콘텐츠
변수 간의 가설 관계가 통계적으로 유의한지 여부를 확인하기 위해 통계 테스트가 사용됩니다. 일반적으로 테스트는 변수가 서로 연관되거나 다른 정도를 측정합니다. 모수 검정은 변수의 중심 경향에 의존하고 정규 분포를 가정하는 것입니다. 비모수 검정은 모집단 분포에 대해 가정하지 않습니다.
T 테스트
t- 검정은 관련된 표본과 모집단의 평균을 비교하는 파라 메트릭 테스트입니다. 여러 가지 t- 검정이 있습니다. 1- 표본 t- 검정은 표본의 평균을 가정 된 평균과 비교합니다. 독립 표본 t- 검정은 서로 다른 두 표본의 평균이 비슷한 값을 갖는지 확인합니다. 한 쌍의 표본 t- 검정은 표본의 각 대상에 대해 두 개의 관측치가있을 때 사용됩니다. t- 검정은 정규 분포를 갖는 숫자 데이터를 위해 설계되었습니다.
서수 데이터
서수 데이터는 샘플에서 각 단위의 상대 값을 설명하는 파생 데이터입니다. 예를 들어, 교실에서 10 명의 학생의 키에 대한 서수 데이터는 단순히 1에서 10까지의 숫자 일 수 있습니다. 여기서 1은 가장 짧은 학생을 나타내고 10은 가장 높은 학생을 나타냅니다. 키가 정확히 같지 않으면 같은 가치를 가진 학생은 없습니다. 중심 경향의 측정 값은 서수 데이터와 함께 의미가 없습니다.
부적절한 T- 검정
T- 검정은 서수 데이터와 함께 사용하기에 적합하지 않습니다. 서수 데이터에는 중심 경향이 없으므로 정규 분포도 없습니다. 서수 데이터의 값은 중간 지점을 기준으로 그룹화되지 않고 균등하게 분산됩니다. 이 때문에 서수 데이터의 t- 검정은 통계적 의미가 없습니다.
다른 적절한 시험
서수 데이터와 함께 사용하기에 적합한 통계적 유의성 검정이 세 가지 있습니다. Spearman의 순위 순서 상관 관계는 두 개의 변수 만 관련된 경우에 사용하기에 적합하며 관계는 단조 적이지만 반드시 선형은 아닙니다. 단조로운 관계에서, 제 1 변수가 증가함에 따라, 제 2 변수의 방향에는 변화가 없다. Kruskal-Wallis 테스트는 샘플이 3 개 이상이고 데이터가 정규 분포를 따르지 않는 경우를 위해 설계되었습니다. 일원 분산 분석과 유사합니다. 순위에 따른 Friedman 분산 분석은 단일 그룹에 단일 변수에 대한 세 개 이상의 관측치가있는 경우 사용할 수 있습니다.