Testarea Ipotezei: Output Continuu vs. Input Atributiv

Cateodata, in practică dorim sa fim siguri ca luăm cele mai bune decizii. De exemplu, dorim sa alegem pentru livrarile in oraș, cea mai rapida varianta dintre scuter și furgoneta.

Vom folosi testarea ipotezei, o metodă de a demonstra mai presus de orice îndoială logică (“beyond reasonable doubt”) că o afirmație este sau nu adevărată.

Pentru analiza datelor sunt utilizate o serie de instrumente statistice, a căror aplicare depinde de tipul de date de intrare și ieșire.

Emitem ipoteza nulă (H0): Timpul de livrare este același pentru ambele mijloace de transport.
Ipoteza alternativă (Ha) : timpii sunt diferiți.

După colectarea datelor urmează testul propriu zis care constă în următorii pași:

1. Studiul normalității datelor.

Folosind Sigma XL, MINITAB sau alte software-uri putem afla dacă datele sunt normal distribuite. Folosind de exemplu Histogram & Descriptive Statistic (Sigma XL),observăm că pvalue > 0,05 deci distribuția este normală.

2. Analiza variațiilor celor două distribuții.

Folosim Test of equal variances și observăm că variațiile timpilor de livrare nu diferă semnificativ ( pvalue > 0,05).

3. Analiza localizării (medii sau mediane, după caz).

Am văzut la (1.) că avem o distribuție normală și că variațiile nu diferă (2.). Deci putem să testăm ipoteza pentru localizare, folosind testul 2 Sample T-Test. Dacă ar fi fost mai mult de două niveluri(in cazul nostru cele două sunt scuterul și furgoneta) am fi folosit One Way ANOVA.

Folosind 2 sample T-test, pvalue obținut este < 0,05 și astfel avem suficiente dovezi să afirmăm că este o diferență semnificativă intre timpii medii de livrare cu cele două vehicule.

Observăm si că media timpilor scuterului este mai mică, deci putem spune ca timpii medii de livrare cu scuterul sunt semnificativ mai mici decât cei ai furgonetei.

Deci vom folosi scuterul!