두 표본 분산 검정에 대한 분석 옵션 선택

통계분석 > 기초 통계 > 두 표본 분산 > 옵션

신뢰 구간에 대한 신뢰 수준, 귀무 가설에서의 차이, 대립 가설을 지정하거나 비율의 합동 추정치를 사용할 것인지 여부를 지정합니다.

비율

2-표본 분산 검정의 경우 표준 편차의 비율 또는 분산의 비율을 사용할 수 있습니다.

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 비율이 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 비율이 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 비율이 포함될 확률이 증가할 수도 있습니다.

귀무 가설에서의 비율

귀무 가설에서의 비율에 값을 입력합니다. 귀무 가설에서의 비율이 귀무 가설을 정의합니다. 이 값을 목표값 또는 기준 값으로 생각하십시오. 예를 들어, 한 시리얼 제조업체에서 새 기계의 내용물 무게 분산이 현재 기계 분산의 0.8인 경우에만 새 주입 기계를 구입합니다(H0: σ2신규 / σ2현재 = 0.8).

대립 가설

대립 가설에서 검정하려는 가설을 선택합니다.
비율 < 귀무 가설에서의 비율

표본 1과 표본 2의 모집단 분산 또는 표준 편차 비율이 귀무 가설에서의 비율보다 작은지 여부를 확인하고 상한을 얻으려면 이 단측 검정을 사용합니다. 이 단측 검정은 검정력이 더 크지만 모집단 비율이 귀무 가설에서의 비율보다 큰 경우를 탐지할 수 없습니다.

예를 들어, 한 분석가는 새 기계 성능의 표준 편차와 이전 기계 성능의 표준 편차 비율이 0.8보다 작은지 여부를 확인하기 위해 이 단측 검정을 사용합니다. 이 단측 검정은 표준 편차의 비율이 0.8보다 작은지 여부를 탐지하기 위한 검정력은 더 크지만, 비율이 0.8보다 큰지 여부는 탐지할 수 없습니다.

비율 ≠ 귀무 가설에서의 비율

모집단 표준 편차 또는 모집단 분산의 비율이 귀무 가설에서의 비율과 다른지 여부를 확인하고 양측 신뢰 구간을 얻으려면 이 양측 검정을 사용합니다. 이 양측 검정은 귀무 가설에서의 비율보다 작거나 큰 차이를 탐지할 수 있지만 단측 검정보다 검정력이 낮습니다.

예를 들어, 한 건강 관리 컨설턴트가 두 병원의 환자 만족도 등급의 분산을 비교하려고 합니다. 분산의 차이가 중요하기 때문에 컨설턴트는 이 양측 검정을 사용하여 한 병원의 분산이 다른 병원보다 크거나 작은지 여부를 확인합니다.

비율 > 귀무 가설에서의 비율

표본 1과 표본 2의 모집단 분산 또는 표준 편차 비율이 귀무 가설에서의 비율보다 큰지 여부를 확인하고 하한을 얻으려면 이 단측 검정을 사용합니다. 이 단측 검정은 양측 검정보다 검정력이 크지만 차이가 귀무 가설에서의 비율보다 작은지 여부를 탐지할 수 없습니다.

예를 들어, 한 분석가는 이전 압출성형 기계의 분산과 새 기계의 분사 비율이 1보다 큰지 여부를 검정합니다. 이 단측 검정은 비율이 1보다 큰지 여부를 탐지하기 위한 검정력은 더 크지만, 비율이 1보다 작은지 여부는 탐지할 수 없습니다.

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

정규 분포를 바탕으로 하는 검정 및 신뢰 구간 사용

정규 분포를 바탕으로 한 F-검정에 대한 결과를 표시하려면 정규 분포를 바탕으로 하는 검정 및 신뢰 구간 사용을 선택합니다. 각 표본의 크기 및 분산(또는 표준 편차)에 대한 요약 데이터를 입력하는 경우도 F-검정에 대한 결과를 표시합니다. Minitab에서 F-검정을 수행하는 경우에는 Bonett의 방법 또는 Levene의 방법에 대한 결과를 표시하지 않습니다.

F-검정은 정규 분포 데이터에 대해서만 정확합니다. 정규성에서 조금만 벗어나면 큰 표본의 경우에도 F-검정이 부정확할 수 있습니다. 그러나 데이터가 정규 분포를 따르는 경우 일반적으로 F-검정이 Bonett의 방법이나 Levene의 방법보다 강력합니다.

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