2-표본 t 검정에 대한 분석 옵션 선택

통계분석 > 기초 통계 > 2-표본 t 검정 > 옵션

신뢰 구간에 대한 신뢰 수준을 지정하거나 귀무 가설을 지정하거나 대립 가설을 정의하거나 등분산을 가정할 수 있는지 여부를 지정합니다.

신뢰 수준

신뢰 수준에 신뢰 구간에 대한 신뢰 수준을 입력합니다.

일반적으로 95%의 신뢰 수준이 적합합니다. 95% 신뢰 수준은 모집단에서 100개의 랜덤 표본을 추출할 경우 약 95개의 표본에 대한 신뢰 구간에 모집단 차이가 포함된다는 것을 나타냅니다.

지정된 데이터 집합에 대해 신뢰 수준이 낮을수록 신뢰 구간이 좁아지고 신뢰 수준이 높을수록 신뢰 구간이 넓어집니다. 구간 너비는 또한 표본 크기가 클수록 감소하는 경향이 있습니다. 따라서 표본 크기에 따라 95%가 아닌 신뢰 수준을 사용해야 할 수도 있습니다.
  • 표본 크기가 작은 경우 95% 신뢰 구간은 너무 넓어 유용하지 않을 수도 있습니다. 90%와 같은 더 낮은 신뢰 수준을 사용하면 더 좁은 구간이 생성됩니다. 그러나 구간에 모집단 차이가 포함될 확률은 감소합니다.
  • 표본 크기가 큰 경우 99%와 같은 더 높은 신뢰 수준을 사용해 보십시오. 큰 표본의 경우 99% 신뢰 수준을 사용하면 상당히 좁은 구간이 생성되지만 구간에 모집단 차이가 포함될 확률이 증가할 수도 있습니다.

귀무 가설에서의 차이

귀무 가설에서의 차이에 값을 입력합니다. 귀무 가설에서의 차이가 귀무 가설을 정의합니다. 이 값을 목표값 또는 기준 값으로 생각하십시오. 예를 들어, 한 분석가는 두 강철 유형의 평균 강도가 75psi만큼 다른지 여부를 검정하기 위해 75를 입력합니다(H0: μ1– μ2 = 75).

대립 가설

대립 가설에서 검정하려는 가설을 선택합니다.
차이 < 귀무 가설에서의 차이

표본 1과 표본 2의 모평균 간의 차이가 귀무 가설에서의 차이보다 작은지 여부를 확인하고 상한을 얻으려면 이 단측 검정을 사용합니다. 이 단측 검정은 양측 검정보다 검정력이 크지만, 차이가 귀무 가설에서의 차이보다 큰지 여부를 탐지할 수 없습니다.

예를 들어, 한 엔지니어가 두 공급업체에서 공급하는 플라스틱 판 강도의 평균 차이가 0보다 작은지 여부를 확인하기 위해 이 단측 검정을 사용합니다. 이 단측 검정은 강도의 차이가 0보다 작은지 여부를 탐지하기 위한 검정력은 더 크지만, 차이가 0보다 큰지 여부를 탐지할 수 없습니다.

차이 ≠ 귀무 가설에서의 차이

모평균의 차이가 귀무 가설에서의 차이와 다른지 여부를 확인하고 양측 신뢰 구간을 얻으려면 이 양측 검정을 사용합니다. 이 양측 검정은 귀무 가설에서의 차이보다 작거나 큰 차이를 탐지할 수 있지만 단측 검정보다 검정력이 낮습니다.

예를 들어, 한 은행 관리자가 두 은행의 평균 고객 만족도 등급이 서로 다른지 여부를 확인하려고 합니다. 등급 차이가 중요하기 때문에 관리자는 이 양측 검정을 사용하여 한 은행의 등급이 다른 은행의 등급보다 크거나 작은지 여부를 확인합니다.

차이 > 귀무 가설에서의 차이

표본 1과 표본 2의 모평균 간의 차이가 귀무 가설에서의 차이보다 큰지 여부를 확인하고 상한을 얻으려면 이 단측 검정을 사용합니다. 이 단측 검정은 양측 검정보다 검정력이 크지만, 차이가 귀무 가설에서의 차이보다 작은지 여부를 탐지할 수 없습니다.

예를 들어, 한 기술자가 두 주입 기계의 속도 간의 평균 차이가 상자당 0초보다 큰지 여부를 확인하기 위해 이 단측 검정을 사용합니다. 이 단측 검정은 속도의 차이가 0보다 큰지 여부를 탐지하기 위한 검정력은 더 크지만, 차이가 0보다 작은지 여부는 탐지할 수 없습니다.

단측 또는 양측 대립 가설 선택에 대한 자세한 내용은 귀무 가설 및 대립 가설 정보에서 확인하십시오.

등분산 가정

두 모집단의 분산이 같거나 표본의 크기가 거의 같은 경우 등분산 가정을 선택합니다. 두 모집단 분산이 실제로 같은 경우 등분산을 가정한 2-표본 t-검정이 등분산을 가정하지 않은 2-표본 t-검정보다 약간 더 강력합니다. 분산이 같지 않거나 표본 크기가 아주 다른데 등분산을 가정하면 큰 오차가 발생할 수 있습니다.

등분산을 가정하는 경우 Minitab에서는 표본 표준 편차의 합동 추정치를 사용합니다.

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