t-test
Differences
This shows you the differences between two versions of the page.
| Both sides previous revisionPrevious revisionNext revision | Previous revisionNext revisionBoth sides next revision | ||
| t-test [2020/10/06 15:32] – [모집단의 평균만을 알고 있을 경우, 예] hkimscil | t-test [2022/04/24 19:02] – [예 2] hkimscil | ||
|---|---|---|---|
| Line 519: | Line 519: | ||
| According to (1), $t_{cal}=3.844$ . Then what is the value of $df$ (case number-1)? = (16-1) = 15. | According to (1), $t_{cal}=3.844$ . Then what is the value of $df$ (case number-1)? = (16-1) = 15. | ||
| When critical value = .05, $ t_{crit} = \pm{2.13} $ | When critical value = .05, $ t_{crit} = \pm{2.13} $ | ||
| + | |||
| + | ==== 예 1 ==== | ||
| < | < | ||
| Line 633: | Line 635: | ||
| </ | </ | ||
| + | ==== 예 2 ==== | ||
| + | < | ||
| + | # sample size = n | ||
| + | n <- 36 # 36명이 있다 | ||
| + | # 이들이 평가한 네이버의 UI 점수는 76점이고 | ||
| + | # 이들이 시간을 두고 평가한 새로운 네이버의 UI는 80점이라고 하고. | ||
| + | # 이 차이가 UI가 향상했다는 증거로 삼을 수 있는지 검증하고자 한다. | ||
| + | n <- 36 | ||
| + | rnorm2 <- function(n, | ||
| + | set.seed(101) | ||
| + | time1 <- rnorm2(n, 76, 5) | ||
| + | time2 <- rnorm2(n, 80, 5) | ||
| + | time1 | ||
| + | time2 | ||
| + | # 위에서 t1과 t2는 동일한 집단 (샘플) | ||
| + | # 샘플의 평균이 다를 뿐 | ||
| + | time.diff <- time2 - time1 | ||
| + | mean.diff <- mean(time.diff) | ||
| + | se.diff <- sd(time.diff)/ | ||
| + | t.calc <- mean.diff/ | ||
| + | mean.diff | ||
| + | se.diff | ||
| + | t.calc | ||
| + | # 위의 t calculated value를 t distribution table의 t값과 비교 (t critical value) | ||
| + | # t.crit 값은 qt를 이용해서 구함 | ||
| + | t.crit <- qt(.975, 35) # n-1 = 35 | ||
| + | t.crit | ||
| + | |||
| + | t.calc > t.crit | ||
| + | # 위의 값이 true이므로 t2와 t1 간의 차이가 충분히 크다고 판단하여 | ||
| + | # naver의 UI 점수가 t2에서 좋아졌다고 검증한다. | ||
| + | </ | ||
| + | |||
| ===== 가설테스트, | ===== 가설테스트, | ||
t-test.txt · Last modified: 2022/07/07 10:05 by hkimscil