9.6
P-값 방법은 임계값 대신 계산된 P-값을 사용하여 가설에 대한 결정에 도달합니다.
첫 번째 단계로, 가설을 진술하고 상징적으로 표현합니다.
모집단의 비율, 평균 또는 표준 편차를 검정하기 위해 귀무 가설 및 대립 가설은 다음과 같이 표현됩니다.
다음 단계로 유의 수준 α이 결정되며, 일반적으로 0.05 또는 0.01입니다.
또한 표본 데이터를 사용하여 적절한 검정 통계량을 선택하고 계산합니다.
그런 다음 이 검정 통계량을 사용하여 P-값을 직접 계산합니다.
P-값은 검정 통계량 값이 최소한 표본 데이터에서 얻은 값만큼 극단적일 확률입니다. 주어진 검정 통계량과 P-값을 보여주는 분포를 그릴 수 있습니다.
계산된 P-값이 결정된 유의 수준과 같거나 더 작으면 귀무 가설을 기각하고, 그렇지 않으면 귀무 가설을 기각하지 못합니다.
P-값 방법에 기초한 가설검증 과정에는 표본 자료를 이용하여 P-값을 계산하고 이를 해석하는 과정이 포함됩니다.
첫째, 모집단 모수에 대한 구체적인 클레임이 제안됩니다. 클레잉은 연구 질문을 기반으로 하며 간단한 형식으로 기술됩니다. 또한, 클레임에 반대하는 진술도 명시되어 있습니다. 이러한 진술은 귀무가설과 대립가설로 작용할 수 있습니다. 귀무가설은 중립 진술이 되는 반면 대립가설은 방향을 가질 수 있습니다. 대립가설은 모집단 모수에 대한 특정 방향을 포함하는 경우 원래 주장이 될 수도 있습니다.
일단 가설이 진술되면 상징적으로 표현됩니다. 관례적으로 귀무가설에는 등호 기호가 포함되고, 대립가설에는 >, < 또는 ≠ 기호가 포함될 수 있습니다.
가설 검정을 더 진행하기 전에 적절한 유의 수준을 결정해야 합니다. 유의 수준을 95%(즉, 0.95) 또는 99%(즉, 0.99) 수준으로 설정하는 것이 일반적인 합의입니다. 여기서 α는 각각 0.05 또는 0.01입니다.
다음으로 적절한 검정 통계를 식별합니다. 비율과 평균(모집단 표준편차를 알고 있는 경우)은 z 통계입니다. 평균의 경우 모집단 표준편차를 알 수 없는 경우 t 통계이고, 분산(또는 SD)의 경우 카이제곱 통계입니다.
검정 통계량을 계산한 후 전자적으로 또는 해당 P 값 표에서 P 값을 찾아 미리 결정된 유의 수준과 비교합니다. P-값이 미리 결정된 유의 수준보다 작으면 귀무 가설을 기각합니다.
가설이나 모집단의 속성에서 나온 원래 주장의 해석은 P-값을 기반으로 해야 합니다.
P-값 방법은 임계값 대신 계산된 P-값을 사용하여 가설에 대한 결정에 도달합니다.
첫 번째 단계로, 가설을 진술하고 상징적으로 표현합니다.
모집단의 비율, 평균 또는 표준 편차를 검정하기 위해 귀무 가설 및 대립 가설은 다음과 같이 표현됩니다.
다음 단계로 유의 수준 α이 결정되며, 일반적으로 0.05 또는 0.01입니다.
또한 표본 데이터를 사용하여 적절한 검정 통계량을 선택하고 계산합니다.
그런 다음 이 검정 통계량을 사용하여 P-값을 직접 계산합니다.
P-값은 검정 통계량 값이 최소한 표본 데이터에서 얻은 값만큼 극단적일 확률입니다. 주어진 검정 통계량과 P-값을 보여주는 분포를 그릴 수 있습니다.
계산된 P-값이 결정된 유의 수준과 같거나 더 작으면 귀무 가설을 기각하고, 그렇지 않으면 귀무 가설을 기각하지 못합니다.
From Chapter 9:
Now Playing
Hypothesis Testing
6.1K Views
Hypothesis Testing
15.3K Views
Hypothesis Testing
9.7K Views
Hypothesis Testing
12.4K Views
Hypothesis Testing
7.6K Views
Hypothesis Testing
28.9K Views
Hypothesis Testing
4.6K Views
Hypothesis Testing
29.3K Views
Hypothesis Testing
4.7K Views
Hypothesis Testing
3.2K Views
Hypothesis Testing
2.7K Views
Hypothesis Testing
5.4K Views
Hypothesis Testing
2.2K Views