X=0,1,2H1)=0.10+0.15+0.20=0.45P(X < 3 \mid H_1) = P(X=0, 1, 2 \mid H_1) = 0.10 + 0.15 + 0.20 = 0.45. Dolayısıyla doğru ikili α=0.10\alpha = 0.10 ve β=0.45\beta = 0.45 şeklindedir.

Step-by-Step Solution

1
Anlamlılık düzeyinin (α\alpha) tanımını ve red bölgesini belirlemek.
Testin red bölgesi X3X \geq 3 olarak verilmiştir. Anlamlılık düzeyi (α\alpha), H0H_0 doğru iken H0H_0'ı reddetme olasılığıdır (I. Tip Hata).
Bir hipotez testinde α\alpha hata payı, daima sıfır hipotezi altında red bölgesine düşme olasılığına eşittir.
2
Tabloyu kullanarak α\alpha değerini hesaplamak.
α=P(X3H0)=P(X=3H0)+P(X=4H0)=0.05+0.05=0.10\alpha = P(X \geq 3 \mid H_0) = P(X=3 \mid H_0) + P(X=4 \mid H_0) = 0.05 + 0.05 = 0.10 elde edilir.
Tabloda H0H_0 satırında yer alan x=3x=3 ve x=4x=4 durumlarına ait olasılıklar toplanmalıdır.
3
II. Tip hata olasılığının (β\beta) tanımını ifade etmek ve kabul bölgesini belirlemek.
β\beta, H1H_1 doğru iken H0H_0'ı reddedememe olasılığıdır. Reddedememe (kabul) bölgesi X<3X < 3 tür.
Alternatif hipotez altındayken, test istatistiğinin red bölgesi dışına düşmesi II. tip hataya yol açar.
4
Tabloyu kullanarak β\beta değerini hesaplamak.
β=P(X<3H1)=P(X=0H1)+P(X=1H1)+P(X=2H1)=0.10+0.15+0.20=0.45\beta = P(X < 3 \mid H_1) = P(X=0 \mid H_1) + P(X=1 \mid H_1) + P(X=2 \mid H_1) = 0.10 + 0.15 + 0.20 = 0.45 elde edilir.
Tabloda H1H_1 satırında yer alan x=0x=0, x=1x=1 ve x=2x=2 durumlarına ait olasılıklar toplanmalıdır.

Key Concept

I. ve II. Tip Hatalar ile Anlamlılık Düzeyi
Question 26Question

Bir fabrikada üretilen elektronik çiplerin kusurlu olma olasılığı pp'dir. Üretim sürecinin kontrolü için rastgele seçilen çipler tek tek incelenmekte ve ilk kusurlu çip bulunana kadar geçen deneme sayısı XX rassal değişkeni ile ifade edilmektedir. XX rassal değişkeninin olasılık fonksiyonu, x=1,2,x = 1, 2, \dots olmak üzere P(X=x)=(1p)x1pP(X=x) = (1-p)^{x-1}p şeklindedir.

Üretim sürecinde kusur oranının düştüğünü iddia eden bir kalite kontrol uzmanı, H0:p0,5H_0: p \ge 0,5 yokluk hipotezine karşı H1:p<0,5H_1: p < 0,5 alternatif hipotezini test etmek istemektedir. Uzman, ilk kusurlu çipi bulmak için 33 veya daha fazla çip incelemesi gerekirse (X3X \ge 3) yokluk hipotezini reddedecektir.

Buna göre, gerçek kusur oranının p=0,2p = 0,2 olması durumunda bu testin gücü kaçtır?

Show answer & explanation

Answer: 0,6400,640

Answer

Gerçek kusur oranının p=0,2p=0,2 olması durumunda testin gücü 0,6400,640'tır.
Doğru yanıt, alternatif hipotez altındaki gerçek parametre değeri p=0,2p=0,2 iken test istatistiğinin belirlenen red bölgesine (X3X \ge 3) düşme olasılığı olan 0,6400,640 değerini göstermektedir. Bu değer tümleyen mantığıyla 1P(X<3)=1(0,2+0,16)=0,6401 - P(X < 3) = 1 - (0,2 + 0,16) = 0,640 şeklinde veya geometrik dağılımın P(Xk)=(1p)k1P(X \ge k) = (1-p)^{k-1} doğrudan formülüyle (10,2)31=0,82=0,640(1-0,2)^{3-1} = 0,8^2 = 0,640 olarak hesaplanır.

Step-by-Step Solution

1
Testin gücü (Power) tanımını ve red bölgesini belirleme.
Testin Gücü = P(H0 reddedilirH1 dog˘rudur)P(H_0 \text{ reddedilir} | H_1 \text{ doğrudur}). Red bölgesi X3X \ge 3 olarak verilmiştir. Bu nedenle hesaplanması gereken olasılık P(X3p=0,2)P(X \ge 3 | p = 0,2)'dir.
Güç fonksiyonu, belirli bir alternatif hipotez parametresi (burada p=0,2p=0,2) altında test istatistiğinin red bölgesine düşme olasılığını ifade eder.
2
Geometrik dağılım fonksiyonunda p=0,2p = 0,2 değerini yerine koyarak istenen olasılığı hesaplama.
P(X3)=1P(X<3)=1[P(X=1)+P(X=2)]P(X \ge 3) = 1 - P(X < 3) = 1 - [P(X=1) + P(X=2)]. Değerleri yerine koyarsak: 1[0,2+(0,8)1(0,2)]=1[0,2+0,16]=10,36=0,641 - [0,2 + (0,8)^1(0,2)] = 1 - [0,2 + 0,16] = 1 - 0,36 = 0,64.
Sonsuz toplamı (X=3,4,X=3, 4, \dots) hesaplamak yerine, tümleyen kuralını kullanarak kabul bölgesindeki olasılıkları (X=1,2X=1, 2) 11'den çıkarmak işlemi kolaylaştırır.

Key Concept

Güç Fonksiyonu (Power Function) ve Testin Gücü

Alternative Method

Geometrik dağılım mantığıyla, X3X \ge 3 olabilmesi için ilk 2 denemenin de mutlaka 'kusursuz' çip ile sonuçlanması gerekir. Bir çipin kusursuz olma olasılığı 1p=0,81 - p = 0,8'dir. İlk iki çipin ikisinin birden kusursuz gelme olasılığı doğrudan 0,8×0,8=0,6400,8 \times 0,8 = 0,640 olarak pratik şekilde bulunabilir.
Estimated Time:1m 30s
Question 27Question

Bir kamu kurumunun insan kaynakları dairesi, personelin iş performansını artırmak amacıyla uygulanan yeni bir eğitim modülünün, kurum içi değerlendirme sınavı ortalama puanını (μ\mu) geçmiş yılların ortalaması olan 70 puandan daha yükseğe taşıdığını öngörmektedir. Bu durumu istatistiksel olarak sınamak için rastgele seçilen bir personel grubuna yeni modül uygulanmıştır. Araştırmacı, α=0,05\alpha = 0,05 anlamlılık düzeyinde H0:μ70H_0: \mu \leq 70 hipotezine karşı H1:μ>70H_1: \mu > 70 hipotezini test etmiş ve analiz sonucunda p-değerini 0,0140,014 olarak hesaplamıştır.

Buna göre, hipotez testi temel kavramları ve elde edilen sonuçlar bağlamında aşağıdakilerden hangisi doğrudur?

Show answer & explanation

Answer: Gerçekte yeni eğitim modülünün hiçbir etkisi yokken (yokluk hipotezi doğruyken), araştırmacının elde ettiği örneklem sonucunu veya daha aşırı bir sonucu gözlemleme olasılığı 0,014'tür.

Answer

Doğru ifade, gerçekte modülün etkisi yokken (H0 doğruyken) mevcut veya daha aşırı örneklem sonuçlarının gözlenme olasılığının 0,014 olduğunu belirten seçenektir.
p-değeri, sıfır (yokluk) hipotezinin doğru olduğu varsayımı altında, test istatistiğinin hesaplanan değerini veya ondan daha ekstrem bir değeri elde etme olasılığıdır. Sorudaki örnekte H0H_0, eğitim modülünün etkisinin olmadığını savunmaktadır. Elde edilen p-değeri (0,014), modül tamamen etkisiz olsaydı bile sadece şans eseri böyle bir sonuç (veya daha fazlasını) görme olasılığımızın %1,4 olduğunu gösterir.

