가설 검정으로 분석할 수 있는 데이터 유형

가설 검정은 모집단의 여러 모수를 평가하기 위해 사용할 수 있습니다. 각 검정은 특정한 모집단 모수를 평가하기 위해 설계되었으며, 모집단의 유형에 따라 적절한 데이터 유형이 결정됩니다. 관심이 있는 모집단 모수와 적절한 데이터 유형을 알면 가장 적절한 검정을 선택할 수 있습니다.
계량형 데이터

계량형 데이터에는 두 값 사이에 셀 수 없는 수의 값이 있습니다. 모평균, 모집단 중위수, 표준 편차 또는 분산을 추정하려면 계량형 데이터를 사용해야 합니다.

길이, 무게, 온도 등 부품 또는 공정의 특징을 측정하는 경우 일반적으로 계량형 데이터를 얻습니다. 계량형 데이터에는 종종 분수(또는 소수) 값이 포함됩니다. 예를 들어, 한 품질 엔지니어는 평균 무게가 포장 레이블에 표시된 값(500g)과 다른지 여부를 확인하려고 합니다. 이 엔지니어는 시리얼 상자를 표본으로 추출하고 무게를 기록합니다.

Bernoulli 데이터(이항 데이터라고도 함)

비율 또는 백분율을 추정하려면 Bernoulli 데이터를 사용해야 합니다. Bernoulli 데이터는 Bernoulli 모집단을 이항 모집단으로 해석할 수 있기 때문에 종종 이항 데이터라고 합니다.

품목, 사건 또는 사람을 두 가지 범주 중 하나로 분류하는 경우 이항 데이터를 얻습니다. 두 범주는 예/아니오, 합격/불합격 또는 불량/양호와 같이 서로 배타적이어야 합니다. 예를 들어, 엔지니어들이 볼트를 검사하고 볼트를 사용할 수 없도록 만드는 심각한 갈라짐이 있는지 확인합니다. 엔지니어들은 각 표본에 대해 검사한 볼트 수와 기각된 볼트 수를 기록합니다. 이들은 불량 볼트의 백분율이 0.2%보다 작은지 여부를 확인하려고 합니다.

포아송 데이터

관심 있는 사건의 발생률을 추정하려면 카운트 데이터를 사용해야 합니다.

일정 시간, 영역, 기타 관측 기간에 걸쳐 특징, 결과 또는 작업 존재를 카운트하는 경우 포아송 데이터를 얻습니다. 포아송 데이터는 단위 크기가 동일한 상태에서 단위당 카운트로 평가됩니다. 예를 들어, 한 버스 회사의 검사자가 30일간 일별 버스 고장의 횟수를 셉니다. 회사는 일별 버스 고장률을 확인하려고 합니다.

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