포아송에 대한 적합도 검정에 대한 주요 결과 해석

포아송에 대한 적합도 검정을 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 p-값과 여러 가지 그래프가 포함됩니다.

1단계: 데이터가 포아송 분포를 따르지 않는지 여부 확인

데이터가 포아송 분포를 따르지 않는지 여부를 확인하려면 p-값을 유의 수준(α)과 비교하십시오. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 0.05의 유의 수준은 데이터가 포아송 분포를 따르는데 포아송 분포를 따르지 않는다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.
p-값 ≤ α: 데이터가 포아송 분포를 따르지 않음(H0 기각)
p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각하고 데이터가 포아송 분포를 따르지 않는다는 결론을 내립니다.
p-값 > α: 데이터가 포아송 분포를 따르지 않는다는 결론을 내릴 수 없음(H0 기각 실패)
p-값이 유의 수준보다 크면 데이터가 포아송 분포를 따르지 않는다는 결론을 내릴 충분한 증거가 없기 때문에 귀무 가설을 기각할 수 없습니다.

포아송 적합도 검정: 결점

방법 빈도(관측)
기술 통계량 N 평균 300 0.536667 결점에 대한 관측 및 기대 카운트 관측 카이-제곱에 결점 포아송 확률 개수 기대 카운트 대한 기여도 0 0.584694 213 175.408 8.056 1 0.313786 41 94.136 29.993 2 0.084199 18 25.260 2.086 >=3 0.017321 28 5.196 100.072
카이-제곱 검정 귀무 가설 H₀: 데이터가 포아송 분포를 따름 대립 가설 H₁: 데이터가 포아송 분포를 따르지 않음

DF 카이-제곱 P-값 2 140.208 0.000

주요 결과: P-값

이 결과에서 귀무 가설은 데이터가 포아송 분포를 따른다는 것입니다. p-값이 0.000으로, 0.05보다 작기 때문에 귀무 가설을 기각합니다. 데이터가 포아송 분포를 따르지 않는다는 결론을 내릴 수 있습니다.

2단계: 각 범주의 관측값과 기대값 간의 차이 조사

각 범주에 대해 관측값의 수가 기대값의 수와 다른지 여부를 확인하려면 관측값과 기대값에 대한 차트를 사용합니다. 관측값과 기대값 간의 차이가 크면 데이터가 포아송 분포를 따르지 않는다는 것을 나타냅니다.

이 막대 차트는 결점 0개, 결점 1개 및 결점 4개 이상에 대한 관측값이 기대값과 다르다는 것을 보여줍니다. 따라서 막대 차트에서 p-값이 나타내는 것, 즉 데이터가 포아송 분포를 따르지 않는다는 것을 시각적으로 확인할 수 있습니다.

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