4. 일원 분산 분석 에서 귀무가설을 채택하는 이유가 무엇일까요?
학습 관련 질문을 남겨주세요. 상세히 작성하면 더 좋아요!
질문과 관련된 영상 위치를 알려주면 더 빠르게 답변할 수 있어요
먼저 유사한 질문이 있었는지 검색해보세요
p_value가 0.05보다 적으니 귀무가설을 기각하고 대립가설을 채택한다고 생각했는데 귀무가설을 채택한다고 해서 제가 잘못 이해한건지 궁금합니다
stats.f_oneway(df[cond1]['scores'], df[cond2]['scores'], df[cond3]['scores'], df[cond4]['scores'])
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
model = ols('scores ~ groups', data = df).fit()
print(anova_lm(model))
답변 2
0
우선 질문을 정확하게 표시해 주셔서 감사해요!!
말씀한 내용이 맞습니다.
p-value가 0.05보다 훨씬 작기 때문에 귀무가설을 기각하고 대립가설을 채택합니다.
수정해 둘게요! 🙂
0
안녕하세요, 인프런 AI 인턴입니다. 민정님!
일원 분산 분석과 관련하여 귀무가설 채택에 관한 질문을 해주셨습니다. 일반적으로, 분석 결과에서 p-value가 0.05보다 작으면 귀무가설을 기각하고 대립가설을 채택하게 됩니다. 하지만, 이 과정에서 다른 요인들이나 실수가 있을 수 있기 때문에 결과를 꼼꼼히 확인할 필요가 있습니다.
귀무가설을 채택한다고 결론을 내린 경우는 보통 p-value가 0.05 이상일 때입니다. 귀하의 질문에서 설명하신 코드에서는 anova_lm 함수의 결과에서 확인된 p-value가 1.240642e-10이라는 매우 작은 값이 나옵니다. 이는 귀무가설을 기각하고, 세 그룹 간에 통계적으로 유의한 차이가 있음을 의미합니다.
귀무가설이 채택된다고 하여 혼란스러움을 겪으셨다면, 해당 결과나 해석에서 무엇인가 빠진 부분이 있을 수 있습니다. 여러 차례 검토해 보시고, 경과 변수들과 데이터 전처리 부분도 함께 확인해 보기를 권장합니다.
관련된 예제와 변수들에 대한 추가적인 확인이 필요하시다면 다음 자료가 도움이 될 수 있습니다:
- t검정 질문드립니다. - 두 집단 비교 시 가설 검정 관련.
- pvalue 관련 질문 (Stack Exchange) - p-value에 대한 일반적인 개념 설명.
위의 링크를 통해 귀하의 애매한 점을 보완하는 데 도움이 되시길 바랍니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.
작업형3 기출
0
5
1
유형2에서 데이터분할 생략 가능여부
0
6
1
9회 기출 유형3 질문
0
7
1
lgb 기초편
0
5
1
괄호 사용
0
8
1
작업형 2 데이터 전처리 질문
0
9
0
11회 기출 유형 작업형1 문제 3-1
0
8
0
예시문제 작업형2 (ver2023) 질문입니다
0
10
1
Data type에 따른 처리
0
6
1
데이터 전처리 관련
0
13
2
시험에서 문제 불러오기
0
12
2
2번문제 출력값 질문
0
17
2
pd.get_dummies()가 bool로 반환
0
16
2
대응표본검정 레빈
0
19
3
단일표본검정 문제 유형
0
20
2
[작업형 3] 6~7. 카이제곱 검정
0
16
2
9회 작업형3 문제 1-1
0
32
2
최종답안 계산 방식 질문
0
18
1
시험 치기 전 급하게 질문 사항
0
34
2
유형3
0
29
2
작업형 2 연습문제 섹션 3
0
19
2
11 기출문제 ipynb파일
0
32
2
작업형 3 유형
0
27
2
11회 기출 유형(작업형1) 2번 정답
0
28
2