Johnson 변환에 대한 주요 결과 해석

Johnson 변환을 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 확률도, p-값 및 변환 함수가 포함됩니다.

1단계: 정규 분포의 적합도 보기

원래 데이터와 변환된 데이터가 얼마나 가깝게 정규 분포를 따르는지 평가하려면 정규 확률도를 사용합니다.

Johnson 변환이 효과적이고 정규 분포가 변환된 데이터에 적합한 경우 그림에서 변환된 데이터에 대한 점들이 적합된 정규 분포 선을 가깝게 따라야 합니다. 직선에서 벗어나 있으면 적합치가 허용되지 않으며 Johnson 변환이 효과적이지 않다는 것을 나타냅니다.
좋은 적합치
좋지 않은 적합치
확률도 외에 AD p-값을 사용하여 분포 적합치를 평가할 수 있습니다. 자세한 내용은 Johnson 변환에 대한 모든 통계량 및 그래프 해석에서 P-값을 클릭하십시오.
참고

원래 데이터가 정규 분포를 따르는 경우 Minitab에서는 단일 확률도만 표시하며 Johnson 변환을 수행하지 않습니다.

2단계: 정규 분포의 적합도 평가

원래 데이터와 변환된 데이터가 정규 분포를 따른다고 가정할 수 있는지 여부를 평가하려면 p-값을 사용합니다.

p-값을 알파 수준과 비교합니다. 분포 적합성을 확인하기 위해 보통 0.10의 알파가 사용됩니다.
  • 알파보다 작은 p-값은 정규 분포가 적합하지 않다는 것을 나타냅니다.
  • 알파보다 크거나 같은 p-값은 분포가 적합하지 않다는 충분한 증거가 없음을 나타냅니다. 데이터가 정규 분포를 따른다고 가정할 수 있습니다.

Johnson 변환이 효과적인 경우 변환된 데이터에 대한 p-값이 알파보다 큽니다.

중요

매우 작거나 매우 큰 표본으로부터의 결과를 해석하는 경우 주의하십시오. 표본이 너무 작으면 적합도 검정이 분포에서 유의한 편차를 탐지하기 위한 검정력이 충분하지 않을 수도 있습니다. 표본이 너무 크면 검정의 검정력이 매우 커서 분포에서 실제적으로 유의하지 않은 작은 편차도 탐지할 수도 있습니다. 분포 적합도를 평가하려면 p-값 외에 확률도를 사용하십시오.

주요 결과: p-값

이 결과에서는 원래 데이터에 대한 p-값(0.046)이 알파(0.10)보다 작아 원래 칼슘 데이터가 정규 분포를 따르지 않는다는 것을 나타냅니다. 변환된 데이터의 경우 p-값(0.986)이 알파보다 큽니다. 따라서 변환된 데이터가 정규 분포를 따른다고 가정할 수 있습니다.

3단계: 변환 함수 조사

Minitab에서는 최량 적합치를 생성하는 Johnson 변환 함수의 모수를 표시합니다. Minitab에서는 이 함수를 사용하여 원래 데이터를 변환합니다.

예를 들어, Johnson 변환 함수가 0.762475 + 0.870902 × Ln((X – 46.3174 ) / (59.677 – X))라고 가정합니다. X에 대한 원래 데이터 값이 50인 경우 변환된 데이터 값 50은 0.762475 + 0.870902 × Ln((50 – 46.3174) / (59.677 – 50))으로 계산되며, 계산 결과는 –0.07893입니다.

참고

변환된 모든 데이터 값을 워크시트에 저장하려면 분석을 수행할 때 저장 열을 입력합니다.

Minitab에서 Johnson 변환 기능을 정의하기 위해 사용하는 알고리즘에 대한 자세한 내용을 보려면 개별 분포 식별의 변환에 대한 방법 및 공식에서 "Johnson 변환에 대한 방법 및 공식"을 참조하십시오.

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