확률도에 대한 주요 결과 해석

확률도를 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 p-값, 적합 분포선, 추정 백분위수 등이 포함됩니다.

1단계: 데이터가 분포를 따르는지 여부 확인

데이터가 분포를 따르는지 확인하려면 p-값을 유의 수준과 비교하십시오. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 유의 수준이 0.05면 데이터가 실제로는 분포를 따르지만 분포를 따르지 않는다는 결론을 내릴 위험이 5%임을 나타냅니다.
p-값 ≤ α: 데이터가 분포를 따르지 않음(H0 기각)
p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각하고 데이터가 분포를 따르지 않는다는 결론을 내립니다.
p-값 > α: 데이터가 분포를 따르지 않는다는 결론을 내릴 수 없음(H0 기각 실패)
p-값이 유의 수준보다 크면 데이터가 분포를 따르지 않는다는 결론을 내릴 충분한 증거가 없기 때문에 귀무 가설을 기각할 수 없다고 결정됩니다. 그러나 데이터가 분포를 따른다는 결론을 내릴 수 없습니다.

검정에 사용할 여러 분포와 모수를 지정하는 방법에 대한 내용은 적합 분포선에서 확인하십시오.

주요 결과: p-값

이 결과에서 귀무 가설은 데이터가 정규 분포를 따른다는 것입니다. p-값이 0.463으로, 유의 수준 0.05보다 크기 때문에 귀무 가설을 기각할 수 없습니다. 데이터가 정규 분포를 따르지 않는다는 결론을 내릴 수 없습니다.

주의

표본 크기는 검정의 검정력에 영향을 미칩니다. 매우 작은 표본의 검정력은 유의한 분포 이탈도를 탐지하는 데 충분하지 않을 수 있습니다. 매우 큰 표본의 검정력은 너무 강해서 작고 중요하지 않은 분포 이탈도를 탐지하지 못할 수 있습니다. 따라서 2단계에 나와 있는 것처럼 확률도의 시각적 결과와 p-값을 함께 사용하여 분포 적합선을 평가하십시오.

2단계: 분포의 적합도 시각화

확률도를 조사하고 데이터 점들이 적합된 분포선을 얼마나 가깝게 따르는지 평가합니다. 이론적인 분포의 적합성이 양호하면 점들이 직선에 가까이 배열됩니다. 예를 들어 다음 정규 확률도의 점들은 적합된 선을 잘 따릅니다. 정규 분포는 데이터에 양호하게 적합한 것으로 보입니다.

참고

적합된 분포선은 그래프 중간의 직선입니다. 그림의 바깥쪽 실선은 분포 전체가 아닌 개별 백분위수의 신뢰 구간이며, 분포의 적합성을 평가하는 데 사용하지 않아야 합니다.

확률도 값의 시각적 평가에 대한 자세한 내용은 정규 확률도 및 "두꺼운 연필 검정"에서 확인하십시오.

3단계: 각 모집단에 대해 추정한 백분위수 표시

Minitab에서 백분위수와 값의 표를 보려면 적합된 분포선 위로 마우스를 가져가십시오.

예를 들어 다음 확률도는 런닝 머신에서 걷는 실험 대상자들의 맥박 수를 표시합니다. 정상 분포의 평균과 표준 편차가 데이터와 같은 경우, 모집단의 5%는 맥박 수가 54.76회 이하라고 기대됩니다.

참고

추정된 모집단 백분위수는 데이터가 분포를 가깝게 따를 경우에만 정확합니다.

이 사이트를 사용하면 분석 및 사용자 개인 컨텐츠에 대한 쿠키 사용에 동의하는 것입니다.  당사의 개인정보 보호정책을 확인하십시오