분산 검정, 평균이 같아도 안심할 수 없는 이유 — 카이제곱·F검정 2가지
분산 검정은 평균이 아니라 흩어짐(산포)이 변했는지 확인하는 가설검정이다. 단일 집단은 카이제곱, 두 집단은 F검정 — 표본분산도 흔들리는 값이라는 직관부터 계측기 산포 비교 예시까지 2가지 절차로 정리했다.
카이제곱 검정과 Fisher 정확검정 — 분할표가 알려주는 2갈래 선택
카이제곱 검정은 불량률이 아주 작아 z검정을 못 쓸 때 분할표로 여러 집단의 비율을 비교하는 검정이다. 기대도수 계산법, ‘기대도수 5 미만 셀 20%’ 분기 조건, Fisher 정확검정으로 넘어가는 기준까지 예시로 정리했다.
크루스칼 왈리스 검정 — ANOVA가 막힐 때 3개 집단을 비교하는 법
크루스칼 왈리스 검정은 데이터가 비정규이고 표본이 적어 ANOVA를 못 쓸 때, 순위로 3개 이상 집단을 한 번에 비교하는 비모수 검정이다. H 통계량이 카이제곱 분포를 따르는 구조와 판정 4단계를 쉬운 예시로 정리했다.
통계 검정 종류 완전 정리 — 엔지니어가 이미 핵심을 이해한 3가지 이유
통계 검정 종류가 수십 가지여도 본질은 H₀ vs H₁의 확률 기반 의사결정이다. p-value·유의수준·1종 오류·표본 크기 개념이 하나의 공갵을 이뢬다. 상황별 검정 선택, 검정력 설계, p-value를 잡못 읽는 3가지 함정까지 정리했다.
