CODEDRAGON ㆍDevelopment/Big Data, R, ...
p-value 값
· p-값의 유의수준은 일반적으로 5%(0.05; 신뢰도 95%)를 사용합니다.
· 귀무가설이 맞다고 가정할 때 얻은 결과보다 극단적인 결과가 실제로 관측될 확률을 의미합니다.
· p-값이 0.0000004756(4.756e-07)로 유의수준 5%(0.05; 신뢰도 95%)하에서 추정된 회귀모형이 통계적으로 매우 유의함을 확인할 수 있습니다. p-값이 유의수준에 가까운 경우 1종 오류를 범할 확률이 상대적으로 커지게 됩니다(유의하지 않음).
· p-value는 귀무가설이 참일 때 주어진 데이터가 관찰될 확률입니다. 따라서 p-value가 작다면 귀무가설이 참이라고 믿었는데 관찰된 데이터는 그 가정 하에서는 좀처럼 볼 수 없는 값이었다는 뜻입니다.
· p-value가 작다면 귀무가설이 사실이 아니라고 볼 수밖에 없으므로 대립가설을 참이라고 판단합니다. 이를 통계 용어로 '귀무가설을 기각(reject)하고 대립가설을 채택(accept)한다'고 표현한다. 반대로 p-value가 크다면 귀무가설을 기각할 수 없으므로 대립가설을 기각하게 됩니다. 즉, p-value는 귀무가설을 지지하는 정도입니다.
p-value 값 |
통계 의미 |
p-value가 작다
5%보다 작다
p-value < 0.05 |
귀무가설을 기각(reject)하고 대립가설을 채택(accept)한다 |
p-value가 크다
5%보다 크다
p-value > 0.05 |
귀무가설을 기각할 수 없으므로 대립가설을 기각(reject)한다. 즉, 귀무가설을 채택한다. 귀무가설에 95%의 신뢰를 준다. |
'Development > Big Data, R, ...' 카테고리의 다른 글
2.Summary - 2. 데이터 세트 분할하기 (0) | 2019.12.25 |
---|---|
dplyr 패키지 (0) | 2019.12.24 |
2.Summary - 2.빅데이터 수집 시스템 구성하기 (0) | 2019.12.24 |
1.Summary - 1.빅데이터 플랫폼 인프라구조 설계하기 (0) | 2019.12.23 |
3.Summary - 3.빅데이터 품질관리모듈 개발하기 (0) | 2019.12.23 |