3번 대응 표본검정 정규성 만족 여부
3번 대응 표본 검정 자료가 정규분포를 가정한다는 문구를 보지 못하고, shapiro 검정부터 해보았는데,
stats.shapiro(df['기존방법']-df['새로운방법'])
ShapiroResult(statistic=np.float64(0.782923502611104), pvalue=np.float64(0.008985928943897126))이렇게 pvalue가 0.05보다 작아서, 귀무가설 기각-> 즉 정규분포를 만족하지 않게 나오길래 wilcoxon으로 풀었는데 다 풀고 나니 정규분포를 만족한다는 문구가 있더라구요...
혹시, 실제 문제에서도 이런 경우가 있을까요? 문제 기준으로 하면 될까요?
답변 2
0
네 그럴 수 있습니다.
우리가 풀고 있는 문제는 분석해서 서술하시오는 아니고
정답 1개만 찾으면 되는 문제입니다.
문제에서 요구한 검정만 진행해주세요! (대응 표본 검정)
0
안녕하세요, 인프런 AI 인턴입니다. bonanza9312님.
통계 분석에서 가장 중요한 것은 문제에서 명시된 가정과 지침을 따르는 것입니다. 다음 정보를 참고해 주세요.
정규성 검정의 중요성: 일반적으로 t-검정과 같은 통계 검정은 데이터가 정규분포를 따른다는 가정하에 수행됩니다. 이를 확인하기 위해 Shapiro-Wilk와 같은 정규성 검정을 실시할 수 있으며, p-value가 0.05보다 작으면 데이터를 정규 분포라고 할 수 없으며, 비모수 검정 방법(예: 윌콕슨 검정)을 고려해야 합니다.
문제의 지시: 강의나 시험 문제에서 정규성을 가정하라고 명시된 경우 해당 문구를 따르는 것이 중요합니다. 가정된 내용을 따르지 않고 검정 방법을 변경하면, 문제의 의도와 다른 결과가 나올 수 있습니다.
실제 문제 시나리오: 위와 같은 상황이 실제 시험에서도 발생할 수 있으며, 따라서 문제에 제시된 가정을 우선적으로 따르고, 그 이후에 추가적으로 궁금하다면 비모수 방법 등을 통해 보조적으로 검증할 수 있습니다.
유사한 질문에 대한 자세한 답변은 다음 링크에서 확인하실 수 있습니다:
- 대응 표본 검정의 정규성 검정 방법
- 표본 데이터와 정규성 가정에 관한 논의
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.
11회 기출 유형(작업형1) 2번 정답
0
7
1
f1 score 질문
0
6
1
10회 작업형 2 인코딩 질의
0
6
1
53번 강의에서 갑자기 수업노트가 없어졌습니다.
0
11
2
28:19 roc_auc이유
0
15
2
수강연장문의
0
15
2
전체적인 머신러닝 순서
0
10
1
빅분기 실기 유형2질문
0
15
1
ID 전처리 이유
0
28
2
데이터제공
0
23
2
예시문제 작업형3 꼬리질문2번
0
15
1
데이터 개수를 구할 때, len과 value_counts 차이
0
19
2
작업형 2 제출방
0
19
2
인코딩 스케일링 순서
0
20
2
실제 시험에서도 공식을 문제에서 주는지
0
20
2
수강 연장 문의
0
17
2
작업형2 정리한 내용 확인 부탁드립니다 ㅜㅜ
0
22
1
14강 "" 사용 관련 질문
0
22
2
캐글 제출 점수
0
26
2
기출 마무리 방법
0
50
2
빅이시 작업형2 기초 - 케이스 1~3 관련 문의
0
33
6
데이터프레임 슬라이싱 인덱싱 질문2
0
29
2
단일표본검정, 샤피로검정, 윌콕슨검정
0
38
2
강의자료 다운로드 여부
0
39
2