가설 검정 소개

통계적 가설은 모집단 매개변수 에 대한 가정입니다.

예를 들어, 미국 남성의 평균 키가 70인치라고 가정할 수 있습니다.

키에 관한 가설은 통계적 가설 이고 미국 남성의 실제 평균 키는 인구 매개변수 입니다.

가설 테스트는 통계적 가설을 기각하거나 기각하지 못하는 데 사용하는 공식적인 통계 테스트입니다.

두 가지 유형의 통계 가설

모집단 모수에 대한 통계적 가설이 참인지 검정하기 위해 모집단에서 무작위 표본을 추출하고 표본 데이터에 대해 가설 검정을 수행합니다.

통계적 가설에는 두 가지 유형이 있습니다.

_H0 로 표시되는 귀무가설은 표본 데이터가 우연에서만 나온다는 가설입니다.

_H1 또는 _Ha 로 표시되는 대립 가설 은 표본 데이터가 무작위가 아닌 원인의 영향을 받는다는 가설입니다.

가설 검증

테스트 가설은 다음 5단계로 구성됩니다.

1. 가설을 기술합니다.

귀무가설과 대립가설을 기술합니다. 이 두 가설은 서로 배타적이어야 하므로 하나가 참이면 다른 하나는 거짓이어야 합니다.

2. 가설에 사용할 유의 수준을 결정합니다.

중요성의 수준을 결정하십시오. 일반적인 선택은 .01, .05 및 .1입니다.

3. 검정 통계량을 찾습니다.

검정 통계량과 해당 p-값을 구합니다. 모집단 평균 또는 비율을 분석하는 경우가 많으며 검정 통계량을 찾는 일반 공식은 다음과 같습니다. (표본 통계 – 모집단 모수) / (통계의 표준 편차)

4. 귀무가설을 기각하거나 기각하지 않습니다.

검정 통계량이나 p-값을 사용하여 유의 수준에 따라 귀무 가설을 기각할 수 있는지 여부를 확인합니다.

p-값은 귀무 가설을 뒷받침하는 증거의 강도를 알려줍니다. p-값이 유의 수준보다 작으면 귀무 가설을 기각합니다.

5. 결과를 해석하십시오.

질문의 맥락에서 가설 검정의 결과를 해석하십시오.

두 가지 유형의 의사결정 오류

가설을 테스트할 때 발생할 수 있는 결정 오류에는 두 가지 유형이 있습니다.

제1종 오류: 귀무가설이 실제로 참인데 귀무가설을 기각합니다. 제1종 오류를 범할 확률은 유의 수준과 동일하며 종종 알파 라고 하며 α로 표시됩니다.

제2종 오류: 귀무가설이 실제로 거짓인데도 귀무가설을 기각하지 못합니다. 제2종 오류를 범할 확률을 테스트 검정력 또는 베타 라고 하며 β로 표시합니다.

단측 및 양측 테스트

통계적 가설은 단측일 수도 있고 양측일 수도 있습니다.

단측 가설 에는 “보다 큼” 또는 “보다 작음” 진술이 포함됩니다.

예를 들어, 미국 남성의 평균 키가 70인치 이상이라고 가정해 보겠습니다. 귀무 가설은 H0: µ ≥ 70인치이고 대립 가설은 Ha: µ < 70인치입니다.

양측 가설에는 “같음” 또는 “같지 않음” 진술이 포함됩니다.

예를 들어, 미국 남성의 평균 키가 70인치라고 가정해 보겠습니다. 귀무 가설은 H0: µ = 70인치이고 대립 가설은 Ha: µ ≠ 70인치입니다.

참고: “같음” 기호는 =, ≥, ≤인지 관계없이 항상 귀무가설에 포함됩니다.

관련 항목: 방향 가설이란 무엇입니까?

가설 검정의 유형

작업 중인 데이터 유형과 분석 목표에 따라 수행할 수 있는 다양한 유형의 가설 테스트가 있습니다.

다음 자습서에서는 가장 일반적인 유형의 가설 검정에 대한 설명을 제공합니다.

일표본 t-검정 소개
2표본 t 검정 소개
대응표본 t-검정 소개
단일 비율 Z 테스트 소개
2비율 Z 검정 소개