난 그저 삼겹살이 먹고 싶었을 뿐,,,(츄릅 🤤)

1. 가설 검정

• 표본을 통해 모집단의 특성을 추론하는 통계적 추론의 핵심 절차
• 표본 데이터를 기반으로 모집단에 대한 두 가지 상반된 가설(귀무가설, 대립가설) 중 하나를 통계적 근거를 통해 채택하거나 기각하는 의사결정 과정
• 통상적으로 귀무가설이 참이라는 전제 하에
• 계산된 p-value가 유의수준(보통 0.05) 보다 작으면 귀무가설을 기각하고 대립가설 채택
• 모집단(population): 조사하고자 하는 대상 전체(전체 집단)
  모수(parameter): 모집단의 수치
  표본(sample): 그 모집단의 성질을 파악하기 위해 실제 추출한 일부(부분집합)를 말함
  통계량(statistic): 표본의 수치
  모집단은 보통 크기가 너무 커서 전수조사가 불가능할 때,
  시간과 비용을 절감하기 위해 표본을 조사하여 모집단을 추정하는 구조를 가짐
  모집단은 전수조사를 원칙으로 하나 현실적으로 어려워 보통 표본을 통해 표본조사를 수행함
  모집단은 표본보다 훨씬 크거나 무한할 수 있음
  표본을 통해 얻은 결과(통계량)로 전체(모집단)의 특성을 추정 및 일반화
  

2. 통계적 가설 검정

• 일반적인 생각으로는 '효과가 있다'는 것을 바로 검증하려고 함
• 통계적 가설 검증은 내가 주장하는 가설(대립가설)과 반대되는 가설(귀무가설)을 세우고
• '귀무가설이 틀렸다'는 것을 증명하는 방식

3. 가설 검정 단계

1) 가설 설정

• 귀무가설과 대립가설 설정

2) 유의수준(α) 설정

• 수용할 수 있는 범위를 설정 (일반적으로 0.05 (5%)를 많이 사용)
• 유의수준: 귀무가설이 참인데도 기각할 위험도(오류 확률)

3) 검정통계량 계산

• 표본 데이터를 이용하여 검정통계량 계산
  - 검정통계량은 모수가 아닌 표본으로 계산하는 통계량
• 귀무가설의 진위 여부를 판단하기 위해 표본으로부터 계산하는 값(z-value, t-value, F-value 등)
• 귀무가설 채택/기각의 기준이 됨

4) p-value 계산

• 검정통계량에 해당하는 p-value 계산
• p-value(유의확률): 귀무가설이 참이라는 전제 하에 현재 표본 결과가 나타날 확률
  보통 0.05(5%) 보다 작으면 귀무가설을 기각

5) 의사결정

• p-value가 유의수준보다 작으면 대립가설 채택 (귀무가설 기각)
• p-value가 유의수준보다 크면 귀무가설 채택

4. 가설 검정의 오류

4.1. 제1종 오류❗

• 귀무가설이 참이지만 기각하는 오류
• ex. 약의 효과가 없는데 있다고 판별

4.2. 제2종 오류❗

• 귀무가설이 거짓이지만 채택하는 오류
• ex. 약의 효과가 있는데 없다고 판별

4.3. 기초 개념 다시-

• 귀무가설(H0): 처음부터 맞다고 가정하는 보수적인 입장(차이가 없다, 효과가 없다)
• 대립가설(H₁): 입증하고자 하는 주장(차이가 있다, 효과가 있다)

5. 가설 검정 종류

• 데이터 유형과 검정 대상에 따라 t-검정, ANOVA, 카이제곱검정, 회귀분석 등으로 나뉨

5.1. t-검정(t-test)

• 1-2개 집단의 연속형 자료 평균 차이를 검정(단일, 독립, 대응 t-검정)

5.2. 분산분석(ANOVA)

• 3개 이상 집단 간의 평균 차이를 분산 분석을 통해 비교

5.3. 카이제곱검정(x²-test)

• 범주형 데이터의 분포가 동일한지(적합도) 또는 두 변수가 서로 독립인지(독립성) 검정

5.4. 회귀분석(Regression Analysis)

• 변수 간의 인과관계 및 영향력을 분석하는 방법

5.5. 비모수 검정(Non-parametric test)

• 데이터가 정규분포를 따르지 않을 때 사용

by Heidi J. 꼬꼬마 데분가 💜