나는 일반적으로 내 대답을 기반으로하고 문제가 테스트 프레임 워크에 어떻게 적용되는지에 대한 의견을 삽입합니다. 일반적으로 일반적인 귀무 가설 이 다음과 같은 테스트를 사용하여 비율이 동일한 지 테스트 할 수 있습니다 .χ2H0
H0:p1=p2=...=pk
즉, 모든 비율이 서로 같습니다. 이제 귀하의 경우 귀무 가설은 다음과 같습니다.
H0:p1=p2=p3
이고 대립 가설은
HA: at leat one pi is different for i=1,2,3
지금 수행하기 위해 χ2 테스트 다음 테스트 통계를 계산해야합니다. 테스트 통계 값은 다음과 같습니다.
χ2=∑i=1n(Oi−Ei)2Ei
어디
- χ2 = Pearson의 누적 검정 통계량으로, 무조건 분포에 접근합니다.χ2
- Oi = 관측 된 주파수
- Ei = 귀무 가설에 의해 주장되는 예상 (이론적) 주파수
- n = 테이블의 셀 수
귀하의 경우 이므로이 문제를 다음 표로 생각할 수 있습니다.
n=6
테스트 통계를 얻은 후에는 가설 테스트를 완료하는 방법에 대한 두 가지 옵션이 있습니다.
옵션 1) 검정 정적 를 귀무 가설 하의 적절한 임계 값 과 비교할 수 있습니다 . 즉, 이 참이면 행과 열이 있는 우발성 테이블 의 통계량은 도의 분포를 가져야합니다. 자유. 우리의 임계 값 계산 후 우리는 경우 우리는 귀무 가설을 거부합니다. 분명히 이면 귀무 가설을 기각 할 수 없습니다. χ2H0χ2RCχ2(R−1)×(C−1)χ∗χ2>χ∗χ2≤χ∗
그래픽으로 (모든 숫자가 구성됨) 다음과 같습니다.
그래프에서 검정 통계량 가 파란색 검정 통계량에 해당하는 경우이 검정 통계량이 임계 영역에 포함되지 않기 때문에 귀무 가설을 기각 할 수 없습니다 (예 : ). 또는 녹색 검정 통계량은 임계 영역에 속하므로 녹색 검정 통계량을 계산하면 귀무 가설을 기각 할 수 있습니다.χ2χ2<χ∗
귀하의 예에서 자유도는
df=(R−1)×(C−1)=(2−1)×(3−1)=1×2=2
옵션 2) 귀무 가설 하에서 검정 통계량과 관련된 p- 값을 계산할 수 있으며이 p- 값이 지정된 -level 보다 작 으면 귀무 가설을 기각 할 수 있습니다. p- 값이 수준 보다 크면 귀무 가설을 기각 할 수 없습니다. p- 값은 분포가 검정 통계량보다 클 확률입니다.ααχ2(R−1)×(C−1)
그래픽으로 우리는
여기서 p- 값은 테스트 통계량보다 큰 영역 (예제에서 파란색 음영 영역)으로 계산됩니다.
따라서 이면 귀무 가설 을 기각하지 않으면α>p-valueH0
경우 귀무 가설 거부α≤p-valueH0