기초통계 (22) t검정

📈 들어가기

• 데이터가 횟수나 측정값을 포함하는지, 표본이 얼마나 큰지, 측정 대상이 무엇인지에 따라 다양한 유형의 유의성 검정 방법이 있다. 가장 자주 사용되는것이 지금 정리하고자 하는 t검정이다.

• t검정에 추가적인 설명은 노트 + https://velog.io/@ljs7463/%EB%8F%85%EB%A6%BD%ED%91%9C%EB%B3%B8%EA%B2%80%EC%A0%95-%EB%8C%80%EC%9D%91%ED%91%9C%EB%B3%B8-%EA%B2%80%EC%A0%95
  https://velog.io/@ljs7463/%EB%8F%85%EB%A6%BD%ED%91%9C%EB%B3%B8%EA%B2%80%EC%A0%95-%EB%8C%80%EC%9D%91%ED%91%9C%EB%B3%B8-%EA%B2%80%EC%A0%95

📈 용어정리

• 검정통계량 : 관심의 차이 또는 효과에 대한 측정 지표
• t통계량 : 평균과 같이 표준화된 형태의 일반적인 검정통계량
• t분포 : 관측된 t통계량을 비교할 수 있는 기준분포

📈 t검정

• 평균의 차이로 집단의 유사함을 측정할 수 있다.
• 수치형인 아주 일반적인 2표본 비교(A/B검정)에 주로 사용한다.
• 그러나 척도에 상관없이 T분포를 사용하려면, 표준화된 형태의 검정통계량을 사용해야한다.

from scipy import stats
res = stats.ttest_ind(session_times[session_times.Page == 'Page A'].Time,
                      session_times[session_times.Page == 'Page B'].Time,
                      equal_var =False)
print(f'p-value for single sided test : {res.pvalue / 2:.4f}')

>>>
p-value for single sided test : 0.1408

대안가설은 페이지 A에 대한 평균 세션 시간이 페이지 B에 대한 평균보다 작다는 것이다.

0.1408의 p값은 수열검정을 통해 얻은 p값 0.121과 0.126에 매우 가깝다.