2-분산 검정(Two Variance Test)

2-분산 가설검정은 두 모집단이 정규분포를 따르고 서로 독립이라는 가정 아래, 각 표본에 대해 서로 다른 자유도를 갖는 F 분포로 두 표본 분산의 비를 비교하여 서로 독립인 두 모집단의 분산이 같은지를 평가하며, 품질 관리, 금융, 실험 연구에서 공정의 일관성과 변동성을 평가하는 데 자주 사용합니다.

최종 검토

핵심 요점

2-분산 가설검정은 두 표본 분산의 비를 F 분포로 비교하여 서로 독립인 두 모집단의 분산이 같은지를 평가합니다.

이 페이지 내용
  1. 2-분산 검정이란?
  2. 2-분산 검정은 언제 사용합니까?
  3. 2-분산 검정의 올바른 사용 지침
  4. 대안: 2-분산 검정을 사용하지 않아야 할 때
  5. 2-분산 검정 예제
  6. 2-분산 검정 방법

2-분산 검정이란?

2-분산 가설검정은 두 모집단이 정규분포를 따르고 서로 독립이라는 가정 아래, 각 표본에 대해 서로 다른 자유도를 갖는 F 분포로 두 표본 분산의 비를 비교하여 서로 독립인 두 모집단의 분산이 같은지를 평가하며, 품질 관리, 금융, 실험 연구에서 공정의 일관성과 변동성을 평가하는 데 자주 사용합니다.

2-분산 검정은 언제 사용합니까?

2-표본 분산 검정은 두 데이터 표본의 분산이 같은지 판단하는 데 사용합니다.

  • 변동성 비교: 서로 독립인 두 모집단의 변동성(분산)이 유의하게 다른지 판단해야 할 때 사용합니다.
  • 품질 관리: 서로 다른 두 생산 공정 또는 배치의 일관성과 변동성을 비교하기 위해 사용합니다.
  • 실험 연구: 실험 조건이나 처리가 결과의 변동성 수준에 차이를 만드는지 평가할 때 사용합니다.
  • 금융: 서로 다른 두 투자 포트폴리오 또는 금융 상품의 위험(수익률의 분산)을 비교하기 위해 사용합니다.
  • 충족해야 하는 가정:
    • 정규분포: 표본을 추출한 모집단은 정규분포를 따라야 합니다.
    • 독립성: 두 모집단은 서로 독립이어야 합니다.

이 검정은 두 모집단 또는 집단을 분산 측면에서 비교하려는 상황에서 유용하며, 다음과 같은 시나리오가 있습니다.

  • 품질 관리: 제조 회사는 두 생산 라인의 분산을 비교하여 일관된 품질의 제품을 생산하고 있는지 확인하려고 할 수 있습니다.
  • 임상시험: 연구자는 두 환자 집단의 분산을 비교하여 새로운 치료법이 두 집단에 비슷한 효과를 주는지 판단하려고 할 수 있습니다.
  • 교육: 교육자는 두 학생 집단의 시험 점수 분산을 비교하여 한 집단이 다른 집단보다 더 일관적인지 확인하려고 할 수 있습니다.
  • 금융 분석: 투자자는 서로 다른 두 투자 포트폴리오의 수익률 분산을 비교하여 한쪽이 더 변동성이 큰지 판단하려고 할 수 있습니다.

2-분산 검정의 올바른 사용 지침

  • 무작위 추출: 모집단에 대해 타당한 일반화를 하려면 표본 데이터를 무작위로 선택해야 합니다.
  • 데이터 분포: 표본 데이터가 심하게 치우치지 않아야 하며 표본 크기는 20보다 커야 합니다. 표본 크기가 20보다 작으면 데이터를 그래프로 그려 치우침과 비정상적인 관측값을 확인하십시오. 데이터가 심하게 치우쳐 있거나 비정상적인 관측값이 많으면 결과를 해석할 때 주의하십시오.
  • 관측값의 독립성: 각 관측값은 다른 모든 관측값과 독립이어야 합니다. 종속된 관측값은 결과를 무효로 만들 수 있습니다.
  • 적절한 표본 크기: 정밀한 추정값, 좁은 신뢰구간, 제1종 및 제2종 오류에 대한 충분한 보호를 제공할 수 있도록 표본 크기가 충분히 큰지 확인하십시오.

