유의수준(significance level; α), 귀무가설(H0)과 대립가설(H1)의 채택

CODEDRAGON Development/Big Data, R, ...

반응형



 

 

유의수준(significance level; α)

·         level of significance

·         계산된 유의 확률 값에 대해 귀무 가설을 기각하는지 채택하는지를 결정할 있는 기준 값입니다.

·         p-value 크다, 작다로 나누는 기준입니다.

·         유의수준의 값은 기호 α 표시합니다.

·         가설검정 , 허용 가능한 1 오류의 최대치입니다.

·         연구자가 세운 대립가설의 채택 여부를 판단하는 기준입니다.

·         기준값인 유의수준(α)보다 작으면 귀무가설이 나올 가능성이 적다고 판단하여 귀무가설을 기각(reject)합니다.

·         유의수준으로는 0.05(5%), 0.01(1%), 0.1(10%) 개의 값을 사용하는데 보통 0.05 사용됩니다. , p-value 5%보다 크다면 귀무가설을 채택합니다. 이는 귀무가설에 95% 신뢰를 주는 것입니다. 이처럼 귀무가설에 특혜를 주는 이유는 확실한 증거가 없이는 변수 간에 상관관계가 있다고 말하지 않기 위함입니다.

 

 

 

 

귀무가설(H0) 대립가설(H1) 채택

·         "귀무 가설이 맞음에도 불구하고 대립 가설을 옹호하는 현재의 검정 통계량과 같은(혹은 대립 가설을 옹호하는) 표본 데이터가 나올 확률" 해석할 있습니다.

·         유의 확률의 값이 아주 작다는 것은 귀무 가설이 맞다는 가정하에 현재의 검정 통계량 값이 나올 가능성이 매우 적다는 의미입니다. 따라서 유의 확률의 값이 아주 작으면 귀무 가설을 기각하고 대립 가설을 채택하게 됩닏.

·         α 0.05일때 p-value 크고 작음을 비교하여 귀무가설(H0) 대립가설(H1) 채택을 결정합니다.

 

p-value (α=0.05)

귀무가설(H0)

대립가설(H1)

p-value > α

채택

기각

p-value < α

기각

채택

 

 


반응형

'Development > Big Data, R, ...' 카테고리의 다른 글

lm()  (0) 2020.02.07
가설 검정의 오류  (0) 2020.02.07
summary() 함수의 결과 해석 - 데이터  (0) 2020.02.07
강화 학습(RL; Reinforcement Learning)  (0) 2020.02.06
재현율(Recall) & 정밀도(Precision) 예시  (0) 2020.02.06