통계학자가 아닌 경우 통계 출력을 살펴보면 때때로 이상한 나라의 앨리스처럼 느껴질 수 있습니다. 갑자기,당신은 이상하고 신비한 phantasms 가 아무데도 나타나지 않는 환상적인 세계로 들어서게됩니다. 예를 들어 t 테스트 결과에서 T 와 P 를 고려하십시오.

“호기심과 호기심!”당신은 당신의 출력을 바라 보면서 앨리스처럼 외칠 수도 있습니다.

이 값은 무엇입니까? 그들은 어디에서 왔습니까? 심지어를 사용한 경우는 p 값을 해석하는 통계적 유의성의 결과로 무수한 시간,그것의 실제 원산지 남아 있을 수 있습이 어둡습니다.t-test

T&P:T-test

T 와 P 의 Tweedledee 와 Tweedledum 은 불가분의 관계가 있습니다. 그들은 Tweedledee 와 Tweedledum 과 같이 팔에 팔을갑니다. 여기에 이유가 있습니다.

를 수행할 때 t-테스트,당신은 일반적으로 노력의 증거를 찾을 수 있는 상당한 차이를 인구단(2-샘플 t)또는 인구의 의미와 가정값(1-샘플 t). T-값은 샘플 데이터의 변동에 상대적인 차이의 크기를 측정합니다. 다른 방법으로 말하면,T 는 단순히 표준 오차 단위로 표현 된 계산 된 차이입니다. T 의 크기가 클수록 귀무 가설에 대한 증거가 커집니다. 이는 상당한 차이가 있다는 더 큰 증거가 있음을 의미합니다. T 가 0 에 가까울수록 큰 차이가 없을 가능성이 높습니다.

기억하십시오,출력의 t-값은 전체 모집단의 하나의 샘플에서만 계산됩니다. 그것은 당신했다 반복되는 임의의 샘플의 데이터 같은 인구에서,당신은 약간 다른 t-값은 각 시간,무작위 샘플링류(정말 실수하지 않는 모든 종류의–그것은 단지 임의 변화를 예상되는 데이터에서).

동일한 모집단의 많은 무작위 표본에서 t-값이 얼마나 다를 것으로 기대할 수 있습니까? 그리고 샘플 데이터의 t 값은 예상 t 값과 어떻게 비교됩니까?

당신은 알아 t-분포를 사용할 수 있습니다.

를 사용하여 t-분포를 계산하는 확률

의 이익을 위해 그림다고 가정하고,당신이 사용하는 1-sample t-test 는지 여부를 확인 평균 인구가보다 더 큰 가정값 등 5,을 기반으로 샘플의 20 관찰서와 같이,위의 t-테스트 출력됩니다.

1. Minitab 에서 Graph>확률 분포 플롯을 선택합니다.
2. 보기 확률을 선택한 다음 확인을 클릭하십시오.
3. 분포에서 t 를 선택하십시오.
4. 자유도에 19 를 입력하십시오. (1-샘플 t 테스트의 경우 자유도는 샘플 크기를 뺀 1 과 같습니다).
5. 음영 영역을 클릭합니다. X 값을 선택합니다. 오른쪽 꼬리를 선택하십시오.
6. X 값에 2.8(t 값)을 입력 한 다음 확인을 클릭하십시오.

가장 높은 부분(peak)분포의 곡선을 보여줍니다 당신은 어디에 기대할 수 있습니다 대부분의 t-값 떨어진다. 대부분의 경우 t-값을 0 에 가깝게 얻을 것으로 예상됩니다. 그게 말이 되는군요,그렇죠? 기 때문에 당신은 무작위로 선택하는 대표 샘플이에서 인구,의미의 대부분의 사람들의 임의 샘플을 모집단에서 가까워야 하는 전체 인구는 것을 의미 만들고,그들의 차이(그리고 따라서 계산된 t-값)을 0 으로 가까.

T values,P 값이,포커 손

T 값의 큰 크기(거나 부정적 또는 긍정적)에 있는 가능성이 적습니다. 분포 곡선의 맨 왼쪽 및 오른쪽”꼬리”는 0 에서 멀리 떨어진 t 의 극단 값을 얻는 인스턴스를 나타냅니다. 예를 들어,음영 영역은 2.8 이상의 t-값을 얻을 확률을 나타냅니다. 분포 곡선 아래 어느 곳에서나 무작위로 착륙하기 위해 던져 질 수있는 마법의 다트를 상상해보십시오. 음영 지역에 착륙 할 확률은 얼마입니까? 계산 된 확률은 0.005712 입니다…..이는 0.006 으로 반올림됩니다…어느 것이…t-테스트 결과에서 얻은 p-값!

에 다른 단어를 받을 확률 t-값이 2.8 이상이,샘플링에서 동일한 모집단(여기서는 인구와 가설을 의미의 5),은 약 0.006.

가능성이 얼마나 높습니까? 별로! 비교를 위해,5 카드 포커 핸드에서 3-of-a-kind 를 처리 할 확률은 3 배 이상 높습니다(≈0.021).

이 모집단에서 샘플링 할 때이 높거나 높은 t-값을 얻을 확률이 너무 낮다는 점을 감안할 때 더 가능성이 있습니까? 이 표본이이 모집단에서 나오지 않을 가능성이 더 큽니다(가설 평균 5). 이 표본이 다른 모집단에서 나올 가능성이 훨씬 높으며 평균이 5 보다 큽니다.

재치에: 때문에 p-값이 매우 낮음(<알파준),를 거부하 null 설과가 있다는 결론 통계적으로 상당한 차이가 있습니다.

이런 식으로 T 와 P 는 불가분의 관계가 있습니다. 귀무 가설 하에서 결과의”극단”을 정량화하는 단순히 다른 방법을 고려하십시오. 다른 값을 변경하지 않고 하나의 값을 변경할 수는 없습니다.

t-값의 절대 값이 클수록 p-값이 작아지고 귀무 가설에 대한 증거가 커집니다.(위의 6 단계에서 t-분포에 대해 더 낮은 t 값과 더 높은 t 값을 입력하여이를 확인할 수 있습니다).

이 두 꼬리 후속 조치를 시도하십시오…

위에 표시된 t-분포 예는 모집단의 평균이 가설 값보다 큰지 여부를 결정하기 위해 한 꼬리 t-테스트를 기반으로합니다. 따라서 t-분포 예는 한 방향(분포의 오른쪽 꼬리)에서만 2.8 의 t-값과 관련된 확률을 보여줍니다.

t-분포를 사용하여 두 꼬리 t-테스트(양방향으로)에 대해 2.8 의 t-값과 관련된 p-값을 찾는 방법은 무엇입니까?

힌트:Minitab 에서 5 단계의 옵션을 조정하여 두 꼬리에 대한 확률을 찾습니다. Minitab 의 사본이없는 경우 무료 30 일 평가판을 다운로드하십시오.나는 이것이 내가 할 수있는 유일한 방법이라고 생각한다.