적합도 검정 해석 및 분포 선택

검정을 실시하기 전에 선택한 유의 수준 α에 대해 p-값(P)이 α보다 작으면 데이터가 해당 분포를 따르지 않음을 나타냅니다.

Minitab은 다양한 분포에 대해 데이터의 적합도 검정을 수행하고 분포의 모수를 추정합니다. 데이터를 가장 잘 적합시키고 분석에 가정 적절한 분포를 선택합니다. 둘 이상의 분포가 데이터에 적합한 경우 p-값이 가장 큰 분포를 선택합니다.

  1. 먼저 기본 분포를 확인합니다(2-모수 지수 또는 3-모수 대수 정규와 같이 분계점 모수가 있는 분포는 고려하지 마십시오).
  2. p-값이 가장 큰 분포를 확인합니다. p-값이 알파 값(0.05)보다 큰 분포가 없는 경우에는 어떤 분포도 데이터를 적절하게 적합하지 않습니다.
  3. 적합한 것으로 보이는 분포의 2-모수 및 3-모수 변형을 고려하십시오.
p-값이 매우 비슷한 경우에는 다음 중 하나를 선택하십시오.
  • 비슷한 데이터 집합에 대해 이전에 사용해 본 분포
  • 공정 능력 통계량을 바탕으로 선택한 분포
  • 가장 보수적인 분포

3-모수와 2-모수 분포 중에서 선택

Weibull 분포를 제외한 모든 3-모수 분포에 대해서는 p-값을 계산하는 정해진 방법이 없으므로 우도 비 검정(LRT)을 사용해야 합니다.

  1. 먼저 대응되는 2-모수 분포의 p-값을 조사하여 적합도를 평가합니다.
  2. 다음으로 3-모수 분포에 대한 LRT p-값을 조사하여 3-모수 분포가 2-모수 분포보다 유의하게 나은지 확인합니다. 개별 분포 식별 사용 시 우도 비 검정 p-값(LRT P)이 알파보다 작으면 선택적 추가 모수가 있는 분포의 경우, 이 모수를 추가하면 분포의 적합이 유의하게 개선됩니다. 예를 들어, LRT P는 지수 분포(모수가 1개)와 2-모수 지수 분포, 또는 Weibull 분포(모수가 2개)와 3-모수 Weibull 분포 중에서 선택하는 데 도움이 됩니다.

    확률도를 Anderson-Darling 값과 함께 육안으로 검사해도 분포가 잘 맞는지 확인하는 데 도움이 될 수 있습니다. 그러나 Anderson-Darling 값이 계산된 p-값과 유사한 분포를 선택하는 것이 더 나을 수 있습니다.

일부 p-값이 정확한 값이 아닌 근사치로 제공되는 이유

일부 분포의 경우 p-값에 대한 폐쇄 형태의 식이 존재하며, 따라서 정확한 p-값을 얻을 수 있습니다. 그러나 다른 분포의 경우 폐쇄 형태의 식은 존재하지 않지만, 시뮬레이션 연구를 통해 얻은 p-값의 범위 표를 사용할 수 있습니다. 이러한 분포에 대해 Minitab에서는 p-값에 대한 하한 및 상한만 보고합니다.

결과에 일부 p-값이 별표로 표시되는 이유

3-모수 로그 정규, 3-모수 감마 및 3-모수 로그 로지스틱 분포에 대해서는 p-값 대신 별표가 표시됩니다. 별표는 Minitab에서 해당 분포의 p-값을 계산할 수 없음을 나타냅니다.

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