1-표본 비율에 대한 랜덤화 검정에 대한 주요 결과 해석

단일 표본 비율에 대한 랜덤화 검정을 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 히스토그램과 p-값이 포함됩니다.

1단계: 부트스트랩 분포 형상 조사

히스토그램을 사용하여 부트스트랩 분포 형상을 조사합니다. 부트스트랩 분포는 각 재표본 평균에 대한 분포입니다. 부트스트랩 분포는 정규 분포로 표시되어야 합니다. 부트스트랩 분포가 정규 분포가 아닐 경우 해당 결과를 신뢰할 수 없습니다.
50개의 재표본
1000개의 재표본

보통 분포는 재표본이 더 많을 때 확인하기 더 쉽습니다. 예를 들어, 이러한 데이터에서 분포는 50개의 재표본에 대해 여러 가지로 해석할 수 있습니다. 재표본이 1000개인 경우 형상은 거의 정규 분포에 가깝습니다.

이 히스토그램에서 부트스트랩 분포는 정규 분포처럼 나타납니다.

2단계: 검정 결과가 통계적으로 유의한지 여부를 확인

모집단 비율과 귀무 가설에서의 비율 간의 차이가 통계적으로 유의한지 여부를 확인하려면 p-값을 유의 수준과 비교하십시오. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시됨)이 적절합니다. 0.05의 유의 수준은 실제로 차이가 없는데 차이가 존재한다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.
p-값 ≤ α: 비율 간의 차이가 통계적으로 유의함(H0 기각)
p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각합니다. 모집단 비율과 귀무 가설에서의 비율 간의 차이가 통계적으로 유의하다는 결론을 내릴 수 있습니다. 신뢰 구간을 계산하여 차이가 실제로 유의한지 여부를 확인하려면 1-표본 함수에 대한 부트스트래핑을 사용하십시오. 자세한 내용을 확인하려면 통계적 유의성 및 실제적 유의성으로 이동하십시오.
p-값 > α: 비율 간의 차이가 통계적으로 유의하지 않음(H0 기각 실패)
p-값이 유의 수준보다 크면 귀무 가설을 기각할 수 없습니다. 모집단 비율과 귀무 가설에서의 비율 간의 차이가 통계적으로 유의하다는 결론을 내릴 충분한 증거가 없습니다.

1-표본 비율에 대한 랜덤화 검정

랜덤화 검정 히스토그램

관측된 표본 N 비율 200 0.620000
랜덤화 검정 귀무 가설 H₀: p = 0.5 대립 가설 H₁: p > 0.5 재표본 개수 평균 P-값 1000 0.49942 0.002
주요 결과: p-값

이 결과에서 대립 가설은 PlayStation 콘솔을 소유하고 있는 독자의 비율이 0.5보다 크다고 규정합니다. p-값이 유의 수준인 0.05보다 낮은 0.002이으로 귀무 가설을 기각하기로 결정하고 PlayStation 콘솔을 소유하고 있는 독자의 비율이 0.5보다 크다는 결론을 내립니다.

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