기초통계 (22) t검정
📈 들어가기
-
데이터가 횟수나 측정값을 포함하는지, 표본이 얼마나 큰지, 측정 대상이 무엇인지에 따라 다양한 유형의 유의성 검정 방법이 있다. 가장 자주 사용되는것이 지금 정리하고자 하는 t검정이다.
-
t검정에 추가적인 설명은 노트 + https://velog.io/@ljs7463/%EB%8F%85%EB%A6%BD%ED%91%9C%EB%B3%B8%EA%B2%80%EC%A0%95-%EB%8C%80%EC%9D%91%ED%91%9C%EB%B3%B8-%EA%B2%80%EC%A0%95
https://velog.io/@ljs7463/%EB%8F%85%EB%A6%BD%ED%91%9C%EB%B3%B8%EA%B2%80%EC%A0%95-%EB%8C%80%EC%9D%91%ED%91%9C%EB%B3%B8-%EA%B2%80%EC%A0%95
📈 용어정리
- 검정통계량 : 관심의 차이 또는 효과에 대한 측정 지표
- t통계량 : 평균과 같이 표준화된 형태의 일반적인 검정통계량
- t분포 : 관측된 t통계량을 비교할 수 있는 기준분포
📈 t검정
- 평균의 차이로 집단의 유사함을 측정할 수 있다.
- 수치형인 아주 일반적인 2표본 비교(A/B검정)에 주로 사용한다.
- 그러나 척도에 상관없이 T분포를 사용하려면, 표준화된 형태의 검정통계량을 사용해야한다.
from scipy import stats
res = stats.ttest_ind(session_times[session_times.Page == 'Page A'].Time,
session_times[session_times.Page == 'Page B'].Time,
equal_var =False)
print(f'p-value for single sided test : {res.pvalue / 2:.4f}')
>>>
p-value for single sided test : 0.1408
대안가설은 페이지 A에 대한 평균 세션 시간이 페이지 B에 대한 평균보다 작다는 것이다.
0.1408의 p값은 수열검정을 통해 얻은 p값 0.121과 0.126에 매우 가깝다.
Author And Source
이 문제에 관하여(기초통계 (22) t검정), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://velog.io/@ljs7463/기초통계-22-t검정저자 귀속: 원작자 정보가 원작자 URL에 포함되어 있으며 저작권은 원작자 소유입니다.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)