Statistica: principi e metodidocenti.luiss.it/protected-uploads/586/2015/12/... · Teoria dei test...
Transcript of Statistica: principi e metodidocenti.luiss.it/protected-uploads/586/2015/12/... · Teoria dei test...
-
Capitolo 18
Verifica delle ipotesi
Statistica: principi e metodi
Cap. 18-1
-
¥ Sia θ il parametro d’interesse, ossia la costante caratteristica della popolazione oggetto di studio. L’ipotesi statistica è una affermazione o una congettura che riguarda il parametro θ.
¥ L’ipotesi sottoposta a verifica va sotto il nome di ipotesi nulla, mentre è chiamata ipotesi alternativa l’affermazione o la congettura contrapposta.
Ipotesi statistica
Cap. 18-2
-
Possono essere:
Ipotesi nulla – Ipotesi alternativa
Cap. 18-3
se specifica completamente la distribuzione di probabilità della v.c. oggetto di studio; sono esempi di ipotesi semplici:
H0 : p = 0,6 (pop. bernoulliana) H1 : µ = 177 (pop. normale con σ2 nota) H0 : λ = 3,2 (pop. di Poisson)
semplice
composta
Sono esempi di ipotesi composte:
H0 : p ≤ 0,5; H1 : µ > 175; H1 : µ ≠ 150.
-
Con riferimento a un generico parametro θ, supponiamo che siano H0 : θ = θ0 l’ipotesi nulla e H1 : θ > θ 0 l’ipotesi alternativa. Con la verifica delle ipotesi si decide se rifiutare o non rifiutare l’ipotesi nulla sulla base di una funzione dei dati del campione casuale detta statistica test.
Verifica delle ipotesi
Cap. 18-4
-
La teoria dei test ci consente di determinare una regola di decisione che limiti il più possibile il rischio di decisioni sbagliate. Gli errori che si possono commettere nel decidere se rifiutare o meno l’ipotesi nulla sono:
Teoria dei test
Cap. 18-5
Decisione Stato reale
Ipotesi nulla è vera Ipotesi nulla è falsa
Non rifiuto Decisione corretta Errore di seconda specie
Rifiuto Errore di prima specie Decisione corretta
la decisione di rifiutare l’ipotesi nulla quando è vera
la decisione di non rifiutare l’ipotesi nulla quando è falsa
-
Sia H0 : µ = µ0 L’ipotesi alternativa contrapposta può assumere una delle tre configurazioni
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-6
:
::
01
01
01
µµµµµµ
≠⎭⎬⎫
>
<
HHH
ipotesi alternativa unidirezionale
ipotesi alternativa bidirezionale
-
Se (x1, x2, …, xn) è un campione casuale osservato, con media la decisione di rifiutare o non rifiutare l’ipotesi nulla H0 : µ = µ0 andrà basata sul confronto tra e µ0, o meglio, sulla differenza standardizzata
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-7
,x
x
nxzx /
0
σ
µ−=
Valore assunto dalla v.c. (statistica
campionaria)
Ammesso che l’ipotesi nulla sia vera e che la popolazione generatrice sia normale, la statistica campionaria è una v.c. normale N(0, 1)
zx
-
Ipotesi nulla H0 : µ = µ0 ; Ipotesi alternativa H1 : µ > µ0 Presi un livello di probabilità α molto piccolo (α = 0,05, 0,01, 0,005, …) e il quantile della normale standardizzata, la probabilità dell’evento è uguale ad α (livello di significatività). Si rifiuta l’ipotesi nulla se il valore assunto dalla statistica test nel campione osservato fa parte dell’insieme
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-8
α−> 1zZX
}/:{ }:{
101
1nzxxx
zzzR xxσµ αα
α
−−
−
+=>=>=
campioni più estremi
zona di rifiuto tramite la media campionaria
-
Ipotesi nulla H0 : µ = µ0 Ipotesi alternativa H1: µ > µ0
Per capire la regola proposta, di rifiutare H0 quando si consideri che, se è vera l’ipotesi nulla, i campioni per i quali si realizza questa disuguaglianza, detti campioni più estremi, sono inattesi: essi producono medie molto più grandi di e hanno complessivamente una probabilità di verificarsi molto bassa, pari ad α; in altre parole, essi non sono plausibili sotto l’ipotesi nulla.
