빅데이터 분석기사 실기 작업형 3유형 요약정리

p-value < 유의수준 0.05 : 귀무가설을 기각한다.(대립가설 채택)
p-value >= 유의수준 0.05 : 귀무가설을 채택한다.
from scipy import stats

#1
표본평균 : after - before의 평균
귀무가설 : 표본평균 >= 0
대립가설 : 표본평균 < 0

검정통계량, p-value = stats.ttrest_rel(after 데이터, before 데이터, alternative='less') // 대립가설 기준
// alternative : 대립가설 기준으로 크면 greater, 작으면 less, 같으면 X(또는 two-sided)

#2
A그룹, B그룹이 나뉘어져 있음
귀무가설 : A그룹과 B그룹이 차이가 없다.
대립가설 : A그룹과 B그룹이 차이가 있다.

검정통계량, p-value = stats.ttest_ind(A그룹 데이터, B그룹 데이터)

#3
귀무가설 : 모평균이 C와 같다.
대립가설 : 모평균이 C보다 크다.

검정통계량, p-value = stats.ttest_1samp(데이터, C, alternative = 'greater')

#4
A, B, C 그룹이 나눠져 있음
귀무가설 : A, B, C 그룹 간의 평균 차이가 없다.
대립가설 : A, B, C 그룹 간의 평균 차이가 있다.

검정통계량, p-value = stats.f_oneway(A그룹, B그룹, C그룹)

#5
귀무가설 : 데이터는 정규분포를 따른다.
대립가설 : 데이터는 정규분포를 따르지 않는다.

검정통계량, p-value = stats.shapiro(데이터)