Step-by-Step Solution

1
p-değerinin kavramsal tanımını hatırlama
p-değeri, H0H_0 hipotezinin doğruluğu varsayımı altında, test istatistiğinin gözlemlenen değerine eşit veya ondan daha aşırı bir değer alma olasılığıdır (P(XxH0)P(X \geq x | H_0)).
Seçeneklerdeki p-değeri yorumlarını doğrulamak için temel tanım gereklidir.
2
I. Tip ve II. Tip hata tanımlarını ayırt etme
I. Tip Hata (α\alpha) doğru olan H0H_0'ı reddetmek; II. Tip Hata (β\beta) yanlış olan H0H_0'ı reddedememektir.
Hata türleriyle ilgili seçeneklerdeki senaryoların doğru eşleştirilip eşleştirilmediğini kontrol etmek için.
3
Alfa, beta ve testin gücü arasındaki ilişkileri değerlendirme
Örneklem çapı sabitken α\alpha azalırsa β\beta artar ve testin gücü (1β1-\beta) azalır. Testin gücü H1H_1 dağılımı altında hesaplanır.
Test gücü ve hata oranlarının değişimiyle ilgili yanlış seçenekleri elemek için.

Key Concept

p-değerinin doğru yorumlanması ve hipotez testlerinde hata tipleri arasındaki ilişkiler

Practice More

p-değeri ile farklı α\alpha anlamlılık düzeylerinde kararların nasıl değiştiğini inceleyen sayısal örnekler çözülmesi tavsiye edilir.
Estimated Time:1m 30s
Question 28Question

Bir araştırmacı, öğrencilerin bir okuma anlama testinden aldıkları puanların normal dağılım gösterdiğini ve kitle varyansının σ2=100\sigma^2 = 100 olduğunu bilmektedir. Öğrencilerin genel ortalamasının μ=70\mu = 70 olduğu yönündeki H0:μ=70H_0: \mu = 70 yokluk hipotezi, H1:μ>70H_1: \mu > 70 alternatif hipotezine karşı test edilecektir. Bu amaçla n=25n=25 öğrenciden oluşan rastgele bir örneklem seçilmiş ve testin red bölgesi Xˉ73\bar{X} \ge 73 olarak belirlenmiştir.

Buna göre, öğrencilerin gerçek genel ortalamasının μ=75\mu = 75 olması durumunda bu testin gücü (power) aşağıdakilerden hangisidir?

(Not: ZN(0,1)Z \sim N(0,1) standart normal dağılım olmak üzere; P(Z0,2)=0,5793P(Z \le 0,2) = 0,5793, P(Z1)=0,8413P(Z \le 1) = 0,8413 ve P(Z1,5)=0,9332P(Z \le 1,5) = 0,9332 değerlerini kullanınız.)

Show answer & explanation

Answer: 0,8413

Answer

Testin gücü 0,8413 olarak hesaplanır.
Testin gücü, belirli bir alternatif hipotez durumu altındayken (bu soruda μ = 75) yokluk hipotezini reddetme olasılığıdır. Red bölgesi ̄X ≥ 73 olarak verildiğine göre hesaplanması gereken değer P(̄X ≥ 73 | μ = 75)'tir. ̄X'in standart hatası σ/√n = 10/5 = 2'dir. Standartlaştırma yapıldığında P(Z ≥ (73 - 75) / 2) = P(Z ≥ -1) elde edilir. Standart normal dağılımın simetri özelliğinden dolayı bu değer P(Z ≤ 1)'e eşittir ve soruda 0,8413 olarak verilmiştir.

Step-by-Step Solution

1
Örneklem ortalamasının (̄X) dağılımını ve standart hatasını belirleme.
̄X ~ N(μ, σ²/n) olduğundan varyans 100/25 = 4'tür. Standart hata (√4) 2 olarak bulunur.
Olasılık hesaplamalarında doğru varyansın kullanılması Z tablosuna geçiş için şarttır.
2
Testin gücü fonksiyonunu kurma.
Güç = P(Red Bölgesi | μ = 75) = P(̄X ≥ 73 | μ = 75)
Testin gücü (1-β), alternatif hipotez doğruyken (burada μ=75) yokluk hipotezini reddetme (yani test istatistiğinin red bölgesine düşme) olasılığıdır.
3
İfadeyi standart normal dağılıma (Z) çevirip sonucu hesaplama.
P(Z ≥ (73 - 75) / 2) = P(Z ≥ -1). Simetri özelliğinden P(Z ≥ -1) = P(Z ≤ 1) = 0,8413.
Normal dağılım olasılıklarını verilen tablo değerlerinden okuyabilmek için standartlaştırma formülü uygulanmalıdır.

Key Concept

Normal Dağılımda Güç Fonksiyonu ve Testin Gücü Hesaplaması
Question 29Question

Çevre, Şehircilik ve İklim Değişikliği Bakanlığında görevli bir denetmen, bir sanayi bölgesindeki fabrikaların atmosfere saldığı ortalama partikül madde miktarının (μ\mu) yasal sınır olan 40 μg/m340 \ \mu\text{g/m}^3 değerini aşıp aşmadığını istatistiksel olarak test etmek istemektedir. Denetmen, hipotez testinin kurulumu ve özellikleri hakkında aşağıdaki ifadeleri kullanmıştır:

I. Denetmenin kanıtlamak istediği "sınırın aşıldığı" iddiası alternatif hipotezde (H1:μ>40H_1: \mu > 40) yer almalıdır ve test sonucunda elde edilecek pp-değeri, yokluk hipotezinin (H0H_0) doğru olma olasılığını gösterir.

II. Örneklem hacmi sabit tutulduğunda, testin anlamlılık düzeyinin (α\alpha) 0,050,05 yerine 0,010,01 olarak belirlenmesi, gerçekte yasal sınırı aşan fabrikaların tespit edilememe olasılığını (II. Tip hata) artıracaktır.

III. Testin gücünü (1β1-\beta) artırarak sınırı aşan fabrikaları tespit etme yeteneğini yükseltmek için, örneklem hacmi artırılabilir veya daha büyük bir anlamlılık düzeyi (α\alpha) seçilebilir.

Buna göre, denetmenin ifadelerinden hangileri istatistiksel olarak doğrudur?

Show answer & explanation

Answer: II ve III

Answer

Sadece II ve III numaralı ifadelerin yer aldığı seçenektir.
Doğru olan seçenekte II ve III numaralı ifadeler yer almaktadır. II. öncül, α\alpha (I. Tip hata olasılığı) küçültüldüğünde red bölgesinin daralacağını ve bunun sonucunda yanlış olan H0H_0'ı reddedememe (II. Tip hata olasılığı, β\beta) riskinin artacağını doğru bir şekilde belirtmektedir. III. öncül, testin gücünü (1β1-\beta) artırmak için standart hatayı düşüren örneklem hacmi artışının veya red bölgesini genişleten α\alpha artışının gerekli olduğunu doğru bir şekilde ifade etmektedir. I numaralı öncül ise, pp-değerinin H0H_0'ın doğru olma olasılığı olduğunu iddia ettiği için istatistiksel olarak hatalıdır.

Step-by-Step Solution

1
I numaralı öncülü analiz etme.
Hipotez kurulumu (H1:μ>40H_1: \mu > 40) doğru ifade edilmiştir; ancak pp-değeri, H0H_0'ın doğru olma olasılığı değildir. pp-değeri, H0H_0 doğru kabul edildiğinde, test istatistiğinin hesaplanan değer kadar veya daha uç bir değer alma olasılığıdır. Bu nedenle I numaralı ifade yanlıştır.
Hipotez kurulum kuralları ve p-değerinin teorik tanımının doğrulanması gerekir.
2
II numaralı öncülü analiz etme.
Anlamlılık düzeyi (α\alpha), I. Tip hata (doğru olan H0H_0'ı reddetme) yapma olasılığıdır. α\alpha'nın küçültülmesi red bölgesini daraltır, bu da yanlış olan bir H0H_0'ı reddetmeyi zorlaştırarak II. Tip hata (β\beta) olasılığını artırır. Bu nedenle II numaralı ifade doğrudur.
I. Tip hata ve II. Tip hata olasılıkları arasındaki ters yönlü ilişkinin değerlendirilmesi gerekir.
3
III numaralı öncülü analiz etme.
Testin gücü (1β1-\beta), yanlış olan H0H_0'ı doğru bir şekilde reddetme olasılığıdır. Örneklem hacminin (nn) artırılması standart hatayı küçülterek, α\alpha'nın büyütülmesi ise red bölgesini genişleterek testin gücünü artırır. Bu nedenle III numaralı ifade doğrudur.
Testin gücünü (1β1-\beta) etkileyen faktörlerin parametrik ilişkilerinin bilinmesi gerekir.

