통계 검정은 변수 간의 가설 관계가 통계적으로 유의한지 여부를 확인하는 데 사용됩니다. 일반적으로 테스트는 변수가 상관 관계가 있거나 다른 정도를 측정합니다. 모수 검정은 변수의 중심 경향에 의존하고 정규 분포를 가정하는 검정입니다. 비모수 검정은 모집단 분포에 대해 가정하지 않습니다.
t- 검정은 관련된 표본과 모집단의 평균을 비교하는 모수 검정입니다. 여러 종류의 t- 검정이 있습니다. 1- 표본 t- 검정은 표본의 평균을 가정 된 평균과 비교합니다. 독립 표본 t- 검정은 서로 다른 두 표본의 평균 값이 유사한 지 여부를 조사합니다. 쌍체 표본 t- 검정은 표본의 각 개체에 대해 비교할 두 개의 관측치가있을 때 사용됩니다. t- 검정은 정규 분포를 갖는 숫자 데이터 용으로 설계되었습니다.
서수 데이터는 표본에서 각 단위의 상대 값을 설명하는 파생 데이터입니다. 예를 들어, 교실에서 학생 10 명의 키에 대한 서수 데이터는 단순히 숫자 일 것입니다. 1에서 10까지, 여기서 1은 가장 짧은 학생을 나타내고 10은 가장 큰 학생을 나타냅니다. 학생. 키가 똑같지 않으면 어떤 학생도 같은 가치를 가질 수 없습니다. 서수 데이터에서는 중심 경향 측정이 의미가 없습니다.
T- 검정은 서수 데이터와 함께 사용하기에 적합하지 않습니다. 순서 형 데이터에는 중심 경향이 없기 때문에 정규 분포도 없습니다. 서수 데이터의 값은 중간 지점을 기준으로 그룹화되지 않고 균등하게 분포됩니다. 이 때문에 순서 형 데이터의 t- 검정은 통계적 의미가 없습니다.
순서 형 데이터와 함께 사용하기에 적합한 통계적 유의성 검정에는 세 가지가 있습니다. Spearman의 순위-순서 상관 관계는 관련된 변수가 두 개 뿐이고 해당 관계가 반드시 선형은 아니지만 단조로운 경우에 사용하기에 적합합니다. 단조로운 관계에서 첫 번째 변수가 증가함에 따라 두 번째 변수의 방향에는 변화가 없습니다. Kruskal-Wallis 검정은 표본이 세 개 이상이고 데이터가 정규 분포를 따르지 않는 경우를 위해 설계되었습니다. 이는 일원 분산 분석과 유사합니다. 순위 별 분산에 대한 Friedman 분석은 단일 그룹에 단일 변수에 대한 관측치가 세 개 이상있을 때 사용할 수 있습니다.