💡 **데이터 전처리 과정**t1<-data.frame(read.table("1_EMR data_sex.txt",header=T,sep='\t')) t2<-data.frame(read.table("2_App data_e.txt",header=T,sep='\t'))
t11<-na.omit(t1)
t21<-na.omit(t2)
t22<-t21[t21$A_steps>0,]
t23<-aggregate(A_steps~A_myhealth_id, data=t22, mean)
dim(t11)
[1] 418 2
dim(t23)
[1] 586 2
t23A_myhealth_id
t=merge(t11,t23,key=pid)
dim(t)
[1] 298 4
-
파일 불러오기
t1 <- data.frame(read.table("1_EMR data_sex.txt", header = TRUE, sep = '\t')) t2 <- data.frame(read.table("2_App data_e.txt", header = TRUE, sep = '\t'))- t1: "1_EMR data_sex.txt" 파일을 불러와 데이터프레임으로 저장.
- t2: "2_App data_e.txt" 파일을 불러와 데이터프레임으로 저장.
-
결측치 제거
t11 <- na.omit(t1) t21 <- na.omit(t2)na.omit()을 사용해 결측치(NA)가 있는 행을 제거.- t11: t1에서 결측치가 있는 행을 제거한 데이터.
- t21: t2에서 결측치가 있는 행을 제거한 데이터.
-
걸음 수가 0보다 큰 데이터 필터링 (outliner 제거)
t22 <- t21[t21$A_steps > 0, ]- t21에서 A_steps > 0 조건을 만족하는 행만 남김.
- 걸음 수가 0보다 큰 경우만 사용하므로, 걷지 않은 데이터는 제외됨.
-
평균 걸음 수 계산 → id를 합칠 수 있음
t23 <- aggregate(A_steps ~ A_myhealth_id, data = t22, meanaggregate()함수를 통해 A_myhealth_id별 A_steps의 평균을 구함.- t23: 사용자 A_myhealth_id별 평균 걸음 수.
-
ID 변수 추가
t23$pid <- t23$A_myhealth_id- t23 데이터프레임에 pid라는 새로운 열을 추가하여 A_myhealth_id 값을 복사.
-
데이터 병합
t <- merge(t11, t23, key = "pid")- t11(성별 정보)와 t23(평균 걸음 수 정보)을 pid를 기준으로 병합.
- t: 병합된 최종 데이터로, 각 사용자의 성별(sex)과 걸음 수(A_steps)가 포함됨.
-
데이터 차원 확인
``` dim(t) ``` - **t11**: 418 x 2 (418명의 데이터, 2개의 열) - **t23**: 586 x 2 (586명의 데이터, 2개의 열) - **t**: 298 x 4 (298명의 데이터, 4개의 열) - **해석**: t11과 t23의 교집합으로 298명의 데이터를 남겼으며, 이 데이터에는 사용자 **성별(sex)**과 **평균 걸음 수(A_steps)**가 포함됨.
가설 수립
- 가설(Hypothesis)
- 귀무가설(H0): 남성과 여성의 평균 걸음 수는 차이가 없다.
- 대립가설(H1): 남성과 여성의 평균 걸음 수는 차이가 있다.
- 검정 절차
- 정규성 검정: 표본 수가 충분히 크면 중심극한정리에 의해 정규성을 가정할 수 있음.
- 데이터 크기가 298이므로 정규성을 만족한다고 간주.
- 등분산성 검정: 두 집단의 분산이 같은지를 확인하는 검정.
- F-test(var.test)를 사용하여 검정.
- t-검정: 두 집단의 평균 차이가 유의미한지를 검정.
- 등분산성을 만족하지 않으면 등분산을 고려하지 않는 t-test를 수행.
- 정규성 검정: 표본 수가 충분히 크면 중심극한정리에 의해 정규성을 가정할 수 있음.
var.test(A_steps~sex,data=t)
F test to compare two variances
💡data: A_steps by sex
F = 0.39318, num df = 159, denom df = 137, p-value = 1.892e-08
alternative hypothesis: true ratio of variances is not equal to 1
95 percent confidence interval:
0.2837034 0.5427609
sample estimates:
ratio of variances
0.3931844
등분산성 검정
-
F-test 수행
var.test(A_steps ~ sex, data = t) -
결과 해석
```r F test to compare two variances data: A_steps by sex F = 0.39318, num df = 159, denom df = 137, p-value = 1.892e-08 alternative hypothesis: true ratio of variances is not equal to 1 95 percent confidence interval: 0.2837034 0.5427609 sample estimates: ratio of variances 0.3931844 ``` - **F-통계량 (F = 0.39318)** - F 값이 1보다 크거나 작으면 분산이 다르다는 것을 의미. - 여기서는 0.39318로, 분산이 다르다는 신호가 있음. - **p-value = 1.892e-08** - **p < 0.05**이므로, **귀무가설(H0: 분산이 같다)을 기각**함. - 즉, **남성과 여성의 걸음 수의 분산이 다르다**고 결론지을 수 있음. - **95% 신뢰구간 (0.2837, 0.5428)** - 분산의 비율의 95% 신뢰구간에 1이 포함되지 않음. - 이는 **등분산을 만족하지 않는다는 증거**임.
t.test(A_steps~sex,data=t,var.equal=F)
Two Sample t-test
💡data: A_steps by sex
t = 1.4295, df = 296, p-value = 0.1539
alternative hypothesis: true difference in means between group 1 and group 2 is not equal to 0
95 percent confidence interval:
-239.4993 1511.1126
sample estimates:
mean in group 1 mean in group 2
5066.481 4430.674
t-검정 (Two-sample t-test)
-
t-test 수행
t.test(A_steps ~ sex, data = t, var.equal = TRUE) -
결과 해석
```vbnet Two Sample t-test data: A_steps by sex t = 1.4295, df = 296, p-value = 0.1539 alternative hypothesis: true difference in means between group 1 and group 2 is not equal to 0 95 percent confidence interval: -239.4993 1511.1126 sample estimates: mean in group 1 mean in group 2 5066.481 4430.674 ``` - **t-통계량 (t = 1.4295)** - t 값이 작을수록 평균 차이가 없을 가능성이 높음. - **p-value = 0.1539** - **p > 0.05**이므로, 귀무가설(H0: 평균 차이가 없다)을 **기각할 수 없음**. - 즉, **남성과 여성의 평균 걸음 수의 차이가 통계적으로 유의미하지 않다**고 결론 내림. - **95% 신뢰구간 (-239.4993, 1511.1126)** - 신뢰구간에 0이 포함됨. - 0이 포함된다는 것은 남성과 여성의 평균 차이가 0일 가능성이 있다는 것을 의미함. - **평균 걸음 수** - 남성의 평균 걸음 수: 5066.481 - 여성의 평균 걸음 수: 4430.674
