Hypothesis Testing

가설검증
(Hypothesis Testing)

1
 Hypothesis Testing

 가설검증: 표본에서 얻은 통계치를 근거로 모집단의 모수치에

관해 추리.

 영가설(Null Hypothesis; H0, HN): 연구과정에서 검증의 대상이

되는 가설.

- H0; 남녀간의 논술능력에는 차이가 없다.

 대립가설(Alternative Hypothesis; H1, HA): 영가설의 반대.

- HA; 남녀간의 논술능력에는 차이가 있다.

 일반적인 연구의 목적은 영가설을 기각하는 것.

 가설검증의 오류: 표본에 근거를 두고 있기 때문.

Hypothesis Testing

3
 Hypothesis Testing

 영가설이 참(True)인 분포에서 모든 값들이 관찰되기 때문에 판단의 오류를 범할 수 밖에 없음.

 영가설이 참인 상황을 가정하기 때문에 일종 오류( )를 기준으로 검증함.

4
 Hypothesis Testing

영가설이 참인 상황에서 다만 나타날 확률이 적을 뿐이지 모든 값들이 관찰됨!! 따라서 영가설을 부정하고 대립
가설을 채택할 수 없음.
만약 영가설을 부정하고 대립가설을 채택하면 우리는 일종오류를 범할 수 밖에 없음 !!!
Hypothesis Testing
Hypothesis Testing
-일종오류(Type IHypothesis
error, ) Testing

: 영가설이 참 임에도 불구하고 대립가설을 채택하는 판단의

오류.

-이종오류(Type II error, ):

: 대립가설이 참 임에도 불구하고 영가설을 채택하는 판단의

오류.

-유의수준(Significance level):

: 심각한 오판을 허용하는 수준.

-검증력(Power): 1-

: 영가설이 참이 아닐 때 영가설을 기각하는 확률.

 Interpreting the p-value
Because the probability that the sample
mean will assume a value of more than
178 when m = 170 is so small (.0069),
there are reasons to believe that
m > 170.
Note how the event
x  178 is rare under H0
when m x  170, but...
…it becomes more
probable under H1,
when m x  170
H0 : m x  170
H1 : m x  170
x  178
 The p-value Method
– The p-value can be used when making decisions
based on rejection region methods as follows:
• Define the hypotheses to test, and the required
significance level a.
• Perform the sampling procedure, calculate the test
statistic and the p-value associated with it.
• Compare the p-value to a. Reject the null hypothesis
only if p-value <a; otherwise, do not reject the null
hypothesis.

a = 0.05
The p-value
m x  170
x L  175.34 x  178
 Hypothesis Testing
가설검증의 절차

1. 영가설을 설정한다.
 The Curve for Two- vs. One-tailed Tests
at α = .05

Two-tailed test:
“is there a significant
difference ?”

One-tailed tests:
“is the sample mean
greater than µ ?”

“is the sample mean

less than µ ?”
 Hypothesis Testing
양방 검증(Two-tailed) 또는 일방검증(One-tailed) ?

 대부분 양방 검증을 수행 한다(significant difference).

 일방검증의 단점

1) 유의한 결과를 얻을 가능성 때문에 매력적이지만. . .

2) 실제로 효과가 없음에도 불구하고 있다고 잘못 결론을 내릴
가능성이 증가됨(일종오류의 증가)
3) 따라서 일방검증을 수행할 경우 자료를 분석하기 전에 왜 일
방검증을 수행해야 하는지에 대한 충분한 설명이 있어야 한
다.
Hypothesis Testing
 Hypothesis Testing

추리통계
(Inferential Statistics)

15
Hypothesis Testing

16
 Hypothesis Testing

Five types of statistical analysis

Descriptive What are the characteristics of the respondents?

Inferential What are the characteristics of the population?

Differences Are two or more groups the same or different?

Associative Are two or more variables related in a systematic

way?

Predictive Can we predict one variable if we know one or

more other variables?
 기술통계(Descriptive Statistics)
추리통계를 위한 다양한 분포

정규분포 t 분포

Chi-Square 분포 F 분포