[대응표본 T-검정, Paired Samles T-Test] with Python

두 집간 간의 평균 차이를 검정하는 T검정에서 대응표본 T-검정을 복습해보자.

 

 

 

이 전엔 일표본 T-검정에 대해서 정리해보고 복습해 보았다.

일표본 T-검정

 

 

 

기본가정

• 정규성 만족 (아닐 시 윌콕슨의 부호 순위 검정)
• 종속변수는 연속형, 독립변수 1개 범주형
• 짝(개수) 만족

.

 

---

 

 

import pandas as pd
 
data = {'before':[7,3,4,5,2,1,6,6,5,4],
       'after':[8,4,5,6,2,3,6,8,6,5]}
data = pd.DataFrame(data)
data.head()

> 수면제 복용 전과 후의 수면시간 차이를 검정하기 위한 데이터셋이다.

 

> 데이터를 임의로 개수를 맞춘 두 개의 변수를 만들어 DataFrame으로 만들어 준다.

 

 

 

data.head()

> data.head를 통해 상위 5개의 데이터를 확인해본 결과 위와 같이 출력이 되었다.

 

 

 

> 기본 가정 중 정규성을 만족하는지 확인해보자.

---

import scipy.stats as stats
from scipy.stats import shapiro
 
# 정규성 검정
print("before변수에 대한 정규성 검정 결과 :", shapiro(data['before']))
print("after변수에 대한 정규성 검정 결과 :", shapiro(data['after']))

> before 변수는 유의확률(pvalue)이 약 0.83으로 유의수준(0.05)보다 크므로 귀무가설을 채택한다.

 

> 즉, before 변수는 정규성을 만족한다.

 

> after 변수는 유의확률(pvalue)이 약 0.61으로 유의수준(0.05)보다 크므로 귀무가설을 채택한다.

 

> 즉, after 변수도 정규성을 만족한다.

 

 

 

 

> 두 변수 모두 정규성을 만족하므로 before 와 after의 변화가 얼마나 대응 되는지를 검증한다.

 

> 검증 방법은 stats.ttest_rel(x,y)를 활용하고자 한다.

 

---

import scipy.stats as stats
 
stats.ttest_rel(data['after'], data['before'], alternative='greater')

 

> 결과에 대한 직관적인 이해를 돕기 위해 데이터를 출력해봤다.

 

 

 

 

data.mean()
 
before    4.3
after     5.3

> 두 변수에 대해서 평균을 출력해본 결과,

 

> 수면제 복용 전의 수면시간 평균은 4.3시간이고 , 수면제 복용 후의 수면시간의 평균은 5.3시간이다.

 

 

 

---

 

> 데이터를 통해 가설검정의 결과를 직관적으로 이해할 수 있었다.

 

> 이론적으로 공부하고 손코딩으로 학습을 그쳤을 때보다 해당 과정을 정리하며 적어 내려가는 방법이 학습에 더 도움이 되는 것 같다.

 

> 이해하는데도 도움이 되고 중간중간 이해가 안되는 부분은 바로 찾아서 정리하니 더 오래 기억에 남을 것 같다.