Da ein linksseitiger H-Test vorliegt, gilt \(H_0:p_0\geq p,\: H_1:p_1< p\).
Hier also mit \(p = 0.65\).
Die Daten im Überblick:
Sei \(X\) die zu testende Größe. Ferner gilt \(X \stackrel{H_0}{\sim} B(n,p),\; X\stackrel{a}{\sim} \mathcal{N}(\mu, \sigma)\).
\(n=500,\\
p=0.65, \\
\mu = 325,\\
\sigma = \sqrt{113.75},\\
\alpha = 0.05\)
Nun ist derjenige kritische Wert \(\zeta\) gesucht, für den noch \(P(X\leq \zeta) \leq \alpha\) gilt.
Bei einem rechtsseitigen Wert wäre \(P(X \geq \zeta) \leq \alpha \Leftrightarrow P(X \leq \zeta-1) \geq 1-\alpha\) gesucht.
Z.B. über die inv. Normalverteilung erhält man den Wert \(\zeta \approx 307.5\), durch Nachprüfen mit der BV ergibt sich \(\zeta = 306\) als kritischer Wert und somit für den Ablehnungsbereich der \(H_0\)-Hypothese: \(\overline{A}=\{0,...,306\}\).
"Entsprechen müsste die Gegenhypothese \(H_1:p_1<0.65\) sein, oder?"
Ja, wo nutzt Daniel denn \(\leq\) anstatt < für \(H_1\)?
"Warum hat Daniel ein + 0,5 hier auf dem Bruchstrich stehen"
Er nutzt die Stetigkeitskorrektur.
\(P(a \leq X \leq b) \Rightarrow P(a -0.5 \leq X \leq b+0.5)\)
Da hier allerdings von null kumuliert wird, spart man sich den linken Teil.
\(P(X \leq b+0.5)\)
Sonstiger Berufsstatus, Punkte: 16.5K