무료 온라인 과정에서 자세히 알아보십시오.
산업 문제 해결을 위한 통계적 사고
이 비디오에서는 파일을 사용하여 1-표본 t 검정을 수행하는 방법을 배웁니다. 직경 테스트.jmp . 이 데이터 세트에는 무작위로 선택한 50개의 부품에 대한 지름 측정값이 포함되어 있습니다.
먼저 Diameter에 대한 분포 분석을 실행합니다. 이를 위해 분석 메뉴에서 배포 플랫폼을 사용합니다. Y, Column으로 Diameter를 선택하고 OK를 클릭합니다.
One Sample t-Test를 수행하기 위해 분석을 위해 빨간색 삼각형에서 Test Mean을 선택합니다.
이 예에서는 평균 직경이 16.15mm가 아니라는 귀무 가설과 평균 직경이 16.15mm라는 귀무 가설을 테스트한다고 가정합니다.
가설 값으로 16.15를 입력합니다.
두 가지 다른 옵션을 사용할 수 있습니다. 실제 표준 편차를 알고 있는 경우 제공된 필드에 입력할 수 있습니다. 이렇게 하면 JMP는 테스트가 아닌 az 테스트를 수행합니다. 이 예에서는 실제 모집단 표준 편차를 모르므로 이 필드를 비워 둡니다.
Wilcoxon Signed Rank 테스트라고 하는 비모수 테스트를 요청할 수도 있습니다. 이 테스트 및 기타 비모수 테스트를 사용하는 경우에 대한 자세한 내용은 JMP 도움말 파일을 참조하십시오.
확인을 클릭하여 t 테스트를 실행합니다.
검정 통계량 t 비율은 -1.3973입니다. 표본 평균 16.1406은 가정된 평균보다 약 1.4 표준 오차입니다.
양측 검정의 p-값은 0.1686입니다.
이 p-값과 관찰된 표본 평균은 분석 하단의 그래프에 표시됩니다. JMP 철학은 "모든 분석을 위한 그래프"입니다. 따라서 JMP에서 통계 테스트를 수행할 때 일반적으로 테스트 결과를 해석하는 데 도움이 되는 이 곡선과 같은 그래프를 볼 수 있습니다.
그래프와 통계적 결과를 바탕으로 유의수준 0.05를 사용한다면 실제 평균이 16.15라는 귀무가설을 기각하지 않는다. 표본 평균은 가정된 값과 일치합니다.
다른 귀무 가설이 있다면 어떻게 될까요? 예를 들어, 귀무가설 값이 16.15가 아니라 16.12라면 어떻게 될까요?
이 테스트의 t 비율은 3.06입니다. 표본 평균은 가정된 값보다 3배 이상 높은 표준 오차입니다. 표본 크기를 감안할 때 실제 평균이 16.12인 경우 표본 평균이 16.14인 경우는 거의 없습니다.
양측 검정의 p-값은 0.0036입니다. 0.05의 유의 수준에서 귀무 가설을 기각하고 실제 평균이 16.12가 아니라는 결론을 내립니다.
양측 검정을 수행하는 대신 단측 검정을 수행하고 싶다면?
양측 검정 및 단측 검정에 대한 p-값이 자동으로 보고됩니다.
평균이 16.12보다 크다는 대립 가설의 경우 p-값은 0.0018이고, 평균이 16.12보다 작다는 대립 가설의 p-값은 0.9982입니다.
사용하는 p-값은 검정하는 대립 가설에 따라 다릅니다.
