모수 분포 분석(임의 관측 중단)에 대한 모수의 동일성

동일 형상 및 척도 모수에 대한 검정

두 개 이상의 데이터 집합이 동일한 분포(모집단)로부터 나왔는지 검정할 수 있습니다. 데이터 집합이 같은 분포로부터 나온 것이면 동일한 모수를 가져야 합니다.

동시 카이-제곱 검정은 데이터 집합에 대한 분포 모수가 서로 유의하게 다른지 여부를 확인합니다. p-값과 사용자가 미리 정한 α-값을 비교합니다.
  • p-값이 α-값보다 작으면 두 데이터 집합에 대한 분포 모수 중 하나 이상이 유의하게 다르다는 결론을 내릴 수 있습니다.
  • p-값이 α-값보다 크면 t개의 데이터 집합에 대한 분포 모수가 유의하게 다르다는 결론을 내릴 수 없습니다.

데이터 집합이 다른 여러 분포에서 나온 것이면(p-값이 α-값보다 작을 경우) 동일 형상(또는 동일 위치) 및 동일 척도 모수에 대한 개별 검정의 결과를 조사합니다. 개별 검정의 결과를 사용하여 분포 간의 차이가 척도 모수(Weibull 분포의 경우 형상), 위치 모수(Weibull 분포의 경우 척도) 또는 두 모수에서 모두 발생하는지 여부를 확인할 수 있습니다.

출력 예

동일 형상 및 척도 모수에 대한 검정 카이-제곱 DF P 325.247 2 0.000

해석

소음기 데이터의 경우 검정에서는 새로운 유형의 소음기에 대해 고장 전까지 주행한 거리와 기존 유형의 소음기에 대해 고장 전까지 주행한 거리가 동일한 분포를 따르는지 여부를 검정합니다.

동시 검정에 대한 p-값 0.00이 α-값 0.05보다 작으므로 새로운 유형의 소음기에 대한 분포 모수 중 하나 이상이 기존 유형의 소음기에 대한 모수와 유의하게 다르다는 결론을 내릴 수 있습니다. 따라서 두 데이터 집합은 동일한 분포를 따르지 않습니다.

동일 형상 모수에 대한 검정

동일 형상 및 척도 모수에 대한 동시 검정이 통계적으로 유의한 차이를 나타내면 동일 형상 모수에 대한 검정을 조사하여 분포 간의 차이가 형상 모수 내에서 발생하는지 여부를 확인하십시오.

카이-제곱 검정은 두 개 이상의 데이터 집합에 대한 형상 모수가 서로 유의하게 다른지 여부를 확인합니다. p-값과 사용자가 미리 정한 α-값을 비교합니다. 하나의 분포에서 형상과 척도 등 두 개 이상의 모수를 검정하는 경우 여러 검정을 고려하여 α-값을 조정하십시오. 이 예에서는 두 개의 모수가 검정되므로, 각 검정에 대한 α-값은 0.05/2=0.025입니다.
  • p-값이 α-값보다 작으면 데이터 집합에 대한 형상 모수가 유의하게 다르다는 결론을 내릴 수 있습니다. 유의한 차이가 있을 경우에는 모수에 대한 Bonferroni 신뢰 구간을 조사하여 두 분포 간의 모수 차이가 어느 정도인지 식별합니다.
  • p-값이 α-값보다 크면 두 데이터 집합에 대한 형상 모수가 유의하게 다르다는 결론을 내릴 수 없습니다.

출력 예

동일 형상 모수에 대한 검정 카이-제곱 DF P 112.830 1 0.000

해석

소음기 데이터의 경우, 검정에서는 새로운 유형의 소음기에 대해 고장날 때까지 주행한 거리와 기존 유형의 소음기에 대해 고장 전까지 주행한 거리가 척도 모수가 동일한 분포를 따르는지 여부를 검정합니다.

p-값 0.00이 α-값 0.025보다 작으므로 두 가지 유형의 소음기에 대한 분포의 형상 모수가 유의하게 다르다는 결론을 내릴 수 있습니다. 형상 모수에 대한 Bonferroni 신뢰 구간을 조사하여 두 분포 간의 형상 모수 차이가 어느 정도인지 식별합니다.