대안: 2-분산 검정을 사용하지 않아야 할 때

  • 2-표본 분산 검정은 서로 독립인 두 표본의 분산을 비교하도록 설계되었습니다. 사전-사후 연구나 짝짓기 설계처럼 표본이 종속되어 있으면 쌍체 t 검정과 같은 다른 검정을 사용해야 할 수 있습니다.

2-분산 검정 예제

한 의료 분야 컨설턴트가 두 병원의 환자 만족도 평가를 비교하려고 합니다. 이를 위해 컨설턴트는 각 병원에서 환자 20명의 평가를 수집하고 2-표본 분산 검정을 수행하여 환자 평가의 표준편차에 차이가 있는지 판단합니다. 단계는 다음과 같습니다.

  1. 필요한 데이터를 수집했습니다.
Two variance test — figure 1
  1.  이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
  2.  2-분산 검정을 찾으려면 다음을 선택합니다: Statistical module> Graphical analysis>Two variance test.
  3.  도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.
Two variance test — figure 2

5. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

Two variance test — figure 3Two variance test — figure 4Two variance test — figure 5

2-분산 검정 방법

절차는 다음과 같습니다.

  • Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
  • 홈 페이지에서 다음을 선택합니다: Statistical Tool> Graphical analysis >Two variance test
  • 이어서 Two variance test 를 클릭하여 도구 화면으로 이동합니다.
  • 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣습니다(Ctrl+V).
  • 다음으로, 신뢰수준과 가설 비(hypothesized ratio)의 값을 입력해야 합니다.
  • 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.

2-분산 검정 도구 화면은 두 부분으로 나뉩니다.

Two variance test — figure 6

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.

Load example: 예제 데이터가 로드됩니다.

Load File: Excel 데이터를 직접 로드하는 데 사용합니다.

오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.

