런 검정을 해석하려면 다음 단계를 수행하십시오. 주요 결과에는 관측 런 수, 기대 런 수 및 p-값이 포함됩니다.
1단계: 관측 런 수와 기대 런 수의 차이 조사
관측 런 수는 비교 기준 K보다 크거나 작은 관측치 그룹의 수입니다. 선은 K를 나타냅니다. 이 예에는 다섯 개의 런이 포함되어 있습니다.
관측 런 수가 기대 런 수보다 상당히 크거나 작으면 데이터 순서가 랜덤하지 않을 가능성이 높습니다. 데이터 순서가 랜덤한지 여부를 확인하려면 p-값을 유의 수준과 비교하십시오.
검정
| 귀무 가설 | H₀: 데이터 순서가 랜덤임 |
|---|---|
| 대립 가설 | H₁: 데이터 순서가 랜덤 아님 |
| 런 수 | ||
|---|---|---|
| 관측 | 기대 | P-값 |
| 17 | 16.77 | 0.930 |
주요 결과: 관측 런 수, 기대 런 수
이 결과에서는 관측 런 수의 값이 기대 런 수의 값에 매우 가깝습니다.
2단계: 데이터 순서가 랜덤한지 여부 확인
데이터 순서가 랜덤한지 여부를 확인하려면 p-값을 유의 수준과 비교하십시오. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시함)이 적절합니다. 0.05의 유의 수준은 데이터 순서가 실제로 랜덤하지만 랜덤하지 않다는 결론을 내릴 위험이 5%라는 것을 나타냅니다.
- p-값 ≤ α: 데이터 순서가 랜덤하지 않습니다(H0 기각).
- p-값이 유의 수준보다 작거나 같으면 귀무 가설을 기각하고 데이터 순서가 랜덤하지 않다는 결론을 내립니다.
- p-값 > α: 데이터 순서가 랜덤하지 않다는 결론을 내릴 수 없습니다(H0을 기각할 수 없음)
- p-값이 유의 수준보다 크면 귀무 가설을 기각할 수 없습니다. 데이터 순서가 랜덤하지 않다는 결론을 내릴 충분한 증거가 없습니다.
검정
| 귀무 가설 | H₀: 데이터 순서가 랜덤임 |
|---|---|
| 대립 가설 | H₁: 데이터 순서가 랜덤 아님 |
| 런 수 | ||
|---|---|---|
| 관측 | 기대 | P-값 |
| 17 | 16.77 | 0.930 |
주요 결과: p-값
이 결과에서 귀무 가설은 데이터 순서가 랜덤하다는 것입니다. p-값이 0.930으로, 유의 수준 0.05보다 크기 때문에 귀무 가설을 기각할 수 없습니다. 데이터 순서가 랜덤하지 않다는 결론을 내릴 충분한 증거가 없습니다.
