목차
- T 테스트
- T- 검정 가정
T- 검정은 통계 및 계량 경제학에서 일반적으로 사용되어 두 결과 또는 변수의 값이 서로 다른지 확인합니다. 예를 들어 400 파운드가 넘는 사람들이 먹는 파이의 양이 400 파운드 미만의 사람들과 통계적으로 크게 다른지 알고 싶다면.
t- 검정을 수행 할 때 일반적으로 사용되는 가정에는 측정 척도, 랜덤 샘플링, 데이터 분포의 정규성, 표본 크기의 적절성 및 표준 편차의 분산 동등성에 대한 가정이 포함됩니다.
주요 테이크 아웃
- t- 검정은 표본 표본을 기반으로 두 그룹의 평균간에 유의 한 차이가 있는지 여부를 확인하는 데 사용되는 통계 방법입니다. 검정은 적절하고 유효하게 해석하기 위해 일련의 가정에 의존합니다. 데이터는 관심 모집단에서 무작위로 샘플링해야하며 데이터 변수는 정규 분포를 따릅니다.
T 테스트
t- 검정은 기네스 양조 회사에서 일관된 스터 우트 품질을 측정하는 간단한 방법으로 일하는 화학자가 개발했습니다. 추가로 개발되고 수정되었으며, 현재 귀무 가설이 뒷받침 될 경우 검정 할 통계량이 t- 분포와 일치 할 것으로 예상되는 통계 가설에 대한 모든 검정을 의미합니다.
t- 검정은 통계 검사를 통해 두 모집단 평균을 분석 한 것입니다. 두 표본에 대한 t- 검정은 작은 표본 크기에서 일반적으로 사용되며 두 정규 분포의 분산을 알 수없는 경우 표본 간의 차이를 테스트합니다.
T- 분포는 기본적으로 작은 표본 크기와 모집단에 대해 알려지지 않은 표준 편차를 사용하여 정규 분포 모집단의 평균을 추정하여 발생하는 연속 확률 분포입니다. 귀무 가설은 두 개의 서로 다른 측정 된 현상 사이에 관계가 없다는 기본 가정입니다. (관련 독서에 대해서는 , 강력한 귀무 가설이 무엇을 의미합니까? )
T- 검정 가정
- t- 검정에 관한 첫 번째 가정은 측정 규모와 관련이 있습니다. t- 검정에 대한 가정은 수집 된 데이터에 적용되는 측정 규모가 IQ 시험의 점수와 같은 연속적 또는 순 서적 척도를 따른다는 것입니다. 두 번째 가정은 간단한 무작위 표본에 대한 것으로 가정합니다. 세 번째 가정은 데이터가 플롯 될 때 정규 분포, 종 모양 분포 곡선을 생성한다는 것입니다. 정규 분포를 가정 할 때 확률 수준 (알파 수준, 유의 수준, p )을 합격 기준으로 지정할 수 있습니다. 대부분의 경우 5 % 값을 가정 할 수 있으며 네 번째 가정은 상당히 큰 표본 크기가 사용된다는 것입니다. 표본 크기가 클수록 결과 분포가 일반적인 종 모양 곡선에 접근해야하며 최종 가정은 분산의 동질성입니다. 표본의 표준 편차가 대략 동일 할 때 동종 또는 동일 분산이 존재합니다.