  • Confidence level: 가설검정에서 신뢰수준은 통계 분석에 대해 갖는 확신의 정도를 나타냅니다. 모집단의 참 모수가 지정된 값의 범위 안에 있을 가능성을 나타내는 확률 값입니다. 일반적으로 신뢰수준은 백분율로 표현하며 (1 - α)로 나타냅니다. 여기서 α는 유의수준, 즉 참인 귀무가설을 기각할 확률입니다. 예를 들어 신뢰수준이 95%이면 모집단의 참 모수가 구간 추정값 안에 있다고 95% 확신하며, 제1종 오류(참인 귀무가설을 기각)를 범할 확률이 5%라는 뜻입니다. 실제로는 신뢰수준이 높을수록 통계 분석과 결과에 대한 확신이 커집니다. 그러나 신뢰수준을 높이면 신뢰구간의 폭도 넓어져 작은 효과를 검출하기가 더 어려워집니다. 따라서 신뢰수준의 선택은 연구의 맥락과 연구자의 목표에 따라 달라집니다.
  • Hypothesized ratio: 2-분산 검정에서 가설 비는 두 모집단의 분산이 같다는 귀무가설을 검정하는 데 사용하는 값입니다. 귀무가설 하에서 두 모집단 분산의 기대 비를 나타냅니다.
  • Alternative hypothesis: 가설검정에서 대립가설(연구가설이라고도 함)은 귀무가설과 다른 결론을 나타내는 진술입니다. 귀무가설은 일반적으로 현상 유지 또는 둘 이상의 집단이나 변수 사이에 유의한 차이나 관계가 없다는 가정을 나타냅니다. 대립가설은 검정 대상이 되는 진술로, 연구 중인 집단이나 변수 사이에 유의한 차이나 관계가 있다고 제안합니다.
  • Summary plot: 요약 그림은 통계 결과를 간결하면서도 유익하게 표시하는 종합적인 시각적 표현입니다. 둘 이상의 표본 사이의 표준편차 또는 분산을 비교하는 맥락에서, 신뢰구간, 상자 그림, 통계 검정 결과를 결합하여 데이터에 대한 명확하고 종합적인 개요를 제공합니다. 제시된 그래프에서 병원 A는 표준편차의 신뢰구간이 더 좁아 병원 B에 비해 변동성이 더 작고 추정값이 더 정밀함을 알 수 있습니다. 이 정보는 주의가 필요한 영역을 식별하고 데이터의 통계 분석에 근거하여 충분한 정보에 입각한 결정을 내리는 데 중요합니다.
  • Individual value plot: 개별 값 그림(IVP)은 표본 크기가 작을 때(관측값 50개 미만) 가장 적합한 그래프 도구로, 개별 데이터 점을 표시하여 분포, 중심 경향, 변동성, 특이치를 자세히 살펴볼 수 있게 하며, 여러 작은 집단의 분포를 비교하는 데에도 효과적입니다.
  • Histogram: 가설검정에서 히스토그램은 데이터 표본의 분포를 그래프로 나타낸 것입니다. 데이터의 형태와 특성을 살펴보는 시각적 도구입니다. 히스토그램은 표본 크기가 20보다 클 때 가장 좋습니다. 히스토그램은 데이터를 일련의 구간(bin)으로 나누고 각 구간에 속하는 데이터 점의 수를 세어 만듭니다. 구간은 보통 폭이 같으며, 히스토그램에서 각 막대의 높이는 그 구간에 속하는 데이터 점의 도수를 나타냅니다.
  • Box plot: 상자 그림(상자-수염 그림)은 중앙값, 사분위수, 특이치를 포함하여 데이터 집합의 분포를 보여 주는 그래프 표현입니다. 가설검정에서 상자 그림은 표본의 분포를 정규분포와 같은 알려진 분포 또는 기대 분포와 시각적으로 비교하는 데 사용할 수 있습니다. 이는 표본 데이터가 기대하는 것과 유의하게 다른지 판단하는 데 도움이 됩니다. 상자 그림의 상자는 데이터의 가운데 50%를 나타내며, 상자의 아래쪽 가장자리는 제1사분위수(Q1), 위쪽 가장자리는 제3사분위수(Q3), 상자 안의 선은 중앙값을 나타냅니다. 수염은 상자에서 데이터 집합의 최솟값과 최댓값까지 뻗으며, 특이치는 제외하고 수염 밖에 개별 점으로 표시됩니다.
  • Download as Excel: 결과를 Excel 형식으로 표시합니다. 이 파일은 쉽게 편집할 수 있고 load file 옵션으로 다시 로드하여 계산에 사용할 수 있습니다.

자주 묻는 질문

2-분산 검정이란 무엇입니까?

2-분산 검정은 각 표본에 대해 별도의 자유도를 갖는 F 분포로 두 표본 분산의 비를 비교하여 서로 독립인 두 모집단의 분산이 같은지를 평가합니다. 품질 관리, 금융, 실험 연구에서 일관성과 변동성을 비교하는 데 사용합니다.

2-분산 검정의 가정은 무엇입니까?

모집단은 정규분포를 따르고 서로 독립이어야 하며, 표본은 무작위로 선택해야 하고, 각 관측값은 다른 모든 관측값과 독립이어야 합니다. 표본 데이터가 심하게 치우치지 않아야 하며 표본 크기는 20보다 커야 합니다. 그보다 작으면 데이터를 그래프로 그려 치우침과 비정상적인 관측값을 확인하십시오.

2-분산 검정은 언제 사용해야 합니까?

서로 독립인 두 집단의 변동성이 다른지 판단할 때 사용합니다. 예를 들어 두 생산 라인이나 배치의 일관성을 비교하거나, 처리에 따라 결과의 변동성이 달라지는지, 또는 두 투자 포트폴리오 수익률의 변동성을 비교할 때입니다. 사전-사후 설계처럼 표본이 종속되어 있으면 다른 검정이 필요합니다.

2-분산 검정에서 가설 비란 무엇입니까?

가설 비는 귀무가설 하에서 두 모집단 분산의 기대 비입니다. 이 검정은 관측된 표본 분산의 비가 이 값과 일치하는지 확인하며, 분산이 같은지 검정하는 것은 비가 1인 경우에 해당합니다.