-
T-test는 T 분포를 기본으로 하여 검정을 실시하는 것입니다. p-value의 결과값은 T 통계량에 그것으로 구할 수 있다.주로 연속함수가 들어가며 그 연속함수의 평균치를 비교하는 검정법입니다.하나 표본T검정 내가 가지고 있는 과인이 데이터의 평균이 X인지 어떤지를 알고 싶을 때 준비물 최초. 연속형 데이터 하과인 예) 신장, 과인, 체중
>
>
저기 3회 시험치에 X치를 넣고 있다.가설 귀무가설: 평균은 X입니다. 대립 가설: 평균은 X가 아니다.결과
>
유의 확률이 0.000이므로 신장의 평균이 첫 60과 내용은 말할 수 없다.독립 표본 T검정 남자 데이터 여자 데이터 두 개가 있을 때, 남자 체중 여자 몸무게를 비교할 때
>
준비물일. 연속형 데이터, 범주형 데이터 예시) 체중, 남여
>
한 연속형 데이터(체중)2. 범주형 데이터(남녀)-이미 남자를 0여자를 하나로 코딩해야 한다.가설 귀무 가설:남녀의 체중 평균이 같다.대립 가설:남녀의 체중 평균은 같지 않다.결과
>
Levene's Test for Equality of Variances 두 데이터의 분산이 같은지 다른지 확인하는 것입니다.Sig가 0.05이상이면 분산이 같다 0.05이하면 분산이 다르다.분산이 같다고 하면 위의 데이터에서 해석 분산이 다른 것이라면, 이하의 데이터로 해석할 필요가 있습니다.해석하는가. 도우은붕 검정에 의거 0. 하나 56의 유의 확률로 두 데이터는 분산이 같다.2.에서는 첫번째 줄의 데이터로 해석하고, 유의 확률이 0.000에서 남녀 체중의 평균은 다르다.역시 한 남자가 여자보다 몸무게는 자신있지? (웃음) 과연 누가 더 돈돈인가?
대응 표본 T검정약을 먹기 전에 먹은 후 데이터 자체가 짝을 이룰 경우 먹기 전과 마신 후에 데이터에 차이가 있는지 검정
>
준비 행사일, 연속 변수 2개 약을 먹기 전, 마신 후
>
저기 변수 하나로 2에 넣는다.가설 그이무 가설: 먹기 전으로 먹은 뒤의 차이가 0이었다.대립 가설: 먹는 안팎의 차이가 0이 아니다.
>
>
2의 유의 확률이 0.000이라 약을 먹는 전후에 차이가 0이 아니다.