가설 검정
scipy.stats를 사용해 귀무가설, p값, t검정, 카이제곱 검정을 학습합니다.
가설 검정은(는) CoddyKit의 무료 Learn AI with Python 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Learn AI with Python 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.
가설 검정이란 무엇인가
가설 검정은 데이터를 사용해 관찰된 효과가 실제인지 단순한 무작위 우연인지 판단합니다. 데이터 과학자가 "새 설계가 클릭 수를 늘렸다"와 같은 주장을 뒷받침할 때 사용하는 방법입니다.
귀무가설과 대립가설
귀무가설 H0는 효과가 없다고 말합니다(NO 효과라는 기본적이고 신중한 입장). 대립가설 H1은 효과가 있다고 말합니다(IS 효과). H0에 반하는 증거를 모으려고 합니다.
p값
p값은 H0가 참이라고 가정했을 때 이처럼 극단적인 데이터를 관찰할 확률입니다. p값이 작으면 H0 아래에서 데이터가 놀라운 결과라는 뜻이므로 H0를 의심하게 됩니다.
유의수준
p를 임계값 알파와 비교합니다(일반적으로 0.05). p < alpha이면 H0를 기각하고, 그렇지 않으면 기각하지 못합니다. 알파는 허용 가능한 위양성률입니다.
p가 의미하지 않는 것 NOT
p값은 H0가 참일 확률이 아니며(NOT), 효과의 크기도 아닙니다(NOT). 큰 표본에서는 아주 작은 p값이 사소할 정도로 작은 차이를 나타낼 수 있습니다. 효과 크기도 항상 함께 보고해야 합니다.
일표본 t 검정
ttest_1samp는 표본 평균이 알려진 값과 다른지 확인합니다. 예를 들어 평균 응답 시간이 목표값 200밀리초와 다른지 확인할 수 있습니다.
from scipy import stats
import numpy as np
times = np.array([198, 205, 210, 195, 220, 208])
t, p = stats.ttest_1samp(times, popmean=200)
print(t, p)이표본 t 검정
ttest_ind는 두 INDEPENDENT 그룹의 평균을 비교하며, 표준적인 A/B 검정 분석에 사용됩니다.
control = np.array([20, 22, 19, 24, 21])
treat = np.array([25, 27, 24, 29, 26])
t, p = stats.ttest_ind(control, treat)
print(t, p) # small p -> groups differ결과 해석하기
p값을 알파와 비교하고 일반적인 언어로 결론을 표현합니다. 유의성은 확실성을 증명하는 것이 아니라 내리는 결정입니다.
alpha = 0.05
if p < alpha:
print("Reject H0: the groups differ significantly")
else:
print("Fail to reject H0: no significant difference")카이제곱 독립성 검정
chi2_contingency는 도수로 이루어진 분할표를 사용해 두 CATEGORICAL 변수가 연관되어 있는지 검정합니다.
table = np.array([[30, 10], [20, 40]]) # rows: group, cols: outcome
chi2, p, dof, expected = stats.chi2_contingency(table)
print(chi2, p)제1종 오류와 제2종 오류
제1종 오류(위양성)는 참인 H0를 기각하는 오류이며, 그 비율은 알파입니다. 제2종 오류(위음성)는 거짓인 H0를 기각하지 못하는 오류이며, 그 비율은 베타입니다. 검정력 = 1 - 베타는 실제 효과를 발견할 확률입니다.
절충 관계
알파를 낮추면 위양성은 줄어들지만 위음성률은 높아집니다(검정력은 낮아집니다). 표본을 크게 하면 두 종류의 오류가 모두 줄어들므로 실험 전에 표본 크기를 계획하는 것이 중요합니다.
확인 문제
가설 검정 지식을 확인해 보십시오.
복습
가설 검정의 핵심:
- H0(효과 없음) 대 H1(효과 있음); H0에 반하는 증거를 모읍니다
- p값 = P(이처럼 극단적인 데이터 | H0); p < alpha이면 기각합니다
- p는 H0가 참일 확률도 아니고(NOT), 효과 크기도 아닙니다(NOT)
ttest_1samp,ttest_ind,chi2_contingency- 제1종 오류(위양성, 비율 알파) 대 제2종 오류(위음성, 비율 베타); 검정력 = 1-베타
자주 묻는 질문
“가설 검정” 강의는 무료인가요?
네 — “가설 검정” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Learn AI with Python 강의 전체를 잠금 해제할 수 있습니다. Learn AI with Python 강의에는 총 4개의 강의가 포함되어 있습니다.
“가설 검정”에서 뭘 배우나요?
scipy.stats를 사용해 귀무가설, p값, t검정, 카이제곱 검정을 학습합니다. 브라우저에서 직접 실행하는 실습 코드로 Learn AI with Python을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
Learn AI with Python을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 Learn AI with Python은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.
“가설 검정” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 Learn AI with Python 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 Learn AI with Python 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.