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-9
,10 nzx σµ α−+>
0µ
-
Nel seguito, parleremo indifferentemente di verifica di ipotesi o di test di ipotesi. Mentre per statistica test intenderemo la funzione dei dati campionari con cui si costruisce la zona di rifiuto. Così per la verifica di ipotesi in questione chiameremo statistica test sia
che la semplice media campionaria .
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-10
nX
ZX /0
σ
µ−=
X
-
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-11
H0: µ = µ0 H1: µ > µ0 zona di rifiuto in termini di z
zona di rifiuto in termini di media campionaria
-
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Quando la statistica test cade nella zona di rifiuto si dice che “il test è significativo”. Espressioni equivalenti sono: q “la media campionaria differisce
significativamente da µ0”; q “la differenza è significativamente
diversa da 0”; q “vi è sufficiente evidenza empirica contro
l’ipotesi nulla”.
Cap. 18-12
0µ−x
-
29,495, 29,512, 29,510, 29,502, 29,497, 29,514
Si voglia sottoporre a verifica l’ipotesi che il processo è sotto controllo, cioè che H0 : µ = 29,5, contro H1 : µ > 29,5 a un livello di significatività del 5%.
La media campionaria è
Esempio 1: Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-13
Una linea di produzione di una cartiera, in condizioni normali di funzionamento, produce fogli di carta la cui lunghezza è assimilabile a una v.c., distribuita normalmente, avente deviazione standard σ = 0,03 cm. La lunghezza media prevista per tali fogli è 29,5. In un campione casuale di 12 fogli sono stati osservati i dati seguenti:
29,506, 29,493, 29,511, 29,503, 29,487, 29,507
.5031,29=x
-
Esempio 1 (continuazione)
Cap. 18-14
Il valore assunto dalla statistica test non rientra nella zona di rifiuto, essendo Pertanto, l’ipotesi nulla non viene rifiutata: non vi sono evidenze sufficienti per escludere che il processo sia “sotto controllo”. Naturalmente, si giunge allo stesso risultato operando direttamente con il cui valore osservato, è al di sotto del valore soglia
;645,195,01 ==− zz α .358,012/03,05,295031,29=
−=xz
.645,1358,0 95,0 =
-
Spazio campionario e livello di significatività
Cap. 17-15
Nella diapositiva che segue sono riportati 20 campioni di ampiezza 10 estratti da una popolazione normale avente media 265 e varianza 182. Supponiamo di voler verificare l’ipotesi nulla che la media della popolazione (ammesso che non la si conosca) sia pari a 265, contro l’alternativa che sia superiore, con α = 0,05. Per ciascun campione è dato il valore assunto dalla statistica test media campionaria. La riga in rosso indica il campione a cui la statistica test supera la soglia critica pari a 274,36 (per α = 0,05). Se immaginiamo l’intero spazio campionario, il livello di significatività (0,05 in questo caso) può essere interpretato come la frequenza relativa dei campioni in cui la statistica test cade nella zona pur essendo vera l’ipotesi nulla .