Key Concept

Hipotez Testlerinde I. ve II. Tip Hatalar ile Testin Gücü Arasındaki İlişkiler
Question 30Question

Bir araştırmacı, olasılık yoğunluk fonksiyonu x1x \geq 1 ve θ>0\theta > 0 için,

f(x;θ)=θx(θ+1)f(x; \theta) = \theta x^{-(\theta+1)}

olarak verilen Pareto dağılımına sahip bir kitleden nn hacimli X1,X2,,XnX_1, X_2, \dots, X_n rastgele örneklemini almıştır.

Bu kitleye ait θ\theta parametresi için H0:θθ0H_0: \theta \leq \theta_0 yokluk hipotezi, H1:θ>θ0H_1: \theta > \theta_0 alternatif hipotezine karşı test edilmek istenmektedir.

Buna göre, Karlin-Rubin teoremine dayanarak elde edilecek Düzgün En Güçlü (UMP) testin ret bölgesi aşağıdakilerden hangisidir? (cc, testin anlamlılık düzeyine bağlı bir sabiti göstermektedir.)

Show answer & explanation

Answer: i=1nlnXi<c\sum_{i=1}^n \ln X_i < c

Answer

Karlin-Rubin teoremine göre doğru ret bölgesi i=1nlnXi<c\sum_{i=1}^n \ln X_i < c şeklindedir.
Karlin-Rubin teoremine göre UMP testin ret bölgesi, olabilirlik oranını (MLR) monoton yapan yeterli istatistiğin yönü ile alternatif hipotezin yönü kullanılarak belirlenir. Pareto dağılımında olabilirlik oranı, lnXi\sum \ln X_i istatistiğine göre eksi işaretli üsten dolayı monoton azalandır. Azalan bir fonksiyon söz konusu olduğunda ve alternatif hipotez büyük yönlü (>>) olduğunda, test istatistiğinin küçük (<<) değerleri için H0H_0 reddedilir.

Step-by-Step Solution

1
Örneklem için olabilirlik (likelihood) fonksiyonunu oluşturun.
L(θ)=i=1nθXi(θ+1)=θn(i=1nXi)(θ+1)L(\theta) = \prod_{i=1}^n \theta X_i^{-(\theta+1)} = \theta^n \left( \prod_{i=1}^n X_i \right)^{-(\theta+1)}
Monoton Olabilirlik Oranını (MLR) bulmak için öncelikle olabilirlik fonksiyonuna ihtiyaç vardır.
2
θ1>θ0\theta_1 > \theta_0 koşulu altında olabilirlik oranını yazın ve düzenleyin.
L(θ1)L(θ0)=(θ1θ0)n(i=1nXi)(θ1θ0)\frac{L(\theta_1)}{L(\theta_0)} = \left(\frac{\theta_1}{\theta_0}\right)^n \left( \prod_{i=1}^n X_i \right)^{-(\theta_1 - \theta_0)}
Test istatistiğini ve oranın bu istatistiğe göre artan mı azalan mı olduğunu belirlemek için oran hesaplanır.
3
Oran fonksiyonunun monotonluk yönünü belirleyin.
Çarpım ifadesi exp((θ1θ0)lnXi)\exp\left( -(\theta_1 - \theta_0) \sum \ln X_i \right) olarak yazılabilir. θ1>θ0\theta_1 > \theta_0 olduğundan, bu oran lnXi\sum \ln X_i istatistiğine göre kesin olarak monoton azalan bir fonksiyondur.
Karlin-Rubin teoreminde ret bölgesinin yönü, istatistiğin monotonluk yönüne göre tayin edilir.
4
Karlin-Rubin teoremini uygulayarak ret bölgesini tanımlayın.
H1:θ>θ0H_1: \theta > \theta_0 alternatif hipotezi için, MLR fonksiyonu lnXi\sum \ln X_i istatistiğine göre monoton azalan olduğundan, ret bölgesi istatistiğin küçük değerlerinde aranır: i=1nlnXi<c\sum_{i=1}^n \ln X_i < c.
Eğer oran azalan fonksiyonsa, alternatif hipotez yönündeki büyük değişimler istatistiğin küçük değerlerine karşılık gelir.

Key Concept

Monoton Olabilirlik Oranı (MLR) ve Karlin-Rubin Teoremi
Estimated Time:2m 0s
Question 31Question

Bir fabrikada üretilen elektronik bileşenlerin dayanım süreleri (saat cinsinden) XX rassal değişkeni ile modellenmektedir. XX'in olasılık yoğunluk fonksiyonu θ>0\theta > 0 bilinmeyen bir parametre olmak üzere şu şekilde verilmiştir:

f(x;θ)={2xθ2e(x/θ)2,x>00,dig˘erf(x; \theta) = \begin{cases} \frac{2x}{\theta^2} e^{-(x/\theta)^2}, & x > 0 \\ 0, & \text{diğer} \end{cases}

Bu bileşenlerden rastgele seçilen nn hacimli bir örneklem X1,X2,,XnX_1, X_2, \dots, X_n olduğuna göre, bu dağılım ailesi aşağıdaki istatistiklerden hangisine göre monoton olabilirlik oranına (MLR) sahiptir?

Show answer & explanation

Answer: T(X)=i=1nXi2T(\mathbf{X}) = \sum_{i=1}^n X_i^2

Answer

Bu dağılım ailesi T(X)=i=1nXi2T(\mathbf{X}) = \sum_{i=1}^n X_i^2 istatistiğine göre monoton olabilirlik oranına sahiptir.
Olabilirlik fonksiyonu L(θ)=2nxiθ2nexp(1θ2xi2)L(\theta) = \frac{2^n \prod x_i}{\theta^{2n}} \exp\left( -\frac{1}{\theta^2} \sum x_i^2 \right) şeklindedir. θ2>θ1>0\theta_2 > \theta_1 > 0 olmak üzere olabilirlik oranı L(θ2)L(θ1)\frac{L(\theta_2)}{L(\theta_1)} alındığında, üstel ifadenin kuvvetinde (1θ121θ22)xi2\left( \frac{1}{\theta_1^2} - \frac{1}{\theta_2^2} \right) \sum x_i^2 çarpanı elde edilir. Parametreler pozitif olduğu için θ2>θ1\theta_2 > \theta_1 iken 1θ121θ22>0\frac{1}{\theta_1^2} - \frac{1}{\theta_2^2} > 0'dır. Pozitif bir sabit ile xi2\sum x_i^2'nin çarpımının üstel fonksiyonu, xi2\sum x_i^2 istatistiğinin kesinlikle artan bir fonksiyonudur. Bu nedenle dağılım ailesi T(X)=i=1nXi2T(\mathbf{X}) = \sum_{i=1}^n X_i^2 istatistiğine göre monoton olabilirlik oranına sahiptir.

