전통적으로 귀무 가설 은 포인트 값입니다. (일반적으로 이지만 실제로는 모든 포인트 값이 될 수 있습니다.) 다른 가설은 실제 값은 null 값 이외의 다른 값이라는 것 입니다. 연속 변수 (예 : 평균 차이)는 무기한 값과 거의 같지만 여전히 동일하지 않은 값을 취하여 귀무 가설을 거짓으로 만들 수 있기 때문에 기존의 귀무 가설을 입증 할 수 없습니다. 0
귀무 가설이 이고 관측 한 평균 차이가 0.01이라고 가정 합니다. 귀무 가설이 참이라고 가정하는 것이 합리적입니까? 당신은 아직 모른다; 신뢰 구간 이 어떻게 보이는지 아는 것이 도움이 될 것 입니다. 95 % 신뢰 구간은 ( − 4.99 , 5.01 이지만 95 % CI는 ( 0.005 ,00.01 . 이제 실제 값이 0 이라고 결론 내릴까요? CI가 매우 넓고 합리적으로 의심 할만한 0이 아닌 많은 값이 데이터와 일치하기 때문에 편안하게 말할 수 없습니다. 이제 훨씬 더 많은 데이터를 수집하고 관측 된 평균 차이는 0.01 이라고 가정하겠습니다.( - 4.99 , 5.01 ) 00.01 입니다. 관측 된 평균 차이는 동일하게 유지되었지만 (실제로 발생하면 놀라 울 것입니다.) 신뢰 구간은 이제 널값을 제외합니다. 물론 이것은 생각 실험 일 뿐이지 만 기본 아이디어를 명확하게해야합니다. 우리는 진정한 가치가 특정 포인트 가치라는 것을 결코 증명할 수 없습니다. 우리는 그것이 어떤 포인트 가치라는 것을 (아마도) 반증 할 수 있습니다. 통계적 가설 검정에서 p- 값이> 0.05 (및 95 % CI에 0이 포함됨)는 귀무 가설이 참인지 확실하지 않다는것을 의미합니다.( 0.005 , 0.015 )
구체적인 경우에 대해, 대안적인 가설이 평균 차이가 이고 귀무 가설이 0이 아닌 다른 테스트를 구성 할 수 없습니다 . 이는 가설 검정의 논리를 위반합니다. 그것이 실질적이고 과학적인 가설이라는 것은 합리적이지만 가설 검정 상황에서는 대체 가설이 될 수 없습니다. 0
그래서 당신은 무엇을 할 수 있습니까? 이 상황에서는 동등성 테스트를 사용합니다. ( 등가 태그 를 클릭하여이 주제에 대한 일부 스레드를 읽을 수 있습니다 .) 일반적인 전략은 양면 테스트 방식을 사용하는 것입니다. 간단히 말해서, 실제 평균 차이가 0 일 수도있는 구간을 선택합니다.0당신이 신경 쓸 수있는 모든 것에 대해, 당신은 관찰 된 값이 그 구간의 상한보다 작은 지 여부를 결정하기 위해 단측 테스트를 수행하고, 그 값이 하한보다 큰지 확인하기위한 또 다른 단측 테스트를 수행합니다. 이 두 테스트가 모두 유의하면 실제 값이 관심 구간을 벗어났다는 가설을 기각 한 것입니다. 하나 (또는 둘 다)가 중요하지 않은 경우 실제 값이 구간을 벗어났다는 가설을 기각 할 수 없습니다.
예를 들어 구간 내의 모든 것이 0에 너무 가까워서 목적에 따라 0과 같다고 생각한다고 가정하고이를 실질적인 가설로 사용하십시오. 이제 위에서 설명한 첫 번째 결과를 얻는다고 상상해보십시오. 비록 0.01( − 0.02 , 0.02 ) 0.01 내의 모든 것이 해당 구간 내에 속한다고 가정하면 한쪽 t- 검정에서 귀무 가설을 기각 할 수 없으므로 귀무 가설을 기각 할 수 없습니다. 반면에 위에서 설명한 두 번째 결과가 있다고 상상해보십시오. 이제 관찰 된 값이 지정된 간격 내에 있고 상한보다 작거나 하한보다 더 크게 표시 될 수 있으므로 널을 거부 할 수 있습니다. (그것은 당신이 거부 할 수 있음을 주목할 가치가 모두 진정한 가치가 있다는 가설 , 및 가설은 외부의 간격의 진정한 가치 거짓말 ( -0 처음에는 난처한 것처럼 보이지만 가설 검정의 논리와 완전히 일치합니다.) ( − 0.02 , 0.02 )