문과생 네버랜드의 데이터 창고

카이제곱 검정이란 1) 카이제곱 분포에 기반한 가설검정 방법 ${(1)}$ 각 명목형 데이터의 빈도(Count)를 확률변수로 취급하고, 관측값과 기댓값 사이에 유의미한 차이가 있는지를 검정 ${(2)}$ 다음의 가설을 검정한다. -. $H_{0}$ : $p_{1} = p_{10} / p_{2} = p_{20} / ... / p_{k-1} = p_{(k-1)0}$ -. $H_{1}$ : 적어도 하나는 다르다 -. 이때, $p_{k-1}$은 검정의 대상이 되는 지정된 어떤 값이다. 2) 카이제곱 검정식의 유도 ${(1)}$ 2차까지의 항을 우선 구해보고, 이를 토대로 일반화된 패턴을 끌어내본다. -. $ X_{1} $를 다변량 정규분포를 구성하는 확률변수 중 하나라고 하자. $$ X_{1} \sim b(n,..

양측검정 1) 가설검정에서 계속해서 확인했던 가설검정은 모두 한쪽 방향으로만 가설을 검정하는 단측검정이었다. ${(1)}$ 예를 들어, 마지막 예제에서 봤던것과같은 다음과 같은 가설이다 $$H_{0} : T_{1} = \omega_{0} \ vs \ H_{1} : T_{1} > \omega_{0}$$ ${(2)}$ 양측검정은 위와 같은 가설을 확장하여, 다음과 같은 가설을 검정할 수 있도록 한다 $$H_{0} : T_{1} = \omega_{0} \ vs \ H_{1} : T_{1} \neq \omega_{0}$$ -. '좌측이 크다'는 가설이 '같지 않다'로 바뀐것에 주목하자 2) (정규분포를 활용한) 평균에 대한 대표본 양측검정 ${(1)}$ X가 평균 $\mu$, 분산 $\sigma^{2}$를 가지..