Step-by-Step Solution

1
nn çaplı rastgele örneklem için olabilirlik fonksiyonunu (L(θ)L(\theta)) oluşturun.
L(θ)=i=1n2xiθ2exi2/θ2=2nxiθ2nexp(1θ2i=1nxi2)L(\theta) = \prod_{i=1}^n \frac{2x_i}{\theta^2} e^{-x_i^2/\theta^2} = \frac{2^n \prod x_i}{\theta^{2n}} \exp\left( -\frac{1}{\theta^2} \sum_{i=1}^n x_i^2 \right)
Olabilirlik oranı testini yapabilmek için öncelikle örneklemin ortak olasılık yoğunluk fonksiyonuna ihtiyaç vardır.
2
İki farklı parametre değeri θ2>θ1\theta_2 > \theta_1 için olabilirlik oranını (L(θ2)L(θ1)\frac{L(\theta_2)}{L(\theta_1)}) hesaplayın.
L(θ2)L(θ1)=(θ1θ2)2nexp((1θ121θ22)i=1nxi2)\frac{L(\theta_2)}{L(\theta_1)} = \left( \frac{\theta_1}{\theta_2} \right)^{2n} \exp\left( \left( \frac{1}{\theta_1^2} - \frac{1}{\theta_2^2} \right) \sum_{i=1}^n x_i^2 \right)
MLR özelliğini incelemek için, büyük parametreye ait olabilirlik fonksiyonunun küçük parametreye ait olana oranı incelenmelidir.
3
Olabilirlik oranının hangi istatistiğe bağlı olarak monoton arttığını belirleyin.
θ2>θ1>0\theta_2 > \theta_1 > 0 olduğundan 1θ12>1θ22\frac{1}{\theta_1^2} > \frac{1}{\theta_2^2} olur. Dolayısıyla (1θ121θ22)>0\left( \frac{1}{\theta_1^2} - \frac{1}{\theta_2^2} \right) > 0'dır. Çarpan pozitif olduğundan oran i=1nxi2\sum_{i=1}^n x_i^2 değerine göre monoton olarak artar.
Oran ifadesinin bir T(X)T(\mathbf{X}) istatistiğine göre azalmayan (non-decreasing) fonksiyona dönüşmesini sağlayan terim tespit edilir.

Key Concept

Monoton Olabilirlik Oranı (MLR)
Question 32Question

Bir büyükşehir belediyesi ulaşım planlama biriminde çalışan bir veri analisti, şehir merkezindeki yeni trafik düzenlemesinin günlük ortalama seyahat süresini (μ\mu) eski sistemdeki bilinen ortalama süreye (μ0=45\mu_0 = 45 dakika) göre düşürüp düşürmediğini test etmek istemektedir. Bu amaçla rastgele seçilen araçların seyahat sürelerini kaydederek bir hipotez testi gerçekleştirecektir.

Bu hipotez testi süreci ve temel kavramlar ile ilgili olarak;

I. Analistin araştırma savı olan "yeni düzenleme seyahat süresini düşürmüştür" iddiası, eşitlik durumu içermediği için alternatif hipotez (H1:μ<45H_1: \mu < 45) olarak formüle edilmelidir.
II. Gerçekte yeni düzenleme seyahat süresini kısaltmış olmasına rağmen, analistin test sonucunda sürenin kısalmadığına (eski sürenin geçerli olduğuna) karar vermesi I. Tip hata (α\alpha) olarak tanımlanır.
III. Hesaplanan pp-değerinin, belirlenen anlamlılık düzeyi α\alpha'dan küçük olması (p<αp < \alpha) durumunda yokluk hipotezi (H0H_0) reddedilir ve seyahat süresinin düştüğüne karar verilir.
IV. Örneklem hacmi (nn) sabitken, analistin I. Tip hata yapma olasılığını (α\alpha) 0,050,05'ten 0,010,01'e düşürmesi, II. Tip hata olasılığını (β\beta) artıracağından testin gücünün (1β1-\beta) azalmasına neden olur.
V. Hesaplanan pp-değeri, kurulan yokluk hipotezinin (H0H_0) istatistiksel olarak doğru olma olasılığını doğrudan verir.

Buna göre, verilen ifadelerden hangileri doğrudur?

Show answer & explanation

Answer: I, III ve IV

Answer

I, III ve IV numaralı öncülleri içeren seçenek doğrudur.
I numaralı öncülde hipotez kurulumu, III numaralı öncülde pp-değerine dayalı karar mekanizması, IV numaralı öncülde ise α\alpha, β\beta ve testin gücü arasındaki teorik ilişki doğru verilmiştir.

Step-by-Step Solution

1
I. öncülün değerlendirilmesi
I. öncül doğrudur.
Hipotez kurma kuralları gereği yönlü ve eşitlik içermeyen iddialar (azalma, artma vb.) daima alternatif hipotez (H1H_1) altında tanımlanır.
2
II. öncülün değerlendirilmesi
II. öncül yanlıştır.
Sürenin gerçekten kısalmış olması H0H_0'ın yanlış olduğu anlamına gelir. Yanlış olan H0H_0'ı reddedememe hatası I. Tip değil, II. Tip hata (β\beta) olarak adlandırılır.
3
III. öncülün değerlendirilmesi
III. öncül doğrudur.
Karar kuralına göre pp-değeri α\alpha'dan küçükse (p<αp < \alpha) istatistiksel olarak H0H_0 hipotezi reddedilir.
4
IV. öncülün değerlendirilmesi
IV. öncül doğrudur.
Örneklem hacmi sabitken, α\alpha (I. Tip hata) küçültüldüğünde β\beta (II. Tip hata) artar. Testin gücü (1β1-\beta) olduğu için β\beta'nın artması testin gücünü azaltır.
5
V. öncülün değerlendirilmesi
V. öncül yanlıştır.
pp-değeri H0H_0'ın doğru olma olasılığı değildir; H0H_0 doğru iken mevcut test istatistiğini veya daha ekstrem bir değeri elde etme olasılığıdır.

Key Concept

Hipotez Testi Kurulumu, Hata Tipleri (α\alpha, β\beta), P-Değeri ve Testin Gücü
Estimated Time:1m 30s
Question 33Question

Bir araştırmacı, hassas bir ölçüm cihazındaki sapma hatalarının XX rastgele değişkeni ile modellendiğini ve bu değişkenin aşağıdaki olasılık yoğunluk fonksiyonuna sahip olduğunu bilmektedir:

f(x;λ)=12λexλ,xR,λ>0f(x; \lambda) = \frac{1}{2\lambda} e^{-\frac{|x|}{\lambda}}, \quad x \in \mathbb{R}, \quad \lambda > 0

Cihazın hata payı parametresini kontrol etmek amacıyla, nn birimlik bağımsız bir X1,X2,,XnX_1, X_2, \dots, X_n örneklemi üzerinden H0:λ=1H_0: \lambda = 1 yokluk hipotezi, H1:λ=2H_1: \lambda = 2 alternatif hipotezine karşı test edilecektir.

Buna göre, Neyman-Pearson Lemması kullanılarak elde edilecek en güçlü (Most Powerful) testin red bölgesi aşağıdakilerden hangisidir? (cc, anlamlılık düzeyine bağlı olarak belirlenen uygun bir sabittir.)

Show answer & explanation

Answer: i=1nxic\sum_{i=1}^n |x_i| \geq c

Answer

En güçlü testin red bölgesi i=1nxic\sum_{i=1}^n |x_i| \geq c şeklinde ifade edilir.
Neyman-Pearson Lemması kullanılarak L(1)L(2)k\frac{L(1)}{L(2)} \leq k oranı kurulduğunda ifadenin logaritması alınarak 12xiSabit-\frac{1}{2}\sum |x_i| \leq Sabit elde edilir. İstatistiği yalnız bırakmak için eşitliğin her iki tarafı negatif bir sayıya bölündüğünde (veya negatif bir sayıyla çarpıldığında) eşitsizlik yön değiştirir ve sonuçta xic\sum |x_i| \geq c bölgesine ulaşılır.

