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..

1. 가설 검정의 목적: 가설 검정은 특정 가설에 대한 통계적 증거를 평가하는 과정입니다. 주어진 결과(차이)가 우연에 의한 것인지 아니면 특별한 이유로 발생한 것인지를 결정합니다. 2. z-score와 t-test: z-score는 보통 모집단의 평균과 표준 편차를 사용하여 계산됩니다. t-test는 샘플의 표준 편차를 사용하여 알려지지 않은 모집단에 대한 가설을 테스트합니다. z-score의 문제는 추론통계 시 보통상황에서는 보다 더 많은 정보를 요구한다는 것임 표준 오차를 계산하기 위해서 모집단의 표준편차 혹은 분산의 값을 알아야 하지만 대부분의 경우 모집단의 표준편차는 알 수 없음 (따라서,샘플의 표준오차는 계산할 수 없다.) 3. 표준 오차(Standard Error): 표준 오차는 샘플의 평균..

t-test 독립된 두 집단 (또는 대응표본t검정의 경우에는 한 집단)의 평균 차이가 있는지를 검사하는 방법 - 30개 이하의 비교적 적은 수의 표본에 대해 활용한다. 표본의 수가 31 이상이면 정규분포와 비슷해지기 때문에 t분포 대신 정규분포를 사용해도 괜찮다. 물론 정규분포와 일치하지는 않다. 대부분의 t분포표가 표본이 30인 경우까지만 표시하고 있기 때문에 표준정규분포표를 이용하기도 한다.) -일반적으로 두 집단의 평균을 비교하는 분석방법은 z-test/t-test로 구분 z-test는 모집단의 분산을 알고 있는 경우에 사용되며 t-test는 모집단의 분산을 모르는 경우 사용 그러나 현실적으로 모집단의 분산을 알고 있는 경우는 거의 없기 때문에 대부분 t-test를 사용 - 모집단의 표준편차를 알 ..

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..