1-표본 동등성 검정에 대한 주요 결과 해석

1-표본 동등성 검정을 해석하려면 다음 단계를 완료하십시오. 주요 결과에는 차이의 추정치, 신뢰 구간, 동등성 그림 및 다른 그래프가 포함됩니다.

1단계: 모집단 평균과 목표값이 동일한지 여부 결정

신뢰 구간을 동등성 한계와 비교합니다. 신뢰 구간이 동등성 한계 내에 완전히 포함되면 모평균이 목표값과 동일하다고 주장할 수 있습니다. 신뢰 구간의 일부가 동등성 한계를 벗어나면 동등성을 주장할 수 없습니다.

차이: 평균(힘) - 목표값 95% 동등성 차이 SE CI 동등성 구간 0.28500 0.13831 (0, 0.520586) (-0.42, 0.42) CI가 동등성 구간 안에 없습니다. 동등성을 주장할 수 없습니다.
주요 결과: 95% CI, 동등성 구간

이 결과에서는 95% 신뢰 구간이 동등성 상한을 초과합니다. 따라서 모평균이 목표값과 동일하다고 주장할 수 없습니다.

참고

동등성이 아니라 비동일성을 검정하기 위해 대립 가설을 선택한 경우 신뢰 구간의 하한을 동등성 하한과 비교하거나 신뢰 구간의 상한을 동등성 상한과 비교하여 전체 결과를 비교하십시오. 자세한 내용을 보려면 1-표본 동등성 검정에 대한 차이에서 "하한" 또는 "상한"을 클릭하십시오.

2단계: 데이터의 문제 확인

왜도 또는 특이치와 같은 데이터의 문제는 결과에 부정적인 영향을 미칠 수 있습니다. 데이터의 산포를 조사하여 왜도를 확인하고 잠재적 특이치를 식별하려면 그래프를 사용합니다.

데이터가 치우쳐 있는 것으로 보이는지 여부 확인

데이터가 치우쳐 있으면 대부분의 데이터가 그래프의 높은 쪽이나 낮은 쪽을 향합니다. 일반적으로 히스토그램이나 상자 그림에서 왜도를 식별하기가 가장 쉽습니다.

오른쪽으로 치우침
왼쪽으로 치우침

예를 들어, 오른쪽으로 치우친 히스토그램은 급여 데이터를 보여줍니다. 많은 직원의 급여가 비교적 적으며 많은 급여를 받는 직원의 수는 점점 더 줄어듭니다. 왼쪽으로 치우친 히스토그램은 고장률 데이터를 보여줍니다. 초기에 고장나는 품목의 수는 적으며 나중에는 점점 더 많은 품목에 고장이 발생합니다.

심하게 치우친 데이터는 표본이 작은 경우(20보다 작은 값) 검정 결과의 유효성에 영향을 미칠 수 있습니다. 데이터가 심하게 치우쳐 있고 표본이 작은 경우 표본 크기를 늘리는 것을 고려해 보십시오.

특이치를 식별합니다

대부분의 다른 데이터에서 멀리 떨어져 있는 데이터 점인 특이치는 결과에 크게 영향을 미칠 수 있습니다. 상자 그림에서 특이치를 식별하기가 가장 쉽습니다.

상자 그림에서 특이치는 별표(*)로 표시됩니다.

특이치의 원인을 식별해야 합니다. 모든 데이터 입력 또는 측정 오류를 수정하십시오. 특수 원인과 관련된 데이터를 제거하고 분석을 다시 실행해 보십시오. 특수 원인에 대한 자세한 내용은 관리도를 사용하여 우연 원인 변동과 특수 원인 변동 탐지에서 확인하십시오.

이 그래프에서는 데이터가 치우쳐 있는 것으로 보이지 않으며 특이치가 없습니다.

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