답변:
글쎄요, 저는 비 통계 학자로부터 엄밀한 대답을 할 수 있습니다. 우도 비 방법은 분자 가설이 분모 가설의 부분 집합에 대응하기 때문에 분모 최대 우도가 항상 분자 최대 우도만큼 결과를 제공한다는 사실에 의존합니다. 결과적으로 비율은 항상 0과 1 사이입니다.
중첩되지 않은 가설 (예 : 2 개의 다른 분포 테스트)을 갖는 경우 가능성 비율은> 1 => -1 * 로그 가능성 비율은 <0 => 일 수 있습니다. 이는 확실히 chi2 분포가 아닙니다.
가설 검정을 수행하려면 연구 가설을 귀무 가설과 대립 가설로 표현해야합니다 . 귀무 가설 및 대립 가설은 모집단에서 발생하는 차이 또는 효과에 대한 설명 입니다. 표본을 사용하여 어떤 문 (예 : 귀무 가설 또는 대립 가설)이 가장 가능성이 높은지 테스트 할 수 있습니다 (기술적으로는 귀무 가설에 대해 증거를 테스트 함).
귀무 가설은 본질적으로 "악마의 옹호자"입장입니다. 즉, 당신이 증명하려고하는 것은 일어나지 않았다고 가정합니다 (힌트 : 일반적으로 무언가가 0이라고 나타납니다).
여기를 보면 이 텍스트를 찾을 수 있습니다.
가설 검정은 통계에서 필수적인 절차입니다. 가설 검정 은 모집단 에 대한 두 개의 상호 배타적 인 진술을 평가 하여 표본 데이터가 가장 잘 뒷받침하는 진술을 결정합니다. 결과가 통계적으로 유의하다고 가정하면 가설 검정 덕분입니다.
가설 수락 / 거부에 대해 여기서 흥미로운 답변을 찾을 수 있습니다.
일부 연구자들은 가설 검정이 두 가지 결과 중 하나를 가질 수 있다고 말합니다. 귀무 가설을 받아들이거나 귀무 가설을 기각합니다. 그러나 많은 통계 학자들은 "무 가설 수용"이라는 개념에 대해 문제를 제기합니다. 대신 그들은 귀무 가설을 기각하거나 귀무 가설을 기각하지 못한다고 말합니다 .
"수락"과 "거부 실패"의 차이점은 무엇입니까? 수용은 귀무 가설이 참임을 암시합니다. 거부하지 않으면 데이터가 귀무 가설보다 대립 가설을 선호하기에 충분히 설득력이 없다는 것을 의미합니다 .