8.13:

8.13: 예상 빈도 결정

Determination of Expected Frequency

JoVE Core
Statistics

A subscription to JoVE is required to view this content. Sign in or start your free trial.

JoVE Core Statistics

Determination of Expected Frequency

Please note that all translations are automatically generated. Click here for the English version.

8.12: Hypothesis Test for Test of Independence

8.14: Test for Homogeneity

2,168 Views

•

01:08 min

•

April 30, 2023

Overview

분할표의 두 변수 간의 독립성을 테스트하려고 한다고 가정합니다. 테이블의 값은 데이터 세트의 관찰된 빈도를 구성합니다. 그러나 데이터 세트의 예상 빈도는 어떻게 결정합니까? 중요한 가정 중 하나는 두 변수가 독립적이라는 것인데, 이는 변수가 서로 영향을 미치지 않는다는 것을 의미합니다. 독립 변수의 경우, 두 변수를 모두 포함하는 모든 사건의 통계적 확률은 분할표의 개별 확률을 곱하여 계산됩니다. 또한 각 열의 예상 빈도는 5 이상이어야 합니다. 그런 다음 예상 빈도를 사용하여 카이-제곱 값과 P-값을 계산합니다.

Transcript

알코올 소비량과 교통사고 사망률이라는 두 가지 변수가 있는 분할표와 그에 따라 관찰된 빈도가 있다고 가정해 보겠습니다.

연구자가 데이터 세트의 관찰된 빈도와 예상 빈도를 모두 필요로 하는 독립성 테스트를 수행하려고 한다고 가정합니다.

그러나 연구자는 예상 빈도를 어떻게 결정할 것입니까? 먼저, 연구자는 두 변수가 독립적이라고 가정합니다. 따라서 두 변수를 포함하는 모든 이벤트의 확률은 독립 이벤트에 대한 곱셈 규칙을 사용하여 계산할 수 있습니다.

확률 값과 표의 총합계의 곱은 첫 번째 셀에 대한 예상 빈도를 제공합니다. 이를 통해 예상 빈도에 대한 일반적인 공식을 얻을 수 있으며, 이는 더욱 단순화 될 수 있습니다.

그런 다음 이 단순화된 공식을 사용하여 다른 셀의 예상 빈도를 계산합니다.

모든 예상 빈도가 계산되면 연구자는 카이-제곱 검정 통계량을 결정하고 가설 검정을 수행할 수 있습니다.

Key Terms and definitions

Learning Objectives

Questions that this video will help you answer

This video is also useful for

Tags

기대 빈도 분할표 관측 빈도 독립성 통계적 확률 카이제곱 값 p-값 독립 변수 사건 확률 데이터 분석