-
Spazio campionario e coefficiente di confidenza
Cap. 17-16
Osservazioni
Stima media
259,7 264,6 257,7 270,2 269,3 256,5 285,4 248,9 260,7 258,0 263,10 267,2 277,5 253,7 249,6 286 242,8 270,1 268,9 301,0 230,6 264,72 269,2 273,4 281,7 248,8 283,2 282,0 242,0 314,2 257,6 254,3 270,63 274,5 265,7 270,1 239,3 237,7 269,8 264,8 247,8 265,3 266,8 260,18 250,7 293,7 240,8 250,0 253,4 255,4 226,7 245,0 263,9 249,3 252,89 272,2 275,5 249,5 227,2 284,5 261,6 294,0 257,5 244,8 279,8 264,66 266,4 238,2 259,9 241,7 267,5 263,0 248,6 261,9 264,0 241,3 255,24 265,2 295,4 255,9 259,1 297,7 251,6 263,3 252,9 267,7 251,8 266,05 280,8 265,3 259,4 275,7 300,4 252,7 253,1 246,6 249,4 276,3 265,95 255,0 269,5 245,3 253,9 283,4 271,3 249,8 281,9 283,9 257,4 265,13 253,5 265,9 269,9 264,4 268,8 251,0 269,4 251,4 290,9 274,8 265,99 275,5 234,9 250,3 289,7 269,9 253,6 250,1 277 210,2 230,4 254,16 249,6 270,4 249,7 278,2 262,5 274,7 284,2 260,4 239,5 264,7 263,38 247,1 249,8 262,7 279,6 281,1 262,7 279,6 247,8 281,5 275,2 266,71 266,0 286,4 286 264,6 258,1 298,7 263,5 234,3 268,3 245,3 267,12 306,0 267,5 286,5 277,4 267,8 280,6 299,2 272,0 251,6 280,9 278,95 271,1 259,1 240,7 266,6 252,7 266,7 266,3 253,1 296,3 266,9 263,95
279,6 279,7 289,7 247,9 264,4 294,6 248,6 261,2 253,8 250,0 266,94 280,1 255,9 288,1 270,7 250,6 270,2 255,4 267,7 295,0 276,5 271,01 266,2 300,9 288,1 274,3 235,8 256,6 261,4 285,4 280,7 285,9 273,53
… … … … … … … … … … …
-
Ipotesi nulla H0 : µ = µ0 Ipotesi alternativa H1: µ
-
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-18
zona di rifiuto tramite la media campionaria
zona di rifiuto in termini di z
H0 : µ = µ0 H1: µ < µ0
-
Ipotesi nulla H0 : µ = µ0 Ipotesi alternativa H1: µ ≠ µ0
L’ipotesi nulla viene rifiutata per valori di molto distanti da µ0 nell’una o nell’altra direzione, ossia per valori di molto più grandi oppure molto più piccoli rispetto a µ0.
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-19
)}./ ,/(:{ }||:{
2/102/10
2/1
nznzxxzzzR xx
σµσµ αα
α
−−
−
+−∉=
=>=
zona di rifiuto tramite la media campionaria
x
x
campioni più estremi
-
Verifica di ipotesi sulla media di una popolazione normale con varianza nota
Cap. 18-20
H0: µ = µ0 H1: µ ≠ µ0
zona di rifiuto in termini di media campionaria
zona di rifiuto in termini di z
-
Ipotesi H0 Ipotesi H1 Statistica test Zona di rifiuto R
µ = µ0
H1 : µ µ0
H1 : µ ≠ µ0
Zone di rifiuto del test per i diversi sistemi di ipotesi.
Cap. 18-21
{zx: zx < -z1-α}
{zx: zx > z1−α}
{zx: |zx |> z1−α /2 }
nxzx /
0
σ
µ−=
-
)(1)|( 0 xxXoss zzZP Φ−==≥= µµα
Livello di significatività osservato
Cap. 18-22
Il livello di significatività osservato, che indicheremo con è la probabilità che
la statistica test assuma un valore pari a quello ottenuto con i dati del campione o maggiore di esso (più estremo), ammesso che l’ipotesi nulla sia vera. In simboli:
Con il sistema di ipotesi dato:
,ossα
valore assunto dalla statistica test nel campione osservato
si rifiuta l’ipotesi nulla se il livello di significatività osservato è minore di α
H0 : µ = µ0 H1: µ > µ0
-
Livello di significatività osservato
Cap. 18-23
Detto in altre parole, il livello di significatività osservato è:
H0: µ = µ0 H1: µ > µ0
“la probabilità che la statistica test contenga un’evidenza contro l’ipotesi nulla maggiore o uguale a quella contenuta nel valore osservato”
-
Livello di significatività osservato
Cap. 18-24
Si può aggiungere che il livello di significatività osservato è:
H0: µ = µ0 H1: µ > µ0
“un indicatore della forza dell’evidenza contro l’ipotesi nulla: tale evidenza è tanto maggiore quanto minore è αoss”
-
Livello di significatività osservato
Cap. 18-25
Il livello di significatività osservato è inferiore al livello α ogni volta che è maggiore del valore critico
α−1zxz
-
Livello di significatività osservato
Cap. 18-26
-
Sistema di ipotesi: H0 : µ = 29,5 ; H1: µ > 29,5.
