DATALINK

로그인

저온숙성 전후 딸기 상품가치 비교: 대응표본 t검정

로그인 하시면 체험하실 수 있습니다.

저온숙성 전후 딸기의 당도 비교

발행일 : 2023년 5월 19일

ISBN : 979-11-983244-2-9 (95320)

DOI

DOI

박근철

데이터링크 연구위원

https://orcid.org/0000-0002-3121-1113

양윤원

데이터링크 연구위원

https://orcid.org/

DATA TRAINING

데이터프레임: 개체는 범주에 속하고 속성을 가짐

데이터: 개체(원소)가 실현되면 집단(집합), 부분집단(부분집합)은 범주

개체(individual, object)는 속성에 따른 분포를 가짐

집단(population)은 범주(부분집단)에 따른 빈도수 분포를 가짐, 집단과 범주는 대표모수(대표값, 분포값)를 가짐. 집단내 대응된 두 속성 또는 범주는 관계모수(상관계수, 결정계수, 회귀계수)를 가짐.

확률은 범주에 부여되나 범주의 크기가 무한소가 되면 속성값이 되며 확률은 확률밀도가 됨

집단의 회귀(Regression): 집단의 회귀점(평균), 회귀선, 회귀면

판정 또는 선택의 데이터로 최적의 유의수준($\alpha$)과 모델의 회귀계수($\beta$), 가중치($w$)를 찾아내는 것이 인공지능

귀무가설($H_0$, 영가설, null hypothesis) - $p$값(유의확률) - $\alpha$(유의수준) - 검정(기각 또는 채택)

P02-1 대응표본 - 두 집단 모평균 비교 - 차이평균과 0 비교: 대응표본 t검정

P02-2 독립표본 - 두 집단 모평균 비교 - 평균차이와 0 비교 - 집단간분산과 집단내분산의 비와 1 비교: 독립표본 t검정

P02-3 독립표본 - 여러 집단 모평균 비교 - 집단간분산과 집단내분산의 비와 1 비교: 분산분석 F검정

P02-4 대응표본 - 표본상관계수와 0 비교: 상관분석 t검정

P02-5 대응표본 - 표본결정계수와 (1-표본결정계수)의 비와 1 비교: 단순선형회귀분석 F검정

P02-6 교차표 - 주변확률곱과 결합확률의 분포 비교 - 무(0)와 카이제곱 비교: 교차분석 카이제곱검정

대립가설($H_a$, 대안가설, alternative hypohthesis) - $p$값(유의확률) - $\alpha$(유의수준) - 검정(채택 또는 기각)

모집단과 단일표본 - 표본평균($\bar{X}$)으로 모평균($\beta_0$) 구간추정: 단일표본 t분포

모집단과 여러 단일표본 - 표본평균($\bar{X}$)으로 모평균($\beta_0$) 구간추정: 단일표본 t분포

모집단과 대응표본 - 표본회귀계수($\bf{b}$)로 모회귀계수($\bf{\beta}$) 구간추정: 대응표본 t분포

모집단과 여러 대응표본 - 표본회귀계수($\bf{b}$)로 모회귀계수($\bf{\beta}$) 구간추정: 대응표본 t분포

연구개발

주제, 가설검정

데이터생성

독립변수, 종속변수

프레임

표본종류, 확률변수 가정

확률모델

새로운 확률변수, 표집

통계모델

검정확률분포, 검정통계량

비교

귀무가설, 검정

코딩

구글시트

논문작성

p값

저온숙성한 딸기가 달다

등평균 가설 기각

저온숙성(범주): 이분형 변수

당도(속성): 연속형 확률변수

대응표본: 대응 속성의 상관

등분산성, 독립성

값차이

표본평균 중심극한정리

t분포

차이평균과 오차의 비

당도 차이평균은 0

유의확률과 유의수준으로 판정

구글시트 함수

데이터 수정

AI와 함께 논문작성

데이터 입력