Step-by-Step Solution

1
H0H_0 ve H1H_1 hipotezleri altında olabilirlik (likelihood) fonksiyonlarını yazınız.
L(λ)=(2λ)nexp(1λi=1nxi)L(\lambda) = (2\lambda)^{-n} \exp\left(-\frac{1}{\lambda} \sum_{i=1}^n |x_i|\right). Buna göre L(1)=2nexp(i=1nxi)L(1) = 2^{-n} \exp\left(-\sum_{i=1}^n |x_i|\right) ve L(2)=4nexp(12i=1nxi)L(2) = 4^{-n} \exp\left(-\frac{1}{2} \sum_{i=1}^n |x_i|\right) elde edilir.
Neyman-Pearson Lemması'na göre en güçlü test bölgesi olabilirlik fonksiyonlarının oranına dayanır.
2
Neyman-Pearson red kuralını ( L(λ0)/L(λ1)kL(\lambda_0) / L(\lambda_1) \leq k ) oluşturunuz.
L(1)L(2)=2nexp(xi)4nexp(12xi)=2nexp(12i=1nxi)k\frac{L(1)}{L(2)} = \frac{2^{-n} \exp\left(-\sum |x_i|\right)}{4^{-n} \exp\left(-\frac{1}{2} \sum |x_i|\right)} = 2^n \exp\left(-\frac{1}{2} \sum_{i=1}^n |x_i|\right) \leq k
Red bölgesi kuralı, yokluk hipotezinin olabilirlik değerinin, alternatif hipotezinkine oranının kritik bir eşikten küçük olmasıyla sağlanır.
3
Eşitsizliğin her iki tarafının doğal logaritmasını alarak ifadeyi sadeleştiriniz.
nln(2)12i=1nxiln(k)n \ln(2) - \frac{1}{2} \sum_{i=1}^n |x_i| \leq \ln(k). Sabit olan nln(2)n \ln(2) değerini karşıya atarsak: 12i=1nxiln(k)nln(2)-\frac{1}{2} \sum_{i=1}^n |x_i| \leq \ln(k) - n \ln(2) bulunur.
Gözlemlere bağlı olan örneklem istatistiğini (xi\sum |x_i|) yalnız bırakmak için logaritmik dönüşüm gereklidir.
4
Eşitsizliğin her iki tarafını 2-2 ile çarparak istatistiği yalnız bırakınız ve eşitsizliğin yönünü değiştiriniz.
Eksi ile çarpıldığından eşitsizlik yön değiştirir: i=1nxi2(ln(k)nln(2))\sum_{i=1}^n |x_i| \geq -2 (\ln(k) - n \ln(2)). Sağ taraftaki sabit ifadeye cc dersek, red bölgesi i=1nxic\sum_{i=1}^n |x_i| \geq c olur.
Negatif bir sayıyla eşitsizliğin çarpılması/bölünmesi her zaman eşitsizliğin yön değiştirmesine neden olur.

Key Concept

Neyman-Pearson Lemması ve Red Bölgesi Yönü
Question 34Question

Bir çevre mühendisi, bir göldeki belirli bir ağır metalin miligram cinsinden konsantrasyonunu analiz etmektedir. Bu konsantrasyon değerlerini temsil eden XX rassal değişkeninin log-normal dağılıma sahip olduğu, yani ln(X)N(μ,σ2)\ln(X) \sim N(\mu, \sigma^2) olduğu bilinmektedir.

Bu gölden alınan nn birimlik rastgele bir örneklem X1,X2,,XnX_1, X_2, \dots, X_n olmak üzere ve dağılımın varyansı (σ2\sigma^2) bilindiğinde, μ\mu parametresi için kitle dağılımının monoton olabilirlik oranına (MLR) sahip olmasını sağlayan yeterli istatistik (T(x)T(\mathbf{x})) aşağıdakilerden hangisidir?

Show answer & explanation

Answer: T(x)=i=1nlnxiT(\mathbf{x}) = \sum_{i=1}^n \ln x_i

Answer

Doğru istatistik i=1nlnxi\sum_{i=1}^n \ln x_i ifadesidir.
Log-normal dağılımın olabilirlik oranı hesaplandığında, üstel çarpım (exponential family) formundan dolayı (μ2μ1)(\mu_2 - \mu_1) farkı lnxi\sum \ln x_i terimi ile çarpım durumundadır ve varyans her zaman pozitif olduğundan bu çarpımın katsayısı pozitiftir. Bu sebeple olabilirlik oranı, lnxi\sum \ln x_i istatistiğine göre monoton artandır.

Step-by-Step Solution

1
XLognormal(μ,σ2)X \sim \text{Lognormal}(\mu, \sigma^2) için olasılık yoğunluk fonksiyonunu yazın.
f(xμ)=1xσ2πexp((lnxμ)22σ2)f(x|\mu) = \frac{1}{x\sigma\sqrt{2\pi}} \exp\left(-\frac{(\ln x - \mu)^2}{2\sigma^2}\right)
Olabilirlik fonksiyonunu oluşturmak için kitle dağılımının yoğunluk fonksiyonuna ihtiyaç vardır.
2
nn çaplı örneklemin olabilirlik fonksiyonunu L(μ)=i=1nf(xiμ)L(\mu) = \prod_{i=1}^n f(x_i|\mu) oluşturun.
L(μ)exp(12σ2i=1n(lnxiμ)2)L(\mu) \propto \exp\left(-\frac{1}{2\sigma^2}\sum_{i=1}^n (\ln x_i - \mu)^2\right)
Monoton olabilirlik oranını (MLR) bulmak için tüm örneklem üzerinden fonksiyonun çarpılması gerekir.
3
μ2>μ1\mu_2 > \mu_1 için olabilirlik oranını L(μ2)L(μ1)\frac{L(\mu_2)}{L(\mu_1)} hesaplayın ve kare açılımını yapın.
L(μ2)L(μ1)=exp(12σ2[(lnxiμ2)2(lnxiμ1)2])\frac{L(\mu_2)}{L(\mu_1)} = \exp\left( -\frac{1}{2\sigma^2} \left[ \sum (\ln x_i - \mu_2)^2 - \sum (\ln x_i - \mu_1)^2 \right] \right)
Oranın hangi fonksiyona göre monoton artan veya azalan olduğunu tespit etmeliyiz.
4
Üstel kısımdaki terimleri sadeleştirerek istatistiği ayırın.
L(μ2)L(μ1)=exp(μ2μ1σ2i=1nlnxin(μ22μ12)2σ2)\frac{L(\mu_2)}{L(\mu_1)} = \exp\left( \frac{\mu_2 - \mu_1}{\sigma^2} \sum_{i=1}^n \ln x_i - \frac{n(\mu_2^2 - \mu_1^2)}{2\sigma^2} \right)
MLR tanımına göre oran fonksiyonunu g(T(x))g(T(\mathbf{x})) formatında yazmak katsayı işaretini belirlemeyi sağlar.
5
Katsayının işaretini inceleyin ve MLR sağlayan istatistiği belirleyin.
μ2>μ1\mu_2 > \mu_1 ve σ2>0\sigma^2 > 0 olduğundan μ2μ1σ2>0\frac{\mu_2 - \mu_1}{\sigma^2} > 0'dır. Bu nedenle oran, T(x)=i=1nlnxiT(\mathbf{x}) = \sum_{i=1}^n \ln x_i'nin monoton artan bir fonksiyonudur.
Pozitif katsayılı istatistik, fonksiyonun o istatistiğe göre monoton artan (MLR) olduğunu garantiler.

Key Concept

Monoton Olabilirlik Oranı (MLR)
Question 35Question

Bir meteoroloji istasyonunda, belirli bir bölgedeki rüzgar hızının (XX) dağılımı, parametresi θ>0\theta > 0 olmak üzere aşağıdaki olasılık yoğunluk fonksiyonu ile modellenmektedir:

f(x;θ)=2xθex2θ,x>0f(x; \theta) = \frac{2x}{\theta} e^{-\frac{x^2}{\theta}}, \quad x > 0

Bu dağılımdan alınan nn çaplı rastgele bir örneklem (X1,X2,,Xn)(X_1, X_2, \dots, X_n) kullanılarak θ\theta parametresi hakkında hipotez testleri yapılacaktır.

Düzgün En Güçlü (UMP) test kuramı dikkate alındığında, bu testlere ilişkin aşağıdaki ifadelerden hangisi doğrudur?

Show answer & explanation

Answer: Karlin-Rubin teoremi uyarınca, H0:θθ0H_0: \theta \geq \theta_0 hipotezine karşı H1:θ<θ0H_1: \theta < \theta_0 hipotezi için UMP testin ret bölgesi i=1nxi2<c\sum_{i=1}^n x_i^2 < c eşitsizliği ile belirlenir.

