[데이터 시각화] Spotfire로 데이터 시각화 해보기 - F검정과 t검정의 목적과 차이점

F검정과 t검정의 차이점

1. 목적

F검정: 주로 두 개 이상의 집단 간의 분산 비교를 위해 사용됩니다. 분산분석(ANOVA)에서 집단 간의 평균 차이를 평가할 때도 사용됩니다. 예를 들어, 두 교육 프로그램의 효과를 비교할 때 각 프로그램의 성적 분산이 동일한지 평가합니다.

 

t검정: 두 집단 간의 평균 차이를 비교하는 데 사용됩니다. 독립 표본 t검정(두 개의 독립적인 집단 간 비교)과 대응 표본 t검정(같은 집단에서 시간에 따른 변화 또는 쌍으로 된 데이터의 비교)으로 나뉩니다. 예를 들어, 신약과 기존 약물의 평균 효과 차이를 비교하는 데 사용됩니다.

 

F점정과 t검정

 

2. 검정 대상

F검정: 두 집단 간 또는 다수의 집단 간 분산의 차이를 검정합니다. 예를 들어, 서로 다른 세 그룹의 성적 변동성을 비교합니다.

t검정: 두 집단 간 평균의 차이를 검정합니다. 예를 들어, 남성과 여성의 평균 키 차이를 비교합니다.

 

F검정과 t검정의 차이점

3. 검정 통계량

F검정: 검정 통계량은 F-분포를 따르며, 두 분산의 비율로 계산됩니다. 계산된 F-값이 크면 두 분산이 다를 가능성이 높다고 판단합니다.

t검정: 검정 통계량은 t-분포를 따르며, 두 평균 간의 차이를 표준 오차로 나눈 값으로 계산됩니다. t-값이 크면 두 평균이 다를 가능성이 높다고 판단합니다.

 

4. 사용 사례

F검정: 여러 집단 간의 분산 비교(분산분석, ANOVA), 두 집단의 분산이 동일한지 확인.

t검정: 두 집단 간 평균 비교, 단일 집단의 평균을 특정 값과 비교.

 

F검정과 t검정 가정과 결과해석

 

5. 가정

F검정: 각 집단이 정규 분포를 따르고, 표본이 독립적이라는 가정. 분산분석에서 사용될 때, 독립 변수와 종속 변수 사이의 선형 관계를 가정합니다.

 

t검정: 두 집단이 정규 분포를 따르고, 표본이 독립적이라는 가정. 등분산성 가정(두 집단의 분산이 동일함)이 적용되기도 하지만, 등분산이 가정되지 않는 경우에는 Welch의 t검정을 사용합니다.

 

6. 결과 해석

F검정: F-값과 대응되는 p-value를 통해 분산 차이가 통계적으로 유의미한지 판단합니다.

t검정: t-값과 대응되는 p-value를 통해 평균 차이가 통계적으로 유의미한지 판단합니다.

요약

F검정은 주로 분산의 차이를 평가하고, t검정은 평균의 차이를 평가하는 데 사용됩니다. F검정은 다수의 집단을 비교할 수 있는 반면, t검정은 두 집단 간의 비교에 초점을 맞춥니다.