Apa itu Pengujian Hipotesis?

Pengujian Hipotesis adalah salah satu metode inferensi statistik. Ini digunakan untuk menguji apakah pernyataan mengenai parameter populasi signifikan secara statistik. Pengujian hipotesis adalah alat yang ampuh untuk menguji kekuatan prediksi. Deskripsi Pekerjaan Analis Keuangan Analis Keuangan Deskripsi pekerjaan analis keuangan di bawah ini memberikan contoh umum dari semua keterampilan, pendidikan, dan pengalaman yang diperlukan untuk dipekerjakan sebagai analis di bank, institusi, atau perusahaan. Melakukan peramalan keuangan, pelaporan, dan pelacakan metrik operasional, menganalisis data keuangan, membuat model keuangan, misalnya, mungkin ingin membuat prediksi nilai rata-rata yang akan dibayar pelanggan untuk produk perusahaannya. Dia kemudian dapat merumuskan hipotesis, misalnya, “Nilai rata-rata yang akan dibayar pelanggan untuk produk saya lebih besar dari $ 5.Untuk menguji pertanyaan ini secara statistik, pemilik perusahaan dapat menggunakan pengujian hipotesis. Contoh ini dieksplorasi lebih lanjut di bawah.

Pengujian Hipotesis adalah bagian penting dari metode ilmiah, yang merupakan pendekatan sistematis untuk menilai teori melalui observasi. Teori yang baik adalah teori yang dapat membuat prediksi yang akurat. Untuk seorang analis yang membuat prediksi, pengujian hipotesis adalah cara yang tepat untuk mendukung prediksinya dengan analisis statistik.

Tema Pengujian Hipotesis

Langkah Pengujian Hipotesis

Berikut langkah-langkah pengujian hipotesis:

  1. Nyatakan hipotesis nol ( H 0 ) dan hipotesis alternatif ( H a ).
  2. Pertimbangkan asumsi statistik yang dibuat. Evaluasi apakah asumsi ini koheren dengan populasi yang mendasarinya yang dievaluasi. Misalnya, apakah menganggap distribusi yang mendasari sebagai distribusi normal masuk akal?
  3. Tentukan distribusi probabilitas yang sesuai dan pilih statistik uji yang sesuai.
  4. Pilih tingkat signifikansi yang biasanya dilambangkan dengan huruf Yunani alpha (α). Ini adalah ambang probabilitas yang hipotesis nolnya akan ditolak.
  5. Berdasarkan tingkat signifikansi dan pengujian yang sesuai, nyatakan aturan keputusan.
  6. Kumpulkan data sampel yang diamati, dan gunakan untuk menghitung statistik uji.
  7. Berdasarkan hasil Anda, Anda harus menolak hipotesis nol atau gagal menolak hipotesis nol. Ini dikenal sebagai keputusan statistik.
  8. Pertimbangkan masalah ekonomi lainnya yang diterapkan pada masalah tersebut. Ini adalah pertimbangan non-statistik yang perlu dipertimbangkan untuk mengambil keputusan. Misalnya, terkadang pergeseran budaya masyarakat menyebabkan perubahan perilaku konsumen. Ini harus menjadi pertimbangan selain keputusan statistik untuk keputusan akhir.

Menyatakan Hipotesis Nol dan Hipotesis Alternatif

Hipotesis Nol biasanya ditetapkan sebagai apa yang tidak kita inginkan menjadi kenyataan. Itu adalah hipotesis yang akan diuji. Oleh karena itu, Hipotesis Nol dianggap benar, sampai kita memiliki bukti yang cukup untuk menolaknya. Jika kita menolak hipotesis nol, kita diarahkan ke hipotesis alternatif.

Kembali ke contoh awal kami tentang pemilik bisnis yang mencari wawasan pelanggan. Hipotesis nolnya adalah:

H 0 : Nilai rata-rata yang bersedia dibayar pelanggan untuk produk saya lebih kecil dari atau sama dengan $ 5

atau

H 0 : µ ≤ 5

( µ = rata-rata populasi)

Hipotesis alternatif kemudian akan menjadi apa yang kita evaluasi, jadi, dalam kasus ini, itu adalah:

H a : Nilai rata-rata yang bersedia dibayar pelanggan untuk produk lebih dari $ 5

atau

H a : µ> 5

Penting untuk ditekankan bahwa hipotesis alternatif hanya akan dipertimbangkan jika sampel data yang kita kumpulkan memberikan bukti untuk itu.

Apa itu Kesalahan Tipe I dan Tipe II?

Sifat biner dari keputusan kami, untuk menolak atau gagal untuk menolak hipotesis nol, menimbulkan dua kemungkinan kesalahan. Tabel di bawah mengilustrasikan semua kemungkinan hasil. Sebuah Tipe I kesalahan muncul ketika benar Null Hipotesis ditolak . Probabilitas terjadinya Type I Error disebut juga dengan tingkat signifikansi pengujian yang biasa disebut alpha (α). Jadi, misalnya, jika pengujian yang alfa-nya ditetapkan sebagai 0,01, ada kemungkinan 1% untuk menolak hipotesis nol yang benar atau kemungkinan 1% untuk membuat Kesalahan Tipe I.

