동등성 검정을 사용하여 제품 측정값 또는 공정 측정값의 평균이 동등한 것으로 간주하기에 충분히 가까운지 확인할 수 있습니다. 동등성 검정은 크게 두 가지 점에서 표준 t-검정과 다릅니다.
- 동등성을 입증해야 함
- 평균의 표준 t-검정인 경우 귀무 가설에서는 모집단 평균이 목표값 또는 다른 모집단 평균과 같다고 가정합니다. 따라서 평균이 목표값 또는 다른 모집단 평균과 다르다는 것을 입증해야 합니다. 동등성 검정에서는 모집단 평균이 목표값 또는 다른 모집단 평균과 다르다는 것이 귀무 가설입니다. 따라서 평균이 목표값 또는 다른 모집단 평균과 같다는 것을 입증해야 합니다.
-
예를 들어, 2-표본 t-검정과 2-표본 동등성 검정을 가정해 보겠습니다. 2-표본 t-검정은 두 모집단의 평균이
다른지 여부를 검정하기 위해 사용합니다. 이 검정에 대한 가설은 다음과 같습니다.
- 귀무 가설(H0): 두 모집단의 평균이 같습니다.
- 대립 가설(H1): 두 모집단의 평균이 다릅니다.
검정의 p-값이 알파(α)보다 작으면 귀무 가설을 기각하고 평균이 다르다는 결론을 내립니다.
이와 반대로, 2-표본 동등성 검정은 두 모집단의 평균이
동일한지 여부를 검정하기 위해 사용합니다. 검정의 동등성은 사용자가 지정하는 값의 범위(동등성 간격이라고도 함)에 의해 정의됩니다. 검정에 대한 가설은 다음과 같습니다.
- 귀무 가설(H0): 평균 간의 차이가 동등성 구간을 벗어납니다. 평균이 동일하지 않습니다.
- 대립 가설(H1): 평균 간의 차이가 동등성 구간 내에 있습니다. 평균이 동일합니다.
검정의 p-값이 α보다 작으면 귀무 가설을 기각하고 평균이 동일하다는 결론을 내립니다.
- 사용자가 차이에 대해 허용 가능한 값의 범위를 정의함
- 제품 간의 작은 차이가 항상 기능적 또는 실제적으로 중요한 것은 아닙니다. 예를 들어, 약물 200mg의 복용량 중 1mg의 차이는 실제적인 영향을 미칠 가능성이 없습니다. 동등성 검정을 사용하는 경우 중요한 것으로 고려해야 하는 차이를 나타내는 동등성 한계를 입력해야 합니다. 동등성 한계 내에 있는 더 작은 차이는 중요하지 않은 것으로 간주됩니다. 동등성 검정에서는 이러한 방식으로 모집단 평균과의 차이에 대한 실제 유의성과 통계적 유의성을 평가합니다.
동등성 검정과 표준 t-검정 중에서 선택하려면 먼저 무엇을 입증하려고 하는지 생각해 보십시오. 두 평균이 같거나 평균이 목표값과 같다는 것을 입증하려고 하고 중요한 크기 차이를 필드에서 정확하게 정의할 수 있으면 표준 t-검정 대신 동등성 검정을 사용할 수도 있습니다.
