Please enable JavaScript.

Coggle requires JavaScript to display documents.

이변량 가설 검증, 시험: 수요일 오전 10시, 면담: 그 주, 기대되는 관측치로 보정, 독립적으로 정해질 수 있는 자료 대상의 수,…

- - - - X와 Y의 인과관계를 알려주는 것은 아님
  - - - p <= 0.05
- - - - 카이제곱
        
        χ² = Σ((O - E)² / E)
        
        O: 각 셀에서 관찰된 사례 수, E: 두 변수 간에 관계가 없다고 가정할 때 각 셀에서 기대되는 수
        
        해석
        
        임계값(p값)보다 큰 경우, 두 변수 간 관계가 있음
        
        임계값보다 작은 경우, 두 변수 간 관계가 없음
        
        자유도
        
        df=(행의 수 - 1)(열의 수 - 1)
        
        클수록 관계있음
  - - - t-검정
        
        y= (y1bar-y2bar) / se(y1bar-y2bar)
        
        특징
        
        y1bar-y2bar의 값이 클수록 t 값이 0에서 멀어짐
        
        해석
        
        통계적 유의 수준과 자유도에 따른 임계점보다 크면 귀무가설 기각
        
        통계적 유의 수준과 자유도에 따른 임계점보다 작으면 귀무가설 기각 어려움
  - - - 정의
        
        두 연속 변수 간의 일반적인 연관 패턴 혹은 부재를 요약함
      - 식
        
        covXY = Σi=1 (Xi − X̄)(Yi − Ȳ) / (n − 1)
        
        X_i-Xbar 혹은 Y_i-Ybar가 양수 혹은 음수인가?
        
        양의 관계
        
        모두 양수, 모두 음수
        
        음의 관계
        
        양, 음 혹은 음, 양
        
        해석
        
        0에 가까울수록 두 변수 간 관계 불투명
    - - r = covXY / rt(varX varY)
      - -1 <= r <= 1
      - tr = r √((n - 2)/(1 - r²))
        
        해석
        
        p-value와 df에 따른 t의 임계점보다 크다면
        
        p-value의 값보다 작다
        
        귀무가설 기각 가능