보통 분포는 재표본이 더 많을 때 확인하기 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.
변수 | N | 평균 | 표준 편차 | 분산 | 합 | 최소값 | 중위수 | 최대값 |
---|---|---|---|---|---|---|---|---|
시간 | 16 | 11.331 | 3.115 | 9.702 | 181.300 | 7.700 | 10.050 | 16.000 |
귀무 가설 | H₀: μ = 12 |
---|---|
대립 가설 | H₁: μ < 12 |
재표본 개수 | 평균 | 표준 편차 | P-값 |
---|---|---|---|
1000 | 11.9783 | 0.7625 | 0.199 |
이 결과에서 대립 가설은 평균 반응 시간이 12분보다 작다는 것입니다. p-값이 0.203으로, 유의 수준 0.05보다 크기 때문에 귀무 가설을 기각할 수 없습니다. 대립 가설은 평균 반응 시간이 12분보다 작다는 것입니다. 평균 반응 시간이 12분 미만이라고 결론을 내릴 수 없습니다.