hypothesis testing (가설검정)

null hypothesis(h₀, 귀무가설)

The hypothesis that we want to varify during the research.
연구에서 주장하고 싶은(채택하고 싶은) 내용과 반대되는 가설.

alternative hypothesis(h₁, 대립가설)

The opposite of the null hypothesis.
귀무가설이 기각되었을 때, 대신 채택되는 가설. 연구에서 주장하고 싶은 내용.

hypothesis testing(가설검정)

관측된 데이터로부터 모집단에 대한 가설을 설정하고 표본을 통해 얻는 정보에 따라 타당성을 검증.

1. 가설 설정 (기각하고 싶은 귀무가설 / 채택하고 싶은 대립가설)
2. 확률분포와 판정 기준(유의수준) 결정
3. 검정통계량 계산
4. 확률계산
5. 가설 판정
   • 확률이 기준보다 작다 = reject h₀ –> 귀무가설은 옳지 않다 –> 대립가설이 옳다
   • 확률이 기준보다 크다 = accept h₀ –> 귀무가설이 옳을지도 모름(흔히 있는 일이 일어남)
     
     
     

Significance level(유의수준) α

귀무가설을 기각할 판단의 기준이 되는 정확도.
보통 분포의 양측에서 5%(α = 0.05)

p-value

귀무가설 분포에서 검정통계량보다 극단적인 값이 관측될 확률 = 귀무가설을 기각할 수 있는 가장 낮은 유의수준. 작을수록 바람직.

Type 1 error (1종 오류)

Reject h₀ when h₀ is actually true.
e.g
h₀: I don’t have covid virus.
Test result shows that I have covid virus but I don’t have covid virus in reality.

Type 2 error (2종 오류)

Accept h₀ when h₀ is actually false.
e.g
h₀: I don’t have covid virus.
Test result says that I don’t have covid virus but I actually have.

Type 1 vs. Type 2 error

When null hypothesis is	True	False
Rejected	Type 1 error False positive (p = α)	Correct decision True positive (p = 1 - β)
Not rejected	Correct decision True negative (p = 1 - α)	Type 2 error False negative (p = β)

★ 더 많은 내용 보러가기 click click! ★