통계적 가설 검정: t -검정, F -검정(분산분석), Z -검정(비율검정), χ2 검정

t-검정 (Student's t-test)

평균값의 차이를 비교

귀무가설: 두 그룹의 평균이 같다.

 - 단일 표본 t-검정(One-sample t-test) : 샘플의 평균이 기존의 평균과 다른지를 비교

   ( 새로운 약의 평균 효과가 기존 약의 평균 효과 )

 - 독립 표본 t-검정 (Independent Samples t-test): 두 모집단에서 얻은 샘플의 평균을 비교

   ( 남자와 여자 그룹 간의 평균 키 차이 )
 - 대응 표본 t-검정 (Paired Samples t-test): 같은 개체나 단위에서 두 가지 조건을 비교

   ( 동일한 환자 집단에서 약을 투여하기 전과 후의 평균 혈압 차이 )

F-검정 (분산분석, Analysis of Variance, ANOVA)
세 개 이상의 그룹 간의 평균 차이를 비교
귀무가설: 그룹 간의 평균이 모두 같다.
 - 일원분산분석 (One-way ANOVA): 하나의 독립 변수(그룹)에 따른 종속 변수(수치형 데이터)의 평균 차이를 비교

   ( 비료 종류 (A, B, C) 가 감자 수확량에 미치는 영향 )
 - 이원분산분석 (Two-way ANOVA): 두 개의 독립 변수(그룹)에 따른 종속 변수의 평균 차이를 비교

   ( 비료 종류(A, B, C)와 논밭 위치(North, South)가 감자 수확량에 미치는 영향 )

 

Z-검정 (비율검정, Z-test for Proportions)
두 개의 비율(비율 데이터)이 통계적으로 유의미하게 다른지를 검정

Z-검정은 주로 모집단의 표준편차를 알고 있는 상황에서 사용되며, 

모집단의 표준편차를 모를 경우에는 t-검정을 사용하는 것이 일반적
귀무가설: 두 비율이 같다.

 - 비율의 차이 검정( 두 집단의 성공 비율 )

 - 평균의 차이 검정( 두 집단 간의 평균 IQ 차이를 검정 )

𝜒² 검정 (Chi-squared Test)
범주형 데이터의 독립성 검정이나 적합도 검정

귀무가설: 변수들 간에 연관성이 없다(독립적이다) 또는 관측된 데이터가 기대와 일치한다.
 - 독립성 검정 (Test of Independence): 두 개 이상의 범주형 변수가 서로 독립적인지를 검정

   ( 성별과 흡연 여부 간의 관계를 검정하여 성별에 따라 흡연 성향이 달라지는지 )
 - 적합도 검정 (Goodness of Fit Test): 관측된 빈도가 기대된 빈도와 일치하는지를 검정
   ( 주사위를 여섯 번 던졌을 때 각 숫자가 나오는 빈도가 기대되는 빈도와 일치하는지 )