가설 검정

가설을 테스트하는 형태의 통계적 추론하는 데이터를 사용하여 샘플에 대한 결론을 도출하기 위해 인구가 매개 변수 또는 인구는 확률 분포입니다. 첫째,매개 변수 또는 분포에 대한 잠정적 인 가정이 이루어집니다. 이 가정을 귀무 가설이라고하며 H0 으로 표시됩니다. 그런 다음 귀무 가설에 명시된 것과 반대되는 대체 가설(Ha 로 표시)이 정의됩니다., 가설 테스트 절차에는 샘플 데이터를 사용하여 h0 이 거부 될 수 있는지 여부를 결정하는 것이 포함됩니다. H0 이 거부되면 통계적 결론은 대체 가설 Ha 가 참이라는 것입니다.예를 들어,라디오 방송국은 청취 대상자의 평균 연령이 30 세라는 가정에 따라 재생되는 음악을 선택한다고 가정합니다. 는지 여부를 확인이 이 가정은 유효하다,가설 테스트를 수행으로 null 이 가설을 받으로 H0:μ=30 대체 가정 준 as Ha:μ≠30., 을 기반으로 샘플의 개인에게서 듣고,관객의 샘플을 의미 나,x,계산할 수 있습니고 있는지 여부를 확인 하려면 사용이 충분한 통계학적 증거를 거부하 H0. 개념적으로 가치의 샘플을 의미는”닫기”30 일관적으로 null 이 가설이,있는 동안 가치의 샘플을 의미하는”가까이하지 않”30 에 대한 지원을 제공하는 대체 가설입니다. “닫기”및”닫히지 않음”으로 간주되는 것은 x 의 샘플링 분포를 사용하여 결정됩니다.,

이상적으로 가설 테스트 절차는 H0 이 참일 때 h0 의 수용과 h0 이 거짓 일 때 h0 의 거부로 이어진다. 불행히도 가설 테스트는 샘플 정보를 기반으로하기 때문에 오류 가능성을 고려해야합니다. 유형 I 오류는 h0 이 실제로 true 일 때 h0 을 거부하는 것에 해당하고 유형 II 오류는 H0 이 false 일 때 H0 을 수락하는 것에 해당합니다. 유형 I 오류를 만들 확률은 α 로 표시되고 유형 II 오류를 만들 확률은 β 로 표시됩니다.,

에서 사용 가설을 테스트 절차를 결정하는 경우에는 null 을 가설을 거부되어야 합니다,사람은 실시설 지정 테스트의 최대 허용 확률의 종류,라고 수준의 중요성에 대한 테스트합니다. 유의 수준에 대한 일반적인 선택은 α=0.05 및 α=0.01 입니다. 가설 검정의 대부분의 적용은 유형 I 오류를 만들 확률을 제어하지만 유형 II 오류를 만들 확률을 항상 제어하지는 않습니다., 그래프로 알려져 있는 운영-특성 곡선을 생성할 수 있습 방법을 보여 변경 샘플 크기에 영향을 미치의 확률이 유형 II 오류가 있습니다.

p-값으로 알려진 개념은 가설 테스트 응용 프로그램에서 결론을 도출하기위한 편리한 기초를 제공합니다. P-값 측정 가능성이 높은 샘플 결과는 경우 null 을 가설이 진실하고 작은 p 값을 가능성이 적은 샘플의 결과입니다. P-값이 α 보다 작 으면 귀무 가설이 거부 될 수 있으며,그렇지 않으면 귀무 가설을 거부 할 수 없습니다., P-값은 종종 시험에 대한 관찰 된 유의 수준이라고합니다.

하나 이상의 모집단의 매개 변수뿐만 아니라 다양한 다른 상황에서도 가설 검정을 수행 할 수 있습니다. 각 사례에서 프로세스는 인구에 대한 null 및 대체 가설의 공식화로 시작됩니다. 이외에는 인구,의미한 가설을 테스트 절차를 사용할 수 있는 인구와 같은 매개변수 비율,분산,표준 편차,그리고 중위수.,

가설을 테스트도 수행에 회귀분석 및 상관관계 분석을 결정하는 경우에 회귀분석의 관계와의 상관관계 계수가 통계적으로 유의한(아래 참고 회귀분석 및 상관관계를 분석하). 적합도 테스트는 귀무 가설이 모집단에 정상 확률 분포와 같은 특정 확률 분포가 있다는 가설 테스트를 말합니다. 비모수 통계적 방법은 또한 다양한 가설-테스트 절차를 포함한다.