Statistics for Data Science and Business Analysis 5주차

해당 글은 유데미를 통해 정리한 글입니다.

 

 

데이터 기반 의사결정은 다음과 같은 단계를 거칩니다.

 

가설 설정 -> 검정 방법 선택 -> 검정 -> 의사 결정

 

 

Null and the alternative hypothesis

귀무가설이라고 하며, 지금까지 우리가 믿고 있었던 모든 것들을 말합니다.	대립가설이라고 하며, 보통 일반적으로 민는 것에 반해 우리가 의심을 가지고 있는 것들을 말합니다.  대부분 연구자의 의견이 이 가설에 포함되어 있습니다.

 

 

Decisions you can take

기각역

 

검정할 때 귀무 가설을 수용하거나 귀무 가설을 기각하는 두 가지 결정을 내릴 수 있습니다.
귀무 가설을 받아들인다는 것은 그 대안이 가져온 변화나 혁신을 뒷받침할 데이터가 충분하지 않다는 것을 의미합니다.
또한, 귀무 가설을 기각한다는 것은 현재 상태가 진리를 대표하지 않는다는 통계적 증거가 충분하다는 것을 의미합니다.

Accept	Reject
x% 유의 수준에서 귀무 가설을 받아들입니다 x% 유의 수준에서 A는 B와 크게 다르지 않습니다 x% 유의 수준에서 통계적 증거가 충분하지 않습니 x% 유의 수준에서 귀무 가설을 기각할 수 없습니다	x% 유의 수준에서 귀무 가설을 기각합니다 x% 유의 수준에서 A는 B와 유의적으로 다릅니다 x% 유의 수준에서 통계적 증거가 충분합니다 x% 유의 수준에서 귀무 가설이 수립한다고 말할 수 없습니다

 

 

Level of significance and types of tests

유의 수준은 0.1, 0.05, 0.01를 보통 다룹니다.

Two-sided (two-tailed) test	One-sided (one-tailed) test

 

 

Type I Error and Type II Error

일반적으로 테스트를 할 때 발생할 수 있는 오류는 두 가지가 있습니다. 바로 1종 오류와 2종 오류입니다.

1종 오류: 귀무 가설이 참인데도 불구하고 표본 오차때문에 이를 채택하지 않는 오류입니다. 보통 $ \alpha $라고 표기하고 유의수준이라고 부릅니다.

2종 오류: 귀무 가설이 거짓임에도 불구하고 표본 오차때문에 이를 채택하는 오류입니다. 보통 $\beta$라고 표기합니다.

	귀무 가설이 사실 (참)	귀무 가설이 거짓 (거짓)
귀무 가설 채택	옳은 결정(1-$\alpha$)	2종 오류($\beta$)
귀무 가설 기각	1종 오류($\alpha$)	옳은 결정(1-$\beta$)