해결된 질문
작성
·
76
0
주어진 데이터는 4가지 다른 교육 방법을 적용한 대학생들의 학점 결과이다. 이 실험에서는 비슷한 실력을 가진 학생 40명을 무작위로 4개(A, B, C, D)그룹으로 나누었고, 각 그룹은 다른 교육 방법을 적용했다. 학생들의 학점 결과에는 교육 방법에 따른 차이가 있는지 유의수준 0.5하에서 검정하시오.
귀무가설(H0): 네 가지 교육 방법에 의한 학생들의 학점 평균은 동일하다.
대립가설(H1): 적어도 두 그룹의 학점 평균은 다르다.
해당 문제의 사후분석에서, stats.ttest_ind는 4개의 그룹이 독립표본이라 그런건가요?
만약 대응표본이라면 mc.allpairtest(stats.ttest_rel, method='bonf')이라고 쓰면 될까요?
# Bonferroni(본페로니) mc = MultiComparison(df_melt['value'], df_melt['variable']) bon_result = mc.allpairtest(stats.ttest_ind, method='bonf') print(bon_result[0])
1) 정규성 만족, 단일표본 > mc.allpairtest(stats.ttest_1samp, method = 'bonf')
2) 정규성 만족, 대응표본 > mc.allpairtest(stats.ttest_rel, method = 'bonf')
3) 정규성 만족, 등분산 만족, 독립표본 > mc.allpairtest(stats.ttest_ind, method = 'bonf')
4) 정규성 불만족, 단일 or 대응표본 > mc.allpairtest(stats.wilcoxon, method = 'bonf')
5) 정규성 및 등분산 불만족, 독립표본 > mc.allpairtest(stats.mannwhitneyU, method = 'bonf')
이렇게 5가지가 가능한게 맞을까요?