Hypotesetesting er en formell prosedyre for å avgjøre om data gir tilstrekkelig bevis mot en antatt hypotese (nullhypotesen). Prosedyren følger alltid de samme fem stegene.

De fem stegene

Steg 1: Sett opp hypoteser

$H_0$: nullhypotesen (det vi antar inntil motsatt er bevist, inneholder $=$)

$H_1$: alternativ hypotese (det vi ønsker å vise)

Ensidig: $H_1: \mu > \mu_0$ eller $H_1: \mu < \mu_0$. Tosidig: $H_1: \mu \neq \mu_0$.

Steg 2: Velg signifikansnivå $\alpha$

Vanligvis $\alpha = 0{,}05$ (5 %). Andre vanlige verdier: $\alpha = 0{,}01$ eller $\alpha = 0{,}10$.

$\alpha$ = sannsynligheten for type I feil (forkaste $H_0$ når den er sann).

Steg 3: Beregn testobservator

t-test for gjennomsnitt ($\sigma$ ukjent): $t = \frac{\bar{x} - \mu_0}{s/\sqrt{n}}$

z-test for proporsjon: $z = \frac{\hat{p} - p_0}{\sqrt{p_0(1-p_0)/n}}$

Steg 4: Finn p-verdi (eller kritisk verdi)

p-verdien = sannsynligheten for å observere en testobservator minst like ekstrem som den observerte, gitt at $H_0$ er sann.

Forkast $H_0$ hvis $p\text{-verdi} \le \alpha$, eller hvis $|t| > t_{\alpha/2}$ (tosidig).

Steg 5: Trekk konklusjon

Forkast / forkast ikke $H_0$. Skriv alltid en konklusjon i kontekst — hva betyr resultatet?

Feiltyper

Type I feil ($\alpha$): Forkaster $H_0$ når den er sann (falsk positiv).
Type II feil ($\beta$): Beholder $H_0$ når den er gal (falsk negativ).
Styrke (power): $1 - \beta$ = sannsynligheten for å forkaste $H_0$ når $H_1$ er sann.

Sammenheng med konfidensintervall

En tosidig test med signifikansnivå $\alpha$ gir samme konklusjon som et $(1-\alpha) \cdot 100\,\%$ konfidensintervall:

Forkast $H_0: \mu = \mu_0$ $\Leftrightarrow$ $\mu_0$ ligger utenfor KI.

Eksempel: t-test for gjennomsnitt

En produsent hevder at gjennomsnittsvekten er $\mu_0 = 500$ g. Et utvalg på $n = 25$ gir $\bar{x} = 495$ g og $s = 12$ g. Test om gjennomsnittet avviker fra 500 g med $\alpha = 0{,}05$.

$H_0: \mu = 500, \quad H_1: \mu \neq 500$ (tosidig test)

$t = \frac{495 - 500}{12/\sqrt{25}} = \frac{-5}{2{,}4} = -2{,}083$

Frihetsgrader: $df = 25 - 1 = 24$. Kritisk verdi: $t_{0{,}025,\,24} = 2{,}064$.

Siden $|{-2{,}083}| = 2{,}083 > 2{,}064$, forkaster vi $H_0$.

Konklusjon: Det er statistisk signifikant bevis ($\alpha = 0{,}05$) for at gjennomsnittsvekten avviker fra 500 g.

Forkastningsgrense og styrke i praksis

Eksempel: Forkastningsgrense og styrke (eksamenstypisk)

Et takstfirma tester om et sjablongsystem priser riktig i gjennomsnitt: $H_0: \mu = 0$ mot $H_A: \mu \neq 0$ (feil i kr per kontrakt). Feilen har $\sigma^2 = 64 \cdot 10^6$, og $n = 256$ kontrakter etterprøves.

Forkastningsgrense: $\sigma[\bar{X}] = \frac{8000}{\sqrt{256}} = 500$. På 5 %-nivå (tosidig): forkast når $|\bar{X}| \ge 1{,}96 \cdot 500 = 980$ kr.

Styrken mot alternativet $\mu = 1000$: $P(\bar{X} \ge 980 \mid \mu = 1000) = 1 - G\left(\frac{980 - 1000}{500}\right) = 1 - G(-0{,}04) = G(0{,}04) \approx 51{,}6\,\%$

Tolkning: Selv om systemet i snitt bommer med 1 000 kr, oppdager testen det bare i halvparten av tilfellene. Skal styrken opp, må $n$ økes.

Kjikvadrattest (Q-test) for tilpasning

Q-observatoren:

$Q = \sum_{i=1}^{k} \frac{(X_i - np_i)^2}{np_i}$ — sammenlikner observerte antall $X_i$ med forventede $np_i$ under $H_0$.

Under $H_0$ er $Q$ tilnærmet kjikvadratfordelt med $k - 1$ frihetsgrader. Testen er alltid høyresidig.

Krav: forventede antall bør være minst ca. 5 i hver celle — slå ellers sammen kategorier (og reduser frihetsgradene).

Eksempel: Q-test

Et treningssenter byttet timeplanoppsett. Under gammelt oppsett fordelte besøkene seg med 25 % morgen, 45 % ettermiddag og 30 % kveld. Etter byttet observeres blant $n = 400$ besøk: 120 morgen, 160 ettermiddag og 120 kveld. Har fordelingen endret seg? ($\alpha = 5\,\%$)

Forventet: $100$, $180$ og $120$.

$Q = \frac{(120-100)^2}{100} + \frac{(160-180)^2}{180} + \frac{(120-120)^2}{120} = 4 + 2{,}22 + 0 = 6{,}22$

Frihetsgrader: $k - 1 = 2$, kritisk verdi 5,99. Siden $6{,}22 > 5{,}99$ forkastes $H_0$ — det er grunnlag for å si at besøksmønsteret har endret seg.

Studieguide: Hypotesetesting