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..

#Regression #lm(formula, data, subset, weights, na.action, method = "qr", ...) #summary(object, correlation = FALSE, symbolic.cor = FALSE, ...) #anova(object, ..., scale = 0, test = "F") #lm 적용 후 적합된 회귀모형 객체에 대해 활용할 수 있는 함수 # print # summary: 회귀분석 후 기본 결과 확인 # coef, coeffients: 추정된 회귀계수값 확인 # resid, residuals: 잔차 확인 # fitted: 종속변수 추정값 # anova: 요인에 대한 분산분석 결과 확인 # predict: 새로운 데이터에 대한 추정값 # plot:..

통계검증1 #t-test #t.test(x, y = NULL,alternative = c("two.sided", "less", "greater"), # mu = 0, paired = FALSE, var.equal = FALSE,conf.level = 0.95, ...) 2.Greater(우측) / less(좌측) =단측검정 #t.test(formula, data, subset, na.action, ...) [일표본 t검증] [평균이 5을 넘는지에 대한 대응가설 검증] [T.test 시행 시 확인사항] 1)등분산성 var.test / var.test(extra~group, sleep) 2)양측, 단측검정 단측 검정 사용 : 결과를 어느 정도 알고 있을 때 양측검정 사용 : 결과를 모를 때 3)p-value..

1. t-test(t 검정) - t-test는 두 집단의 평균에 통계적으로 유의한 차이가 있는지 알아볼 때 사용하는 통계 분석 기법 - one sample t-test와 two sample t-test가 있음 - t-test를 하기 위해 기본적으로 scipy 패키지로부터 stats라는 모듈을 불러와야 함 - 한 개의 집단을 가지고 t-test를 하는 것 - 한 집단의 평균값이 내가 생각한 값과 다른지 비교할 때 시행하는 것 - stats.ttest_1samp()를 활용 - 두 개의 집단을 가지고 t-test를 하는 것 - 두 집단의 평균 비교를 통해, 두 집단 간의 차이가 통계적으로 유의한지 유의하지 않은지를 확인할 수 있음 - stats.ttest_ind()를 활용 2. Anova 검정 - 세 개 이상..

–When there is variability, there is also ‘uncertainty’. 확률은 추론 통계학의 중요한 역할을 한다. #추론 통계학과 확률이 차이는 무엇인가? 추론 통계학=샘플->모집단 확률=모집단->샘플 Random Sampling •Two Requirements(확률의 정확성) 1.Each individual in the population must have an equal chance of being selected(각각의 개체가 선택될 확률이 같을 것) 2.If more than one individual is to be selected for the sample, there must be constant probability for each and every selec..