Answer

Karlin-Rubin teoremi uyarınca, H0:θθ0H_0: \theta \geq \theta_0 hipotezine karşı H1:θ<θ0H_1: \theta < \theta_0 hipotezi için UMP testin ret bölgesi i=1nxi2<c\sum_{i=1}^n x_i^2 < c eşitsizliği ile belirlenir.
Verilen Rayleigh tipi dağılım için θ2>θ1\theta_2 > \theta_1 iken olabilirlik oranı incelendiğinde, bu oranın T=xi2T = \sum x_i^2 istatistiğinin monoton artan bir fonksiyonu olduğu görülür. Karlin-Rubin teoremi uyarınca, H1:θ<θ0H_1: \theta < \theta_0 şeklindeki küçük yönlü alternatif hipotez için UMP testin ret bölgesi olabilirlik oranının (dolayısıyla TT istatistiğinin) küçük değerlerinden oluşmalıdır. Bu nedenle doğru ret bölgesi i=1nxi2<c\sum_{i=1}^n x_i^2 < c olarak elde edilir.

Step-by-Step Solution

1
nn çaplı örneklem için olabilirlik (likelihood) fonksiyonunu oluşturun.
L(θ)=i=1n(2xiθexi2θ)=2ni=1nxiθne1θi=1nxi2L(\theta) = \prod_{i=1}^n \left( \frac{2x_i}{\theta} e^{-\frac{x_i^2}{\theta}} \right) = \frac{2^n \prod_{i=1}^n x_i}{\theta^n} e^{-\frac{1}{\theta} \sum_{i=1}^n x_i^2}
Neyman-Pearson ve Karlin-Rubin teoremlerini uygulayabilmek için öncelikle olabilirlik fonksiyonunun ifade edilmesi gerekir.
2
θ2>θ1\theta_2 > \theta_1 durumu için olabilirlik oranını (likelihood ratio) yazarak monotonluk özelliğini (MLR) belirleyin.
L(θ2)L(θ1)=(θ1θ2)ne(1θ11θ2)i=1nxi2\frac{L(\theta_2)}{L(\theta_1)} = \left(\frac{\theta_1}{\theta_2}\right)^n e^{\left(\frac{1}{\theta_1} - \frac{1}{\theta_2}\right) \sum_{i=1}^n x_i^2}
Test istatistiğini ve ret bölgesinin yönünü belirlemek için oranın hangi istatistiğe göre monoton arttığını veya azaldığını incelemeliyiz.
3
Elde edilen oranın monotonluk yönünü matematiksel olarak analiz edin.
θ2>θ1>0\theta_2 > \theta_1 > 0 olduğundan 1θ11θ2>0\frac{1}{\theta_1} - \frac{1}{\theta_2} > 0 olur. Bu durumda olabilirlik oranı, T=i=1nxi2T = \sum_{i=1}^n x_i^2 istatistiğinin monoton artan (strictly increasing) bir fonksiyonudur.
Üstel kısımdaki katsayının pozitif olması, oranın TT istatistiği ile aynı yönde artacağını gösterir.
4
Karlin-Rubin teoremini kullanarak alternatif hipotezlerin yönüne göre ret bölgelerini tespit edin.
H1:θ<θ0H_1: \theta < \theta_0 alternatif hipotezi için ret bölgesi, TT istatistiğinin küçük değerlerinde aranır, yani i=1nxi2<c\sum_{i=1}^n x_i^2 < c olur.
Monoton Olabilirlik Oranı (MLR) TT istatistiğine göre artan olduğunda, alternatif hipotezin eşitsizlik yönü (<< veya >>) ret bölgesinin eşitsizlik yönü ile doğrudan örtüşür.

Key Concept

Monoton Olabilirlik Oranı (MLR) ve Karlin-Rubin Teoremi
Question 36Question

Bir siber güvenlik uzmanı, bir sunucuya yapılan izinsiz erişim girişimleri arasındaki süreleri analiz etmektedir. Her 3 izinsiz girişimin tamamlanması için geçen süre (saat cinsinden) XX rassal değişkeni ile modellenmektedir. XX'in, şekil parametresi α=3\alpha = 3 ve bilinmeyen ölçek parametresi θ>0\theta > 0 olan Gama dağılımına uyduğu varsayılmaktadır. Örneklem uzayı x>0x > 0 olarak tanımlı olup, nn birimlik rassal örneklem için olasılık yoğunluk fonksiyonu aşağıda verilmiştir:

f(x;θ)=1Γ(3)θ3x2exθ,x>0,θ>0f(x;\theta) = \frac{1}{\Gamma(3)\theta^3} x^{2} e^{-\frac{x}{\theta}}, \quad x > 0, \quad \theta > 0

Uzman, θ\theta parametresi için θ2>θ1\theta_2 > \theta_1 olmak üzere H0:θ=θ1H_0: \theta = \theta_1 yokluk hipotezine karşı H1:θ=θ2H_1: \theta = \theta_2 alternatif hipotezini test edecektir.

Buna göre, θ\theta parametresi için Monoton Olabilirlik Oranı (MLR) özelliğini sağlayan yeterli istatistik T(x)T(\mathbf{x}) ve olabilirlik oranının bu istatistiğe göre monotonluk yönü aşağıdakilerden hangisinde doğru verilmiştir?

Show answer & explanation

Answer: T(x)=i=1nxiT(\mathbf{x}) = \sum_{i=1}^{n} x_i ve monoton artan

Answer

Doğru yeterli istatistik T(x)=i=1nxiT(\mathbf{x}) = \sum_{i=1}^{n} x_i şeklindedir ve olabilirlik oranı bu istatistiğe göre monoton artandır.
Olabilirlik oranı incelendiğinde; L(θ2;x)L(θ1;x)exp[(1θ11θ2)i=1nxi]\frac{L(\theta_2; \mathbf{x})}{L(\theta_1; \mathbf{x})} \propto \exp\left[ \left(\frac{1}{\theta_1} - \frac{1}{\theta_2}\right) \sum_{i=1}^{n} x_i \right] eşitliği elde edilir. Burada Neyman çarpanlara ayırma teoreminden yeterli istatistiğin T(x)=i=1nxiT(\mathbf{x}) = \sum_{i=1}^{n} x_i olduğu görülür. θ2>θ1\theta_2 > \theta_1 verildiğine göre 1/θ1>1/θ21/\theta_1 > 1/\theta_2'dir ve bu fark pozitiftir. İstatistik, pozitif bir sabitle çarpılarak üssel fonksiyonda yer aldığı için olabilirlik oranı T(x)T(\mathbf{x})'e göre kesinlikle monoton artandır.

Step-by-Step Solution

1
nn çaplı örneklem için olabilirlik fonksiyonunu (Likelihood) yazınız.
L(θ;x)=i=1n(12θ3xi2exiθ)=12nθ3n(i=1nxi2)e1θi=1nxiL(\theta; \mathbf{x}) = \prod_{i=1}^{n} \left( \frac{1}{2\theta^3} x_i^2 e^{-\frac{x_i}{\theta}} \right) = \frac{1}{2^n \theta^{3n}} \left( \prod_{i=1}^{n} x_i^2 \right) e^{-\frac{1}{\theta} \sum_{i=1}^{n} x_i}
Yeterli istatistiği belirlemek ve hipotez testinde oranı hesaplamak için ortak yoğunluk fonksiyonuna ihtiyaç vardır.
2
Neyman Çarpanlara Ayırma Teoremi'ni kullanarak yeterli istatistiği belirleyiniz.
g(T(x),θ)=θ3ne1θxig(T(\mathbf{x}), \theta) = \theta^{-3n} e^{-\frac{1}{\theta} \sum x_i} ve h(x)=2nxi2h(\mathbf{x}) = 2^{-n} \prod x_i^2 olarak ayrıldığında, yeterli istatistik T(x)=i=1nxiT(\mathbf{x}) = \sum_{i=1}^{n} x_i olur.
Sadece parametreye ve örnekleme bağlı ortak fonksiyon kısmı, yeterli istatistiği verir.
3
θ2>θ1\theta_2 > \theta_1 koşulu altında olabilirlik oranını (L_2 / L_1) hesaplayınız.
L(θ2;x)L(θ1;x)=θ23ne1θ2xiθ13ne1θ1xi=(θ1θ2)3nexp[(1θ11θ2)i=1nxi]\frac{L(\theta_2; \mathbf{x})}{L(\theta_1; \mathbf{x})} = \frac{\theta_2^{-3n} e^{-\frac{1}{\theta_2} \sum x_i}}{\theta_1^{-3n} e^{-\frac{1}{\theta_1} \sum x_i}} = \left(\frac{\theta_1}{\theta_2}\right)^{3n} \exp\left[ \left(\frac{1}{\theta_1} - \frac{1}{\theta_2}\right) \sum_{i=1}^{n} x_i \right]
Monotonluk özelliğini inceleyebilmek için iki farklı parametre değeri altındaki olabilirlik fonksiyonlarının oranı incelenmelidir.
4
Olabilirlik oranının T(x)T(\mathbf{x})'e göre artan veya azalan olduğunu tespit ediniz.
θ2>θ1>0\theta_2 > \theta_1 > 0 olduğundan 1θ1>1θ2\frac{1}{\theta_1} > \frac{1}{\theta_2}'dir. Dolayısıyla (1θ11θ2)>0\left(\frac{1}{\theta_1} - \frac{1}{\theta_2}\right) > 0 olur. Pozitif katsayılı üssel fonksiyon sürekli artan olduğundan oran monoton artandır.
T(x)T(\mathbf{x})'in katsayısının işareti, oranın monotonluk yönünü belirler.

