Python에서 t 분포를 사용하는 방법

t 분포는 정규 분포보다 “꼬리”가 더 크다는 점을 제외 하면 정규 분포와 유사한 확률 분포입니다 .

즉, 정규분포에 비해 분포의 값이 중앙보다 양끝에 더 많이 위치합니다.

이 튜토리얼에서는 Python에서 t 분포를 사용하는 방법을 설명합니다.

생성하여 배포하는 방법

t.rvs(df, size) 함수를 사용하여 특정 자유도와 표본 크기를 가진 분포에서 임의의 값을 생성할 수 있습니다.

 from scipy. stats import t

#generate random values from t distribution with df=6 and sample size=10
t. rvs (df= 6 , size= 10 )

array([-3.95799716, -0.01099963, -0.55953846, -1.53420055, -1.41775611,
       -0.45384974, -0.2767931, -0.40177789, -0.3602592, 0.38262431])

결과는 자유도가 6인 분포에 따라 서로 이어지는 10개의 값으로 구성된 테이블입니다.

t 분포를 사용하여 P 값을 계산하는 방법

t.cdf(x, df, loc=0, scale=1) 함수를 사용하여 t-검정 통계와 관련된 p-값을 찾을 수 있습니다.

예 1: 단측 P-값 찾기

단측 가설 검정을 수행하고 -1.5 의 검정 통계량과 자유도 = 10 을 얻었다고 가정합니다.

다음 구문을 사용하여 이 검정 통계량에 해당하는 p-값을 계산할 수 있습니다.

 from scipy. stats import t

#calculate p-value
t. cdf (x=-1.5, df=10)

0.08225366322272008

자유도가 10인 검정 통계량 -1.5에 해당하는 단측 p-값은 0.0822 입니다.

예 2: 양방향 P-값 찾기

양측 가설 검정을 수행하고 검정 통계량이 2.14 이고 자유도 = 20 이라고 가정합니다.

다음 구문을 사용하여 이 검정 통계량에 해당하는 p-값을 계산할 수 있습니다.

 from scipy. stats import t

#calculate p-value
(1 - t. cdf (x=2.14, df=20)) * 2

0.04486555082549959

자유도가 20인 검정 통계량 2.14에 해당하는 양측 p-값은 0.0448 입니다.

참고 : 역 t 분포 계산기를 사용하여 이러한 답변을 확인할 수 있습니다.

유통까지 추적하는 방법

다음 구문을 사용하여 특정 자유도로 분포를 그릴 수 있습니다.

 from scipy. stats import t
import matplotlib. pyplot as plt

#generate t distribution with sample size 10000
x = t. rvs (df= 12 , size= 10000 )

#create plot of t distribution
plt. hist (x, density= True , edgecolor=' black ', bins= 20 )

또는 seaborn 시각화 패키지를 사용하여 밀도 곡선을 만들 수 있습니다.

 import seaborn as sns

#create density curve
sns. kdeplot (x)

추가 리소스

다음 튜토리얼에서는 배포에 대한 추가 정보를 제공합니다.

정규 분포와 t 분포: 차이점은 무엇인가요?
역 t 분포 계산기