가설 검정 입문

가설 검정은 귀무가설을 기각할 충분한 근거가 있는지 판단하는 통계적 방법입니다.

귀무가설과 대립가설

가설 검정에서는 다음과 같습니다.

• 귀무가설 (H₀)은 효과나 차이가 없다고 가정합니다.
• 대립가설 (H₁)은 효과나 차이가 있다고 제시합니다.

t-Test 수행

t-test는 두 집단의 평균이 유의하게 다른지 확인합니다.

data1 <- c(5.1, 6.2, 5.8, 6.5, 5.9)
data2 <- c(7.0, 6.8, 7.5, 7.1, 6.9)
t.test(data1, data2)

p값 해석

p값은 H₀을 기각할지 결정하는 데 도움이 됩니다.

• p값 < 0.05이면 H₀을 기각합니다(유의한 결과).
• p값 > 0.05이면 H₀을 기각하지 못합니다(유의하지 않음).

카이제곱 검정

카이제곱 검정은 범주형 변수가 서로 독립적인지 확인합니다.

observed <- matrix(c(20, 30, 50, 40), nrow=2)
chisq.test(observed)

ANOVA 검정

ANOVA는 여러 집단의 평균을 비교합니다.

group1 <- c(5.1, 6.2, 5.8)
group2 <- c(7.0, 6.8, 7.5)
group3 <- c(4.9, 5.5, 5.2)
data <- data.frame(value = c(group1, group2, group3), 
                   group = rep(c('A', 'B', 'C'), each=3))
aov_test <- aov(value ~ group, data = data)
summary(aov_test)

효과 크기

효과 크기는 결과의 영향력을 측정하여 실질적인 유의성을 판단하는 데 도움을 줍니다.

가설 검정의 한계

가설 검정은 여러 가정에 의존하며 표본 크기와 데이터 품질의 영향을 받을 수 있습니다.

요약

이 레슨에서는 다음을 배웠습니다.

• 가설 검정을 수행하는 방법
• t-tests, 카이제곱 검정 및 ANOVA를 사용하는 방법
• p값과 효과 크기의 중요성