Key Concept

Monoton Olabilirlik Oranı (MLR) ve Üstel Ailelerde Yeterli İstatistik
Question 37Question

Bir sistemdeki iki bağımsız bileşenin arıza süreleri (saat cinsinden) X1X_1 ve X2X_2 rassal değişkenleriyle modellenmektedir. Bu arıza sürelerinin her birinin (0,θ)(0, \theta) aralığında sürekli düzgün (uniform) dağılıma sahip olduğu bilinmektedir.

Sistemin genel durumu, bu iki bileşenden en son bozulanın arıza süresi olan Y=max(X1,X2)Y = \max(X_1, X_2) istatistiği izlenerek değerlendirilmektedir.

θ\theta parametresi için aşağıdaki hipotezler kurulmuştur:
H0:θ=10H_0: \theta = 10
H1:θ=15H_1: \theta = 15

Bu test için belirlenen karar kuralı "Y>cY > c ise H0H_0 reddedilir" şeklindedir.

Testin anlamlılık düzeyi (I. Tip hata olasılığı) α=0.36\alpha = 0.36 olduğuna göre, bu testin II. Tip hata olasılığı (β\beta) kaçtır?

Show answer & explanation

Answer: 64225\frac{64}{225}

Answer

Dog˘rudeg˘er64225kesridir.Doğru değer \frac{64}{225} kesridir.
Sıra istatistiği Y = max(X1, X2) olarak tanımlandığı için, öncelikle birikimli dağılım fonksiyonu F(y) = (y/θ)² olarak yazılmalıdır. I. Tip hata (α), H0 doğruyken (θ=10) Y'nin c'den büyük olma ihtimalidir. α = 1 - (c²/100) = 0.36 eşitliğinden kritik değer c = 8 elde edilir. Soruda istenen II. Tip hata (β), H1 hipotezi geçerliyken (θ=15) Y değerinin ret bölgesine düşmeme (Y ≤ 8) ihtimalidir. Bu da β = F(8 | θ=15) = 8² / 15² = 64/225 işlemini vererek doğru sonuca ulaştırır.

Step-by-Step Solution

1
Y istatistiğinin birikimli dağılım fonksiyonunu (CDF) belirleyin.
X'ler (0, θ) aralığında düzgün dağıldığı için P(X ≤ x) = x/θ olur. Y = max(X1, X2) olduğundan, F_Y(y) = P(X1 ≤ y) · P(X2 ≤ y) = (y/θ)² = y²/θ² elde edilir.
Testin karar kuralı Y istatistiği üzerine kuruludur, bu nedenle hata olasılıklarını bulmak için öncelikle Y'nin dağılımı gereklidir.
2
Anlamlılık düzeyi (α) bilgisini kullanarak kritik değeri (c) hesaplayın.
α = P(Y > c | H0 doğru) = 1 - P(Y ≤ c | θ=10) formülüyle: 1 - (c²/100) = 0.36 işlemi çözülür ve c²/100 = 0.64'ten c = 8 bulunur.
I. Tip hata, H0 doğruyken H0'ı reddetme olasılığıdır. Bu olasılık c kritik değerine bağlıdır.
3
Bulunan c kritik değeri ile II. Tip hata olasılığını (β) hesaplayın.
β = P(Y ≤ 8 | H1 doğru) = P(Y ≤ 8 | θ=15) eşitsizliği H1'in CDF formülünde yerine konur: β = 8² / 15² = 64 / 225.
II. Tip hata, H1 doğruyken test istatistiğinin ret bölgesine (Y > c) düşmemesi, yani H0'ın reddedilememesi olasılığıdır.

Key Concept

Sıra İstatistiklerinde Hata Olasılıkları ve Anlamlılık Düzeyi
Question 38Question

Bir XX rastgele değişkeninin olasılık yoğunluk fonksiyonu f(x;θ)=θxθ1,0<x<1f(x; \theta) = \theta x^{\theta-1}, \quad 0 < x < 1 ve θ>0\theta > 0 şeklinde tanımlanmıştır. Bu kitleden rastgele seçilen nn birimlik bir örneklem kullanılarak H0:θ=1H_0: \theta = 1 yokluk hipotezine karşı H1:θ=2H_1: \theta = 2 alternatif hipotezi test edilecektir. Neyman-Pearson Lemmasına göre, bu hipotez testi için en güçlü (MP) testin red bölgesi aşağıdakilerden hangisidir? (cc bir sabittir.)

Show answer & explanation

Answer: i=1nxi>c\prod_{i=1}^n x_i > c

Answer

En güçlü (MP) testin red bölgesi i=1nxi>c\prod_{i=1}^n x_i > c şeklindedir.
Neyman-Pearson Lemmasına göre en güçlü test, yokluk hipotezinin olabilirlik fonksiyonunun alternatif hipotezin olabilirlik fonksiyonuna oranının bir sabitten küçük olduğu bölgedir. Bu problemde oran 1/(2nxi)<k1/(2^n \prod x_i) < k şeklindedir. Burada çarpım terimi paydada olduğu için, oran küçüldükçe çarpım değeri büyür. Dolayısıyla red bölgesi xi>c\prod x_i > c formuna dönüşür.

Step-by-Step Solution

1
Olabilirlik fonksiyonlarını (Likelihood) tanımla.
L(θ)=i=1nθxiθ1=θn(xi)θ1L(\theta) = \prod_{i=1}^n \theta x_i^{\theta-1} = \theta^n (\prod x_i)^{\theta-1}
Neyman-Pearson oranını kurmak için her iki hipotez altındaki olabilirlik fonksiyonları gereklidir.
2
H0H_0 ve H1H_1 hipotezleri için olabilirlik değerlerini oranla.
L(H0)L(H1)=1n(xi)112n(xi)21=12nxi\frac{L(H_0)}{L(H_1)} = \frac{1^n (\prod x_i)^{1-1}}{2^n (\prod x_i)^{2-1}} = \frac{1}{2^n \prod x_i}
Neyman-Pearson Lemması uyarınca MP test, L(H0)/L(H1)<kL(H_0)/L(H_1) < k kriterine dayanır.
3
Eşitsizliği örneklem istatistiğini yalnız bırakacak şekilde düzenle.
12nxi<k    2nxi>1k    xi>1k2n\frac{1}{2^n \prod x_i} < k \implies 2^n \prod x_i > \frac{1}{k} \implies \prod x_i > \frac{1}{k \cdot 2^n}
Kritik bölgeyi (red bölgesini) gözlemlere dayalı bir karar kuralına dönüştürmek gerekir.
4
Sabitleri tek bir değerde birleştir.
i=1nxi>c\prod_{i=1}^n x_i > c
Karar kuralındaki tüm bilinen sabitler (n, k, 2) cc gibi tek bir kritik değerde toplanabilir.