동일 척도 모수에 대한 검정

동일 형상 및 척도 모수에 대한 동시 검정이 통계적으로 유의한 차이를 나타내면 동일 척도 모수에 대한 검정을 조사하여 분포 간의 차이가 척도 모수 내에서 발생하는지 여부를 확인하십시오.

카이-제곱 검정은 두 데이터 집합에 대한 척도 모수가 서로 유의하게 다른지 여부를 확인합니다. p-값과 사용자가 미리 정한 α-값을 비교합니다. 하나의 분포에서 형상과 척도 등 두 개 이상의 모수를 검정하는 경우 여러 검정을 고려하여 α-값을 조정하십시오. 이 예에서는 두 개의 모수가 검정되므로, 각 검정에 대한 α-값은 0.05/2=0.025입니다.
  • p-값이 α-값보다 작으면 데이터 집합에 대한 척도 모수가 유의하게 다르다는 결론을 내릴 수 있습니다. 통계적으로 유의한 차이가 있을 경우에는 모수에 대한 Bonferroni 신뢰 구간을 조사하여 두 분포 간의 모수 차이가 어느 정도인지 식별합니다.
  • p-값이 α-값보다 크면 두 데이터 집합에 대한 척도 모수가 유의하게 다르다는 결론을 내릴 수 없습니다.

출력 예

동일 척도 모수에 대한 검정 카이-제곱 DF P 254.479 1 0.000

해석

소음기 데이터의 경우 검정은 새로운 유형의 소음기에 대해 고장날 때까지 주행한 거리와 기존 유형의 소음기에 대해 고장날 때까지 주행한 거리에 대한 분포의 척도 모수가 동일한지 여부를 검정하는 것입니다.

p-값 0.00이 α-값 0.025보다 작으므로 두 유형의 소음기에 대한 분포의 척도 모수가 유의하게 다르다는 결론을 내릴 수 있습니다.

형상 모수에 대한 Bonferroni 신뢰 구간

동일 형상(또는 위치) 모수에 대한 검정 결과가 통계적으로 유의한 차이를 나타내는 경우에는 Bonferroni 신뢰 구간을 조사하여 차이가 어느 정도인지 확인해야 합니다.

여러 표본의 구간을 비교하여 어느 모수가 다른지 확인할 수 있습니다. 두 모수의 비율에 대한 신뢰 구간에 1이 포함되어 있으면 두 모수가 서로 다르다는 결론을 내릴 수 없습니다.

출력 예

Bonferroni 95.0%(개별 97.50%) 동시 CI 신제품 시작 마일 수에 대한 형상 모수를 다음으로 나눔: 변수 하한 추정치 상한 구제품 시작 마일 수 0.5954 0.6517 0.7133

해석

소음기 데이터의 경우 기존 유형의 소음기 형상 모수가 될 수 있는 값의 범위가 새로운 유형의 소음기 형상 모수의 0.5954(59.54%)에서 0.7133(71.33%) 사이입니다. 형상 모수의 추정 비율은 0.6517 또는 65.17%입니다.

척도 모수에 대한 Bonferroni 신뢰 구간

동일 척도 모수에 대한 검정 결과가 통계적으로 유의한 차이를 나타내는 경우에는 Bonferroni 신뢰 구간을 조사하여 차이가 어느 정도인지 확인해야 합니다.

여러 표본의 구간을 비교하여 어느 모수가 다른지 확인할 수 있습니다. 두 모수의 비율에 대한 신뢰 구간에 1이 포함되어 있으면 두 모수가 서로 다르다는 결론을 내릴 수 없습니다.

출력 예

Bonferroni 95.0%(개별 97.50%) 동시 CI 신제품 시작 마일 수에 대한 척도 모수를 다음으로 나눔: 변수 하한 추정치 상한 구제품 시작 마일 수 0.8225 0.8426 0.8631

해석

소음기 데이터의 경우 기존 유형의 소음기 척도 모수가 될 수 있는 값의 범위가 새로운 유형의 소음기 척도 모수의 0.8225(82.25%)에서 0.8631(86.31%) 사이입니다. 척도 모수의 추정 비율은 0.8426 또는 84.26%입니다.

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