Livello di significatività: α = 0,05.
Valore osservato della statistica test
Esempio 2: Livello di significatività osservato
Cap. 18-27
Riprendendo i dati dell’Esempio 1, si sottoponga a verifica lo stesso sistema di ipotesi tramite il livello di significatività osservato.
.358,012/03,0
5,295031,29=
−=xz
-
Esempio 2 (continuazione)
Cap. 18-28
Livello di significatività osservato
Conclusione:
Il livello di significatività osservato, , è maggiore del livello di significatività α = 0,05, pertanto l’ipotesi nulla non viene rifiutata.
ossα
.361,0)358,0(1)5,29|358,0( =Φ−==≥= µα Xoss ZP
-
)()|( 0 xxXoss zzZP Φ==≤= µµα
Cap. 18-29
Valore assunto dalla statistica test
Livello di significatività osservato
H0: µ = µ0 H1: µ < µ0
È la probabilità che la statistica test assuma un valore pari a quello ottenuto con i dati del campione o minore di esso (più estremo), ammesso che l’ipotesi nulla sia vera.
si rifiuta l’ipotesi nulla se il livello di significatività osservato è minore di α
-
Livello di significatività osservato
Cap. 18-30
Il livello di significatività osservato è inferiore al livello α ogni volta che è minore del valore critico
xzα−− 1z
-
Livello di significatività osservato
Cap. 18-31
-
Cap. 18-32
Livello di significatività osservato
H0: µ = µ0 H1: µ ≠ µ0
È la probabilità che la statistica test assuma un valore pari a quello ottenuto con i dati del campione o più estremo (più grande di o più piccolo di ), ammesso che l’ipotesi nulla sia vera.
|)](|1[2 |)|(|)|( |)||(|
x
xXxXxXossz
zZPzZPzZPΦ−=
≥+−≤=≥=α
Valore assunto dalla statistica test
|| xz || xz−
si rifiuta l’ipotesi nulla se il livello di significatività osservato è minore di α
-
Livello di significatività osservato
Cap. 18-33
Il livello di significatività osservato è inferiore al livello α ogni volta che è minore di o maggiore di
xzα−− 1z α−1z
-
Livello di significatività osservato
Cap. 18-34
-
La verifica dell’ipotesi si avvale della statistica test
che, se l’ipotesi nulla è vera, ha distribuzione t di Student con n – 1 gradi di libertà.
Verifica di ipotesi sulla media di una popolazione normale con varianza incognita
Cap. 18-35
nSXTX /
0µ−=
-
Ipotesi H0 Ipotesi H1 Statistica test Zona di rifiuto R
µ = µ0
H1 : µ µ0
H1 : µ ≠ µ0
Zone di rifiuto del test per i diversi sistemi di ipotesi.
Cap. 18-36
nSXTX /
0µ−=
}:{ 1 α−−< ttt xx
}:{ 1 α−>ttt xx
}||:{ 2/1 α−>ttt xx
Si procede in analogia con quanto visto nel caso della statistica test Z
-
Zone di rifiuto del test per i diversi sistemi di ipotesi.
Cap. 18-37
-
Esempio 3: verifica di ipotesi sulla media di una popolazione normale con varianza incognita
Cap. 18-38
La concentrazione di metalli pesanti riscontrata nei pesci è spesso utilizzata come misura dell’inquinamento ambientale. I dati che seguono si riferiscono alla concentrazione di zinco (in µg/g) nel fegato osservata in 10 pesci in uno specchio lacustre:
9,89, 10,05, 9,01, 8,57, 9,92, 6,84, 9,95, 8,80, 8,79, 7,98.
Si voglia sottoporre a verifica l’ipotesi che la concentrazione media di zinco sia pari a 10, contro l’alternativa che sia inferiore. Si ponga α = 0,01.
Sistema di ipotesi: H0 : µ = 10 ; H1 : µ
-
Esempio 3 (continuazione)
Cap. 18-39
Zona di rifiuto: Media campionaria: varianza campionaria: Valore osservato della statistica test Conclusione:
Poiché , l’ipotesi nulla viene rifiutata.
