가설 테스트의 4가지 실제 사례

통계에서는 모집단 매개변수 에 대한 가설이 사실인지 아닌지를 확인하기 위해 가설 검정이 사용됩니다.

실제 가설 검정을 수행하기 위해 연구자는 모집단의 무작위 표본을 얻고 귀무 가설과 대립 가설을 사용하여 표본 데이터에 대한 가설 검정을 수행합니다.

• 귀무가설(H ₀ ): 표본 데이터는 우연히 얻은 것입니다.
• 대립 가설( _HA ): 표본 데이터는 무작위가 아닌 원인의 영향을 받습니다.

가설 검정의 p-값이 특정 유의 수준(예: α = 0.05)보다 낮으면 귀무 가설을 기각하고 대립 가설이 참이라는 충분한 증거가 있다고 결론을 내릴 수 있습니다.

다음 예는 가설 검정이 실제 세계에서 사용되는 여러 상황을 보여줍니다.

예시 1: 생물학

가설 테스트는 생물학에서 새로운 치료법, 비료, 살충제, 화학 물질 등을 결정하기 위해 자주 사용됩니다. 성장, 지구력, 면역력 등이 향상됩니다. 식물이나 동물에서.

예를 들어, 생물학자가 특정 비료를 사용하면 식물이 평소보다 한 달에 더 많이 자라게 할 것이라고 생각한다고 가정해 보겠습니다. 현재 크기는 20인치입니다. 이를 테스트하기 위해 그녀는 한 달 동안 실험실의 각 식물에 비료를 적용했습니다.

그런 다음 그녀는 다음 가설을 사용하여 가설 검정을 수행합니다.

• H ₀ : μ = 20인치(비료는 평균 식물 성장에 영향을 미치지 않습니다)
• H _A : μ > 20인치(비료는 식물 성장의 평균 증가를 유발합니다)

검정의 p-값이 특정 유의 수준(예: α = 0.05)보다 낮으면 귀무 가설을 기각하고 비료가 식물 성장을 증가시킨다는 결론을 내릴 수 있습니다.

실시예 2: 임상시험

가설 테스트는 새로운 치료법, 약물, 시술 등을 결정하기 위해 임상 시험에서 자주 사용됩니다. 더 나은 환자 결과를 가져옵니다.

예를 들어, 의사가 신약이 비만 환자의 혈압을 낮출 수 있다고 생각한다고 가정해 보겠습니다. 이를 테스트하기 위해 한 달간 신약 사용 전후 환자 40명의 혈압을 측정할 수 있게 된다.

그런 다음 다음 가정을 사용하여 가설 검정을 수행합니다.

• H ₀ : μ _후 = μ _전 (약물 사용 전후의 평균 혈압은 동일함)
• H _A : μ _후 < μ _전 (약물 사용 후 혈압이 낮아진다는 의미)

테스트의 p-값이 특정 유의 수준(예: α = 0.05)보다 낮으면 귀무 가설을 기각하고 신약이 혈압을 감소시킨다는 결론을 내릴 수 있습니다.

예시 3: 광고비

가설 테스트는 새로운 광고 캠페인, 마케팅 기법 등을 결정하기 위해 비즈니스에서 자주 사용됩니다. 작동합니다. 매출 증가로 이어집니다.

예를 들어, 한 회사가 디지털 광고에 더 많은 돈을 지출하면 매출이 증가한다고 믿는다고 가정해 보겠습니다. 이를 테스트하기 위해 회사는 2개월 동안 디지털 광고에 대한 지출을 늘리고 데이터를 수집하여 전체 매출이 증가했는지 확인할 수 있습니다.

다음 가설을 사용하여 가설 검정을 수행할 수 있습니다.

• H ₀ : μ _후 = μ _전 (평균 매출은 광고비 지출 전과 후 동일)
• H _A : _이후 μ > _이전 μ (광고비 지출 증가 후 평균 매출 증가)

테스트의 p-값이 특정 유의 수준(예: α = 0.05)보다 낮으면 회사는 귀무 가설을 기각하고 디지털 광고의 증가가 매출 증가로 이어진다는 결론을 내릴 수 있습니다.

실시예 4: 제조

가설 테스트는 제조 공장에서 새로운 프로세스, 기술, 방법 등을 결정하기 위해 자주 사용됩니다. 이로 인해 생산된 불량 제품 수가 변경되었습니다.

예를 들어, 특정 제조 공장에서 새로운 방법으로 인해 현재 250개인 월간 생산되는 불량 위젯 수가 변경되는지 여부를 테스트하려고 한다고 가정합니다. 이를 테스트하기 위해 사용 전후에 생산된 불량 위젯의 평균 수를 측정할 수 있습니다. . 한 달 동안 새로운 방법.

그런 다음 다음 가설을 사용하여 가설 검정을 수행할 수 있습니다.

• H ₀ : μ _after = μ _before (새로운 방법을 사용하기 전과 후의 불량 위젯의 평균 개수는 동일함)
• H _A : _이후의 μ ≠ _이전 의 μ (새로운 방법을 사용하기 전과 후의 불량 위젯의 평균 개수가 다름)

테스트의 p-값이 특정 유의 수준(예: α = 0.05)보다 낮으면 공장에서는 귀무 가설을 기각하고 새 방법으로 인해 월별로 생산된 불량 위젯 수가 변경된다는 결론을 내릴 수 있습니다.

추가 리소스

가설 검정 소개
일표본 t-검정 소개
2표본 t 검정 소개
대응표본 t-검정 소개