히스토그램을 사용하여 부트스트랩 분포 형상을 조사합니다. 부트스트랩 분포는 각 재표본에서 선택한 통계에 대한 분포입니다. 부트스트랩 분포는 정규 분포로 표시되어야 합니다. 부트스트랩 분포가 정규 분포가 아닐 경우 부트스트랩 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
모평균 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: 평균 간의 차이가 통계적으로 유의함(H0 기각)
p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각합니다. 모평균 간의 차이가 통계적으로 유의하다는 결론을 내릴 수 있습니다. 신뢰 구간을 계산하여 차이가 실제로 유의한지 여부를 확인하려면 2-표본 평균에 대한
부트스트래핑을 사용하십시오. 자세한 내용을 확인하려면 통계적 유의성 및 실제적 유의성으로 이동하십시오.
p-값 > α: 평균 간의 차이가 통계적으로 유의하지 않음(H0 기각 실패)
p-값이 유의 수준보다 크면 귀무 가설을 기각할 수 없습니다. 모평균 간의 차이가 통계적으로 유의하다는 결론을 내릴 충분한 증거가 없습니다.
방법
μ₁: 병원 = A일 때 등급의 모집단 평균
µ₂: 병원 = B일 때 등급의 모집단 평균
차이: μ₁ - µ₂
관측된 표본
병원
N
평균
표준 편차
분산
최소값
중위수
최대값
A
20
80.30
8.18
66.96
62.00
79.00
98.00
B
20
59.30
12.43
154.54
35.00
58.50
89.00
관측된 평균의 차이
A의 평균 - B의 평균 = 21.000
랜덤화 검정
귀무 가설
H₀: μ₁ - µ₂ = 0
대립 가설
H₁: μ₁ - µ₂ ≠ 0
재표본 개수
평균
표준 편차
P-값
1000
-0.185
4.728
< 0.002
주요 결과: p-값
이 결과에서 귀무 가설은 두 병원 간 평균 등급의 차이가 0이라는 것입니다. p-값이 0.002 미만으로, 유의 수준 0.05보다 작기 때문에 귀무 가설을 기각하고 병원의 등급이 다르다는 결론을 내립니다.