Key Concept

Neyman-Pearson Lemması ve Olabilirlik Oranı Testi

Hints

1
Neyman-Pearson Lemması'nın temel formülü olan L(H0)/L(H1)<kL(H_0)/L(H_1) < k ifadesini yazarak başlayın.
2
H0H_0 altında θ=1\theta=1 koyduğunuzda fonksiyonun f(x)=1f(x)=1 (Düzgün dağılım) olduğunu, H1H_1 altında ise f(x)=2xf(x)=2x olduğunu fark edin.
3
Paydada yer alan xi\prod x_i terimini eşitsizliğin karşı tarafına atarken eşitsizliğin yön değiştireceğini (veya paydadaki ifadenin büyümesinin oranı küçülteceğini) unutmayın.

Practice More

Aynı dağılım için α=0.05\alpha = 0.05 anlamlılık düzeyinde n=1n=1 için kritik değeri (cc) hesaplamayı deneyin.
Estimated Time:2m 0s
Question 39Question

Bir kamu iktisadi teşebbüsünde üretilen çelik halatların kopma mukavemetinin (kgkg), varyansı σ2=64\sigma^2 = 64 olan normal dağılıma uygun olduğu bilinmektedir. Üretim standartlarını denetlemek amacıyla n=16n = 16 birimlik rastgele bir örneklem seçilerek H0:μ=100H_0: \mu = 100 hipotezi, H1:μ=104H_1: \mu = 104 alternatif hipotezine karşı test edilmektedir. Testin red bölgesi xˉ>103\bar{x} > 103 olarak belirlendiğine göre, bu testin gücü (power of the test) kaçtır?

(Not: Standart normal dağılım için P(Z<1,5)=0,933P(Z < 1,5) = 0,933 ve P(Z<0,5)=0,691P(Z < 0,5) = 0,691 değerlerini kullanınız.)

Show answer & explanation

Answer: 0,691

Answer

Testin gücü, alternatif hipotez (H1:μ=104H_1: \mu = 104) altında yokluk hipotezinin reddedilme olasılığıdır ve 0,6910,691 olarak bulunur.
Testin gücü, alternatif hipotez (H1:μ=104H_1: \mu = 104) geçerliyken örneklem ortalamasının red bölgesine (xˉ>103\bar{x} > 103) düşme olasılığıdır. Standart hata 22 birim olduğunda, 103103 değerinin H1H_1 ortalamasından uzaklığı 0,5-0,5 standart sapmadır. Standart normal dağılımda 0,5-0,5 değerinden büyük olma olasılığı 0,6910,691 olarak hesaplanır.

Step-by-Step Solution

1
Örneklem ortalamasının standart hatasını hesaplayınız.
σxˉ=σn=816=84=2\sigma_{\bar{x}} = \frac{\sigma}{\sqrt{n}} = \frac{8}{\sqrt{16}} = \frac{8}{4} = 2
Normal dağılımda örneklem ortalamasının dağılım parametrelerini belirlemek için standart hata gereklidir.
2
Testin gücünü (1β1-\beta) olasılık ifadesi olarak tanımlayınız.
Gu¨c\c=P(Xˉ>103μ=104)Güç = P(\bar{X} > 103 \mid \mu = 104)
Güç, alternatif hipotez doğruyken test istatistiğinin red bölgesine düşme olasılığıdır.
3
Kritik değeri alternatif hipotez ortalamasına göre standartlaştırınız.
Z=1031042=0,5Z = \frac{103 - 104}{2} = -0,5
H1H_1 dağılımı altında olasılık hesaplayabilmek için standart normal dağılıma dönüşüm yapılır.
4
Standart normal tablo değerlerini kullanarak olasılığı bulunuz.
P(Z>0,5)=P(Z<0,5)=0,691P(Z > -0,5) = P(Z < 0,5) = 0,691
Normal dağılımın simetri özelliğinden dolayı P(Z>z)=P(Z<z)P(Z > -z) = P(Z < z) eşitliği kullanılır.

Key Concept

Güç (Power), bir hipotez testinin yanlış olan bir yokluk hipotezini reddetme yeteneğidir ve 1β1 - \beta formülü ile hesaplanır.
Question 40Question
Bir kitleden alınan X1,X2,,XnX_1, X_2, \dots, X_n bağımsız tesadüfi değişkenlerinin olasılık yoğunluk fonksiyonu xθx \geq \theta ve θ>0\theta > 0 için f(x;θ)=e(xθ)f(x; \theta) = e^{-(x-\theta)} olarak verilmiştir. H0:θθ0H_0: \theta \leq \theta_0 yokluk hipotezine karşı H1:θ>θ0H_1: \theta > \theta_0 alternatif hipotezini test etmek amacıyla oluşturulacak α\alpha anlamlılık düzeyindeki Düzgün En Güçlü (UMP) testin kritik bölgesi (red bölgesi) aşağıdakilerden hangisidir?
Show answer & explanation

Answer: X(1)>cX_{(1)} > c

Answer

En küçük gözlem değerinin (birinci sıra istatistiğinin) belirlenen bir kritik değerden büyük olduğu X(1)>cX_{(1)} > c bölgesi.
Verilen olasılık yoğunluk fonksiyonu, kayma (location) parametreli bir dağılımdır ve olabilirlik fonksiyonu incelendiğinde X(1)=min(Xi)X_{(1)} = \min(X_i) istatistiğinin yeterli olduğu görülür. Olabilirlik oranı R(x)=L(θ2)/L(θ1)R(x) = L(\theta_2)/L(\theta_1) ifadesi θ2>θ1\theta_2 > \theta_1 için X(1)X_{(1)} değerine göre artan bir fonksiyondur. Karlin-Rubin teoremi uyarınca, H1:θ>θ0H_1: \theta > \theta_0 gibi sağ yönlü bir alternatif için UMP testinin reddetme bölgesi T(x)>cT(x) > c formunda olmalıdır; dolayısıyla doğru cevap en küçük gözlem değerinin kritik bir eşiği aştığı bölgedir.

Step-by-Step Solution

1
Olabilirlik fonksiyonunu yazın.
L(θ)=i=1ne(xiθ)I(xiθ)=enθxiI(x(1)θ)L(\theta) = \prod_{i=1}^n e^{-(x_i-\theta)} I(x_i \geq \theta) = e^{n\theta - \sum x_i} I(x_{(1)} \geq \theta)
Test istatistiğini ve yeterli istatistiği belirlemek için tüm örneklemin ortak dağılımına ihtiyaç duyulur.
2
Olabilirlik oranını (LR) belirleyerek Monoton Olabilirlik Oranı (MLR) özelliğini inceleyin.
θ2>θ1\theta_2 > \theta_1 için R(x)=L(θ2)L(θ1)=en(θ2θ1)I(x(1)θ2)I(x(1)θ1)R(x) = \frac{L(\theta_2)}{L(\theta_1)} = e^{n(\theta_2-\theta_1)} \frac{I(x_{(1)} \geq \theta_2)}{I(x_{(1)} \geq \theta_1)}. Bu oran x(1)x_{(1)} arttıkça azalmayan (monoton artan) bir yapıdadır.
Karlin-Rubin Teoremi uyarınca, bir dağılım bir istatistiğe göre MLR özelliğine sahipse tek yönlü hipotezler için UMP testi mevcuttur.
3
Alternatif hipotezin yönüne göre kritik bölgeyi formüle edin.
H1:θ>θ0H_1: \theta > \theta_0 olduğundan, T(x)=X(1)T(x) = X_{(1)} istatistiğinin büyük değerleri için H0H_0 reddedilir: X(1)>cX_{(1)} > c.
Artan bir olabilirlik oranında, parametrenin büyük değerlerini destekleyen alternatifler için test istatistiğinin de büyük değerleri seçilir.

Key Concept

Karlin-Rubin Teoremi ve Kayma Parametreli Dağılımlarda MLR

Alternative Method

Neyman-Pearson Lemması kullanılarak basit hipotezler (H0:θ=θ0H_0: \theta = \theta_0 vs H1:θ=θ1>θ0H_1: \theta = \theta_1 > \theta_0) için En Güçlü (MP) test bulunur. Bulunan test θ1\theta_1'den bağımsız ise bu test tüm θ>θ0\theta > \theta_0 değerleri için Düzgün En Güçlüdür (UMP).
Estimated Time:1m 40s
PreviousPage 2 / 6Next