Kesalahan Tipe II muncul saat Anda gagal menolak Hipotesis Nol Palsu . Probabilitas membuat Kesalahan Tipe II umumnya dilambangkan dengan huruf Yunani beta (β). β digunakan untuk mendefinisikan Kekuatan Tes, yang merupakan probabilitas untuk menolak hipotesis nol palsu dengan benar. The Power of Test didefinisikan sebagai 1-β . Tes dengan lebih banyak Daya lebih diinginkan, karena ada kemungkinan lebih rendah untuk membuat Kesalahan Tipe II. Namun, ada pertukaran antara probabilitas membuat Kesalahan Tipe I dan probabilitas membuat Kesalahan Tipe II.

Tabel Keputusan Pengujian Hipotesis

Contoh Pengujian Hipotesis

Mari kembali ke contoh pemilik bisnis. Mari kita ingat pertanyaan yang coba kita jawab:

T: “Apakah pelanggan akan membayar, rata-rata, lebih dari $ 5 untuk produk kami?”

1. Kami telah menetapkan di atas baik hipotesis nol dan hipotesis alternatif

H 0 : µ ≤ 5

H a : µ> 5

2. Untuk contoh ini, mari kita asumsikan bahwa perusahaan tersebut menjual kotak jus apel organik. Mereka dikonsumsi oleh berbagai konsumen dari segala usia, tingkat pendapatan, dan latar belakang budaya. Jadi, mengingat produk kami digunakan secara luas oleh berbagai kelompok konsumen, dengan asumsi distribusi normal adil.

3. Mari kita asumsikan bahwa dengan mendapatkan sampel dari konsumen kita, kita akan berhasil mendapatkan lebih dari 100 pengamatan. Mengingat kami yakin dengan asumsi kami tentang distribusi normal untuk populasi yang mendasarinya dan memiliki banyak observasi, kami akan menggunakan uji-z.

4. Kami ingin yakin dengan hasil kami, jadi mari kita pilih tingkat signifikansi kami sebagai α = 5%, ini akan memberikan bukti kuat dari hasil kami.

5. Kami menggunakan uji-z dengan tingkat signifikansi, dan hipotesis nol adalah µ ≤ 5, sehingga titik penolakan kami adalah z 0,05 = 1,645 . Artinya, jika skor z yang dihitung dari sampel kami lebih besar dari 1,645, kami menolak hipotesis nol.

6. Sekarang asumsikan bahwa kita telah mengumpulkan data kita dan bahwa dari sampel 100 pengamatan kita, harga rata-rata yang bersedia dibayar pelanggan untuk jus kita adalah $ 5,02 , dan bahwa sampel deviasi standar adalah $ 0,10 . Sekarang kita dapat menghitung skor-z untuk sampel kita di mana kita mendapatkan nilai 2 yang diberikan oleh [(5.02 - 5) / (0.1 / √ 100)].

7. Mengingat z hitung kami lebih besar dari z 0,05 = 1,645, kami memiliki bukti kuat untuk menolak hipotesis nol pada tingkat signifikansi 5%. Kami kemudian mendukung hipotesis alternatif, bahwa nilai rata-rata pelanggan bersedia membayar untuk produk lebih besar dari $ 5.

8. Sekarang kita perlu mempertimbangkan masalah ekonomi atau kualitatif yang tidak ditangani melalui proses statistik. Ini biasanya merupakan variabel non-kuantitatif yang harus ditangani saat membuat keputusan berdasarkan temuan. Misalnya, jika pesaing terbesar akan menurunkan harga produk pesaing secara signifikan, itu dapat menurunkan nilai rata-rata yang bersedia dibayar konsumen untuk produk Anda.

Sumber Daya Lainnya

Jika Anda ingin mempelajari lebih lanjut tentang topik yang berkaitan dengan Pengujian Hipotesis, lihat sumber daya di situs web Royal Statistics Society.

Finance menawarkan Financial Modeling & Valuation Analyst (FMVA) ™ Sertifikasi FMVA®. Bergabunglah dengan 350.600+ siswa yang bekerja untuk perusahaan seperti Amazon, JP Morgan, dan program sertifikasi Ferrari bagi mereka yang ingin meningkatkan karir mereka ke level berikutnya. Untuk terus belajar dan memajukan karier Anda, sumber daya Keuangan berikut juga akan membantu:

  • Analis Riset Analis Riset Analis riset bertanggung jawab untuk meneliti, menganalisis, menafsirkan, dan menyajikan data yang berkaitan dengan pasar, operasi, keuangan / akuntansi, ekonomi, dan pelanggan.
  • Glosarium Matematika Finansial Glosarium Matematika Finansial Glosarium matematika finansial mencakup istilah dan definisi terpenting yang diperlukan untuk berkarir sebagai analis finansial. Daftar ini diambil dari Kursus Matematika Keuangan Keuangan.
  • Bilangan Fibonacci Bilangan Fibonacci Bilangan Fibonacci adalah bilangan yang ditemukan dalam deret bilangan bulat yang ditemukan / dibuat oleh ahli matematika Leonardo Fibonacci. Urutannya adalah deretan angka
  • AVERAGE Fungsi Excel AVERAGE Fungsi Hitung Rata-rata di Excel. Fungsi AVERAGE dikategorikan dalam Fungsi statistik. Ini akan mengembalikan rata-rata argumen. Ini digunakan untuk menghitung rata-rata aritmatika dari kumpulan argumen tertentu. Sebagai seorang analis keuangan, fungsi tersebut berguna untuk mengetahui angka rata-rata.

Direkomendasikan

Apakah Crackstreams dimatikan?
2022
Apakah pusat komando MC aman?
2022
Apakah Taliesin meninggalkan peran penting?
2022