.121,310/068,110980,8
−=−
=xt
;98,8=x ;068,12 =s};821,2:{: 99,0 −=−< tttR xx
821,2121,3 99,0 −=−
-
Livello di significatività osservato
Cap. 18-40
si rifiuta l’ipotesi nulla se il livello di significatività osservato è minore di α
)|( 0µµα =≤= xXoss tTPH1 : µ < µ0
)|( 0µµα =≥= xXoss tTP
)|( 0µµα =≥= xXoss tTPH1 : µ > µ0
H1 : µ ≠ µ0
-
Esempio 4: Livello di significatività osservato
Cap. 18-41
Si voglia ripetere la verifica di ipotesi di cui all’Esempio 3 con la tecnica del livello di significatività osservato.
Sistema di ipotesi: H0 : µ = 10 ; H1 : µ
-
Se il campione ha dimensione sufficientemente grande, qualunque sia la popolazione generatrice, la statistica test da assumere è
che è una v.c. la cui distribuzione può essere approssimata con una normale N(0, 1)
Verifica di ipotesi sulla media nel caso di grandi campioni
Cap. 18-42
,/
0
nSXZX
µ−=
Ipotesi H0
Ipotesi H1 Zona di rifiuto R
µ = µ0
µ µ0
µ ≠ µ0
}:{ 1 α−−< zzz xx
}:{ 1 α−> zzz xx
}:{ 2/1 α−> zzz xx
-
Esempio 5: Verifica di ipotesi sulla media nel caso di grandi campioni
Cap. 18-43
Il direttore dell’ufficio della qualità di un’industria di materiali elettrici deve stabilire se la durata di un nuovo tipo di lampada elettrica sia uguale a 350 ore. In un campione di 72 lampade la media aritmetica e la varianza risultano uguali a A un livello di significatività del 5%, vi è evidenza sufficiente per affermare che la durata media delle lampadine prodotte è diversa da 350 ore?
Sistema di ipotesi: H0 : µ = 350; H1 : µ ≠ 350; Livello di significatività: α = 0,05;
.465.9 e 367 2 == sx
-
Esempio 5 (continuazione)
Cap. 18-44
Zona di rifiuto:
Valore osservato della statistica test: Conclusione:
Poiché , il valore osservato della statistica test non fa parte della zona di rifiuto. Pertanto, si può affermare che i dati osservati non contengono evidenze sufficienti per rifiutare l’ipotesi nulla.
.483,172/465.9
350367/
0 =−
=−
=ns
xzxµ
!
};96,1:{ 975,02/1 ==>= − zzzzR xx α
96,1483,1
-
Si calcola come nel caso della varianza nota (lucidi 20-23) con la sola variante che a denominatore di appare la deviazione standard campionaria s, anziché quella della popolazione. A titolo di esempio, se l’ipotesi alternativa è H1 : µ > µ0, abbiamo:
Livello di significatività osservato
Cap. 18-45
)(1|/ 0
0xxXoss zns
xzZP Φ−≈⎟⎟⎠
⎞⎜⎜⎝
⎛=
−=≥= µµ
µα
xz
-
Esempio 6: Livello di significatività osservato
Cap. 17-46
Si voglia ripetere la verifica di ipotesi di cui all’Esempio 5 con la tecnica del livello di significatività osservato. Sistema di ipotesi: H0 : µ = 350 ; H1 : µ ≠ 350; Livello di significatività: α = 0,05; Valore osservato della statistica test:
Livello di significatività osservato:
Decisione:
Poiché , l’ipotesi nulla non viene rifiutata.
