0.05보다 큰 p-값을 해석하는 방법(예제 포함)

검정 가설은 모집단 모수 에 대한 가설이 참인지 여부를 검정하는 데 사용됩니다.

가설 검정을 수행할 때마다 항상 귀무 가설과 대립 가설을 정의합니다.

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

가설 검정을 수행할 때 사용할 유의 수준을 지정해야 합니다.

유의 수준에 대한 일반적인 선택은 다음과 같습니다.

• α = 0.01
• α = 0.05
• α = 0.10

가설 검정의 p-값이 지정된 유의 수준보다 작으면 귀무 가설을 기각하고 대립 가설이 참이라고 말할 수 있는 충분한 증거가 있다는 결론을 내릴 수 있습니다.

p-값이 지정된 유의 수준보다 작지 않으면 귀무 가설을 기각하지 못하고 대립 가설이 참이라고 말할 수 있는 증거가 충분하지 않다는 결론을 내릴 수 있습니다.

다음 예에서는 실제로 0.05보다 큰 p-값을 해석하는 방법을 설명합니다.

예 1: 0.05보다 큰 P 값 해석(생물학)

한 생물학자가 특정 비료를 사용하면 1년 동안 식물이 평소보다 더 많이(현재 20인치) 자라게 할 것이라고 생각한다고 가정해 보겠습니다.

이를 테스트하기 위해 그녀는 3개월 동안 실험실의 각 식물에 비료를 적용했습니다.

그런 다음 그녀는 다음 가설을 사용하여 가설 검정을 수행합니다.

귀무 가설(H ₀ ): μ = 20인치(비료는 평균 식물 성장에 영향을 미치지 않습니다)

대립 가설: ( _HA ): μ > 20인치(비료는 식물 성장의 평균 증가를 유발합니다)

α = 0.05의 유의 수준을 사용하여 평균에 대한 가설을 검정할 때 생물학자는 0.2338 의 p-값을 받습니다.

p-값 0.2338 이 유의 수준 0.05 보다 크기 때문에 생물학자는 귀무 가설을 기각할 수 없습니다.

따라서 그녀는 비료가 식물 성장을 증가시킨다고 주장하기에는 증거가 불충분하다고 결론지었습니다.

예시 2: 0.05보다 큰 P 값 해석(제조)

한 기계 엔지니어는 새로운 생산 공정을 통해 현재 배치당 결함이 있는 부품 3개인 특정 공장에서 생산되는 결함 있는 부품의 수가 줄어들 것이라고 믿습니다.

이를 테스트하기 위해 새로운 프로세스를 사용하여 새로운 위젯 배치를 생성합니다.

그런 다음 다음 가정을 사용하여 가설 검정을 수행합니다.

귀무 가설(H ₀ ): μ = 3(새 프로세스는 배치당 결함이 있는 위젯의 평균 수에 영향을 미치지 않습니다.)

대립 가설: (H _A ): μ < 3(새로운 프로세스는 배치당 결함이 있는 위젯의 평균 개수를 감소시킵니다)

엔지니어는 유의 수준 α = 0.05를 사용하여 평균에 대한 가설 검정을 수행하고 p-값 0.134 를 받습니다.

p-값 0.134가 유의 수준 0.05 보다 크기 때문에 엔지니어는 귀무 가설을 기각할 수 없습니다.

따라서 그는 새로운 프로세스가 각 배치에서 생산되는 결함 있는 위젯의 평균 수를 감소시킨다고 주장하기에는 증거가 불충분하다고 결론지었습니다.

추가 리소스

다음 자습서에서는 p-값에 대한 추가 정보를 제공합니다.

P값과 통계적 유의성에 대한 설명
통계적 또는 실제적 중요성
P 값 대 알파: 차이점이 무엇인가요?