Что делает калькулятор критических значений
Этот калькулятор находит критическое значение, необходимое для проверки статистической гипотезы или построения доверительного интервала. Критическое значение — это граничная точка на распределении вероятностей, которая отделяет область отклонения нулевой гипотезы от области, где её отклонять не следует. Больше не нужно рыться в громоздких статистических таблицах: достаточно ввести несколько параметров и получить точное число для нормального распределения (Z), распределения Стьюдента (t), хи-квадрат (χ²) или распределения Фишера (F).
Разбор входных данных
- Уровень доверия (%) — например, 95. Калькулятор переводит его в уровень значимости альфа по формуле \(\alpha = \frac{100 - \text{Уровень доверия (\%)}}{100}\). При 95 % получаем \(\alpha = 0{,}05\).
- Тип распределения — выберите нормальное (Z), Стьюдента (t), хи-квадрат (χ²) или Фишера (F).
- Число степеней свободы — требуется для t, χ² и F. Для распределения F это число степеней свободы числителя.
- Число степеней свободы (знаменатель) — используется только распределением F.
Формула, лежащая в основе
Калькулятор использует обратную функцию распределения (квантильную функцию) выбранного распределения:
- Нормальное и t (двусторонний критерий): критическое значение = \(\lvert \text{обратнаяФР}(\alpha / 2) \rvert\). Здесь альфа делится поровну между двумя хвостами.
- Хи-квадрат и F (правосторонний критерий): критическое значение = \(\text{обратнаяФР}(1 - \alpha)\), вся альфа сосредоточена в верхнем хвосте.
Пример расчёта
Предположим, вы проводите двусторонний t-критерий при уровне доверия 95 % и 20 степенях свободы. \(\alpha = \frac{100 - 95}{100} = 0{,}05\), значит, \(\alpha / 2 = 0{,}025\). Калькулятор вычисляет обратную ФР распределения Стьюдента с 20 степенями свободы в точке 0,025 и возвращает модуль результата — критическое значение составляет примерно 2,086. Если ваша тестовая статистика по абсолютной величине превышает 2,086, нулевая гипотеза отклоняется.
Для критерия хи-квадрат при 95 % и 10 степенях свободы калькулятор вычисляет \(\text{обратнаяФР}(0{,}95) \approx\) 18,31.
Интерпретация вашего критического значения
Критическое значение — это граница области отклонения — точка на горизонтальной оси распределения, за которой статистика теста считается слишком экстремальной, чтобы её можно было приписать одной лишь случайности при выбранном вами уровне значимости \(\alpha\).
Правила принятия решения
- Двусторонний Z или t тест. Отклоните нулевую гипотезу \(H_0\), если \(|\text{тестовая статистика}| \ge\) критическое значение; в противном случае не отклоняйте. Область отклонения — обе хвосты, каждая содержит площадь \(\alpha/2\).
- Односторонний Z или t тест. Для правостороннего альтернатива отклоните, если статистика \(\ge +\) критическое значение; для левостороннего альтернатива отклоните, если статистика \(\le -\) критическое значение. Один хвост содержит полную площадь \(\alpha\).
- Тесты хи-квадрат и F. Они используются как верхнехвостные тесты: отклоните \(H_0\), когда статистика превышает верхнее критическое значение, в противном случае не отклоняйте. Обе статистики неотрицательны, и большие значения означают большее отклонение от нулевой гипотезы.
Эквивалентное правило p-значения
Сравнение статистики с критическим значением и сравнение p-значения с \(\alpha\) — это два описания одного и того же решения, и они всегда совпадают:
$$\text{отклонить } H_0 \iff |T| \ge c_{\alpha} \iff p \le \alpha$$Это верно, потому что критическое значение \(c_{\alpha}\) определяется как статистика, вероятность хвоста которой равна ровно \(\alpha\). При \(T = c_{\alpha}\) p-значение равно \(\alpha\) ровно; статистика дальше в хвосте имеет меньшее p-значение, а одна ближе к центру имеет большее. Например, при двусторонний z тест при 95% доверии, \(z = 2.30\) превышает 1.960, а его двустороннее p-значение составляет около 0.021, что ниже 0.05 — то же самое отклонение в любом случае.
Что вам говорит величина критического значения
- Большее критическое значение означает более строгий тест. Повышение уровня доверия снижает \(\alpha\) и отодвигает границу наружу: 2.576 при 99% против 1.960 при 95%. Статистика 2.10 приводит к отклонению при 95%, но не при 99%, поэтому уровень значимости должен быть установлен до изучения данных.
- t критические значения приближаются к Z с увеличением df. С малым числом степеней свободы стандартная ошибка сама плохо оценивается, поэтому t-распределение имеет более тяжелые хвосты и требует больше свидетельств: 2.571 при df = 5 против 2.042 при df = 30 и 1.960 в пределе.
- Критические значения хи-квадрат и F зависят от df в противоположном направлении для хи-квадрат — они возрастают с df, потому что статистика суммирует больше членов, поэтому хи-квадрат 20 является экстремальным при df = 5 (критическое значение 11.070), но не при df = 20 (критическое значение 31.410).
Что означает неотклонение и что оно не означает
Неотклонение \(H_0\) не является доказательством того, что \(H_0\) верна. Это означает, что данные не предоставили достаточно доказательств против неё при выбранном \(\alpha\) — результат, одинаково согласующийся с истинной нулевой гипотезой, с реальным эффектом, слишком малым для обнаружения, или с выборкой, слишком малой для адекватной мощности. Тест может только отклонить или не отклонить; он никогда не подтверждает.
Связь с доверительными интервалами
То же самое критическое значение, которое определяет область отклонения, также устанавливает ширину соответствующего доверительного интервала:
$$\text{оценка} \pm c_{\alpha} \times \text{стандартная ошибка}$$Двусторонний тест на уровне \(\alpha\) отклоняет \(H_0: \mu = \mu_0\) ровно когда доверительный интервал \(100(1-\alpha)\%\) исключает \(\mu_0\). При выборочном среднем 52.0, стандартной ошибке 1.5 и \(z_{\alpha/2} = 1.960\), интервал 95% составляет \(52.0 \pm 1.960 \times 1.5 = 52.0 \pm 2.94\), т.е. от 49.06 до 54.94 — поэтому нулевое значение 50 не было бы отклонено, тогда как нулевое значение 48 было бы.
Часто задаваемые вопросы
Почему результат для Z/t двусторонний? Для нормального распределения и распределения Стьюдента калькулятор делит альфу пополам, что соответствует стандартному двустороннему критерию. Для одностороннего критерия задайте скорректированный уровень доверия (например, используйте 90 %, чтобы получить одностороннюю границу, эквивалентную 95 %).
Нужны ли степени свободы для нормального распределения? Нет. Критическое значение Z зависит только от уровня доверия. Степени свободы важны для t, χ² и F.
Когда указывать степени свободы знаменателя? Только для распределения Фишера (F), которому нужны степени свободы и числителя, и знаменателя (используется в дисперсионном анализе ANOVA и при сравнении дисперсий).