두 모집단 평균의 차이에 대한 추론 :
1과
2가 알려지지 않은 경우
1 – 2 의 신뢰구간 추정
1 – 2의 가설 검정
1-
2의 신뢰구간 추정 :
1과
2가 알려지지 않은 경우
1 과 2 을 모르고 있을 때 :
•
z/2 를 t/2로 대체•
표본의 표준편차 s1 과 s2 을 σ1과 σ2의 추정치로 이용2 2
1 2
1 2 / 2
1 2
s s x x t
n n
12
221 2 / 2
1 2
s s x x t
n n
t/2 에 대한 자유도:
1-
2에 대한 신뢰구간 추정 :
1과
2가 알려지지 않은 경우
신뢰구간 추정치
2 2 2
1 2
1 2
2 2
2 2
1 2
1 1 2 2
1 1
1 1
s s
n n
df
s s
n n n n
2 2 2
1 2
1 2
2 2
2 2
1 2
1 1 2 2
1 1
1 1
s s
n n
df
s s
n n n n
예 : Specific Motors
두 모집단 평균의 차이 :
1과
2가 알려지지 않은 경우
Detroit의 Specific Motors는 M car라는 새로운 자동 차를 개발 하였다.
연비 (miles-per-gallon: mpg) 비교를 위해 M car 24대와 J cars 28대(일본산) 로 실험을 하였다. 표본통계량은 다음 슬라이더에 제공되어 있다.
두 모집단 평균의 차이 :
1과
2가 알려지지 않은 경우
예 : Specific Motors
표본규모 표본평균
표본표준편차 표본#1
M Cars
표본 #2 J Cars 24 대 28 대 29.8 mpg 27.3 mpg 2.56 mpg 1.81 mpg
두 모집단 평균의 차이 :
1과
2가 알려지지 않은 경우
두 자동차 연비의 모집단 평균의 차이에 대하여 90%의 신뢰구간을 추정해 보자.
예 : Specific Motors
1 2 의 점추정치 = xx11 xx22
1
2의 점추정치
여기서:
1 = M car의 평균연비(mpg)
2 = J car 의 평균연비(mpg)
= 29.8 - 27.3
= 2.5 mpg
1
2의 구간 추정
1과
2가 알려지지 않은 경우
t/2 의 자유도:
2 2 2
2 2
2 2
(2.56) (1.81)
24 28
24.07 24 1 (2.56) 1 (1.81)
24 1 24 28 1 28
df
2 2 2
2 2
2 2
(2.56) (1.81)
24 28
24.07 24 1 (2.56) 1 (1.81)
24 1 24 28 1 28
df
/2 = .05 이고, df = 24, t/2 = 1.711
1
2의 구간추정 :
1과
2가 알려지지 않은 경우
2 2 2 2
1 2
1 2 / 2
1 2
(2.56) (1.81)
29.8 27.3 1.711
24 28
s s
x x t
n n
12 22 2 2
1 2 / 2
1 2
(2.56) (1.81)
29.8 27.3 1.711
24 28
s s
x x t
n n
M cars 와 J cars의 평균 연비 차이가 1.431 에서 3.569 mpg 이다는 것을 90% 신뢰한다.
2.5 + 1.069 또는 1.431에서 3.569 mpg
1
2에 대한 가설검정 :
1과
2가 알려지지 않은 경우
가설
1 2 0
2 2
1 2
1 2
( x x ) D t
s s
n n
1 2 0
2 2
1 2
1 2
( x x ) D t
s s
n n
1
2 0a
:
Ha
:
1
2 D0H D
0
:
1 2 0H0
:
1
2 D0H D
0
:
1 2 0H0
:
1
2 D0H D
1
2 0a
:
Ha
:
1
2 D0H D
0
:
1 2 0H0
:
1
2 D0H D
1
2 0a
:
Ha
:
1
2 D0H D
왼쪽 검정 오른쪽 검정 양측 검정
검정통계량
예: Specific Motors
1
2에 대한 가설 검정 :
1과
2가 알려지지 않은 경우
0.05 의 유의수준에서, M cars의 연비 (mpg) 가 J cars의 연비 (mpg)보다 크다고 결론을 내릴 수 있는 가?
H0: 1 - 2 < 0 Ha: 1 - 2 > 0 여기서:
1 = M cars 모집단의 평균 mpg
2 = J cars 모집단의 평균 mpg 1. 가설 수립
p –값과 임계값을 이용한 방법
1
2에 대한 가설 검정 :
1과
2가 알려지지 않은 경우
2. 유의수준 설정 3. 검정통계량 계산
= .05
p –값과 임계값 접근 방법
1
2에 대한 가설 검정 :
1과
2가 알려지지 않은 경우
1 2 0
2 2 2 2
1 2
1 2
( ) (29.8 27.3) 0
4.003 (2.56) (1.81)
24 28
x x D
t
s s
n n
1 2 0
2 2 2 2
1 2
1 2
( ) (29.8 27.3) 0
4.003 (2.56) (1.81)
24 28
x x D
t
s s
n n
1
2에 대한 가설 검정 :
1과
2가 알려지지 않은 경우
p –값 접근법 4. p –값 계산
t 에 대한 자유도:
2 2 2
2 2
2 2
(2.56) (1.81)
24 28
24.07 24 1 (2.56) 1 (1.81)
24 1 24 28 1 28
df
2 2 2
2 2
2 2
(2.56) (1.81)
24 28
24.07 24 1 (2.56) 1 (1.81)
24 1 24 28 1 28
df
t = 4.003 > t.005 = 2.797 에서, p–값 < .005.
5. H0을 기각할지 결정
M cars의 연비 (mpg) 가 J cars의 연비 (mpg) 보다 우수하다는 것을 적어도 95% 신뢰한다.
p –값 접근법
p–값 < = .05, H0을 기각한다.
1
2에 대한 가설 검정
1과
2가 알려지지 않은 경우
4. 임계값과 기각법칙 결정
임계값 접근법
1
2에 대한 가설 검정 :
1과
2가 알려지지 않은 경우
= .05 와 df = 24에서, t.05 = 1.711 t > 1.711일 경우, H0 기각 5. H0을 기각할지 결정
4.003 > 1.711에서, H0을 기각한다.
M cars의 연비 (mpg) 가 J cars의 연비 (mpg) 보다 우수하다는 것을 적어도 95% 신뢰한다.