통계 검정 정리

1.T-test (t-검정)

-두 집단 간의 평균 차이를 검정하는 통계적 방법.

-일반적으로 표본의 평균을 사용하여 모집단의 평균에 대한 가설을 테스트하는 데 사용

 

귀무가설(H0): 두 그룹의 평균은 같다.
대립가설(H1): 두 그룹의 평균은 같지 않다.

 

 

1-1)독립 표본 T-검정(Independent Samples T-test): 두 개의 독립된 그룹 간의 평균 차이를 검정

ex) 두 가지 다른 치료 방법을 받은 환자 그룹 간의 평균 회복 시간을 비교

 

1-2)대응 표본 T-검정(Paired Samples T-test): 동일한 개체 또는 그룹의 서로 다른 조건에서의 평균 차이를 검정

ex) 동일한 표본의 전·후 상태를 비교하여 어떤 처리의 효과를 검정할 때 사용

 

 

2.F-test (f-검정): 분산 또는 평균의 비교를 위한 통계적 검정 방법

-주로 분산이나 평균이 서로 다른 두 개 이상의 그룹 간에 차이가 있는지를 판단하는 데 사용

-F-검정은 분산에 대한 가설을 검정하는데 사용.

-F-검정은 일반적으로 분산 분석(ANOVA)에서 자주 쓰이며, 분산의 비율을 비교하여 그룹 간의 차이를 평가

 

귀무가설(H0): 그룹 간의 분산(또는 평균)은 같다.
대립가설(H1): 적어도 하나의 그룹은 다른 그룹과 분산(또는 평균)이 다르다.

 

<두 가지 유형의 F-검정>

2-1)ANOVA (분산분석):

-ANOVA는 세 개 이상의 그룹 간의 평균 차이를 검정

- 일원배치 ANOVA는 하나의 독립 변수, 이원배치 ANOVA는 두 개의 독립 변수가 있는 경우에 사용

2-2)분산의 비율을 비교하는 F-검정 

-두 그룹 간의 분산 차이를 비교. 두 그룹의 분산이 같은지를 검정하는 등의 경우에 사용

 

3.Chi-square Statistics

-카이제곱 검정(Chi-square test)은 범주형 데이터 간의 관련성을 검정하기 위한 통계적 방법

-주로 두 개 이상의 범주형 변수 간에 독립성을 검정하는 데 사용

-빈도 분포가 기대되는 빈도 분포와 얼마나 일치하는지를 확인

-카이제곱 통계량에 대한 이해와 응용.

-범주형 데이터 간의 관련성을 검정하는 데 사용.

 

귀무가설(H0): 두 범주형 변수 간에는 관련성이 없다 (독립이다)
대립가설(H1): 두 범주형 변수 간에는 관련성이 있다 (독립이 아니다)

 

4.Correlation 

-상관분석: 두 변수 간의 선형적 관계를 측정.

 

5.Regression

-회귀분석: 한 변수가 다른 변수에 어떻게 영향을 미치는지 이해.

-단순 회귀, 다중 회귀 등에 대한 내용.