.483,172/465.9
350367=
−=xz
;1381,0)]483,1(1[2)350483,1|(| =Φ−≈=≥= µα Xoss ZP
05,01381,0 >=ossα
-
Se il campione casuale di ampiezza n (sufficientemente elevata) proviene da una popolazione bernoulliana, l’ipotesi nulla da verificare è H0: p = p0. La media campionaria, interpretabile come frequenza relativa dei “successi” nel campione, ha, sotto l’ipotesi nulla, distribuzione prossima alla normale con media p0 e varianza p0(1 – p0)/n. La statistica test è, naturalmente
Cap. 18-47
nppppZp /)1(
ˆ
00
0ˆ −
−=
Verifica di ipotesi sulla media nel caso di grandi campioni: popolazioni Bernoulliane
-
Cap. 18-48
Verifica di ipotesi sulla media nel caso di grandi campioni: popolazioni Bernoulliane
Ipotesi H0 Ipotesi H1 Zona di rifiuto R
p = p0
p < p0
p > p0
p ≠ p0
}:{ 1ˆˆ α−−< zzz pp
}:{ 1ˆˆ α−> zzz pp
}:{ 2/1ˆˆ α−> zzz pp
-
Esempio 7: verifica di ipotesi sulla media nel caso di popolazioni Bernoulliane (grandi campioni)
Cap. 18-49
In un’indagine sul grado di soddisfazione dei clienti sulla qualità del trasporto pubblico urbano in un dato comune, sono stati intervistati, tramite campionamento casuale, 550 utenti. Il 65% degli intervistati si è dichiarato soddisfatto o molto soddisfatto del servizio. L’obiettivo dell’indagine era quello di verificare se la percentuale dei soddisfatti o molto soddisfatti fosse aumentata rispetto a quella accertata l’anno precedente (con un’indagine totale), pari a 59%. Si effettui la verifica dell’ipotesi con un livello di significatività dell’1%.
Sistema di ipotesi: H0 : p = 0,59; H1 : p > 0,59; Livello di significatività: α = 0,01;
-
Esempio 7 (continuazione)
Cap. 18-50
Zona di rifiuto:
Valore osservato della statistica test: Decisione:
Poiché , il valore osservato della statistica test fa parte della zona di rifiuto. Pertanto, si può affermare che nei dati osservati vi sono evidenze sufficienti per rifiutare l’ipotesi nulla.
.861,2550/)41,059,0(
59,065,0/)1(
ˆ
00
0ˆ =×
−=
−
−=
nppppzp
};326,2:{ 99,01ˆˆ ==>= − zzzzR pp α
326,2861,2ˆ >=pz
-
Si calcola come nei precedenti. A titolo di esempio, se l’ipotesi alternativa è H1 : p
-
Esempio 8: Livello di significatività osservato
Cap. 17-52
Si ripeta la verifica di ipotesi di cui all’Esempio precedente mediante il livello di significatività osservato. Sistema di ipotesi: H0 : p = 0,59; H1 : p > 0,59; Livello di significatività: α = 0,01; Valore osservato della statistica test:
Livello di significatività osservato: Decisione: Si rifiuta l’ipotesi nulla, essendo
.861,2550/)41,059,0(
59,065,0ˆ =×
−=pz
.0021,0)]861,2(1[)59,0|861,2( ˆ =Φ−≈=≥= pZP possα
.αα
-
Criteri di ottimizzazione nella verifica delle ipotesi
Cap. 18-53
Riprendiamo la tabella iniziale che compendia gli incroci tra il tipo di decisione (rifiuto e non rifiuto) e lo stato reale (ipotesi nulla vera e ipotesi nulla falsa):
Indichiamo con α la probabilità dell’errore di prima specie e con β la probabilità dell’errore di seconda specie.
Decisione Stato reale
H0 vera H0 falsa
Non rifiuto di H0 Decisione corretta Errore di seconda
specie
Rifiuto di H0 Errore di prima
specie Decisione corretta
-
Criteri di ottimizzazione nella verifica delle ipotesi
Cap. 18-54
Riscriviamo la tabella precedente con l’indicazione delle probabilità connesse alle quattro diverse situazioni:
La quantità π = 1 - β è chiamata potenza del test.
Decisione Stato reale
H0 vera H0 falsa
Non rifiuto di H0 Decisione corretta
(1 - α) Errore di seconda specie
β
Rifiuto di H0 Errore di prima specie
α Decisione corretta
π = (1 - β)
-
Criteri di ottimizzazione nella verifica delle ipotesi
Cap. 18-55
In prima approssimazione, possiamo dire che per i problemi di verifica di ipotesi affrontati in precedenza la teoria statistica consente di individuare il procedimento che, fissato il livello di α, minimizza β, ovvero massimizza la potenza. Un tale procedimento è da considerarsi, ovviamente, ottimo. Ebbene, tutti i test introdotti fin qui su base intuitiva (test per la verifica di ipotesi su medie e su varianze) sono, in questo senso, ottimi.