[A/B Testing] 가설 검정(Hypothesis Testing)

안녕하세요, 데이터와 통계의 세계로 여러분을 안내할 김 데이터입니다!👩‍💻 오늘은 데이터 사이언스 분야의 핵심 개념 중 하나인 '가설검정(Hypothesis Testing)'에 대해 알아보려고 합니다. 데이터 사이언티스트가 되고자 하는분들에게 가설검정은 필수적인 능력이죠. 이 글을 통해 가설검정의 기초부터 가설검정의 종류, 올바른 가설검정 설정하기 탐험할 거예요.🚀

 

---

1. 가설검정(Hypothesis Testing) 소개

가설검정은 데이터 샘플을 기반으로 인구 집단에 대한 추론을 만들기 위해 사용되는 통계적 방법입니다. 이 과정은 일반적으로 다음과 같은 단계를 포함합니다:

• 가설 수립(Formulating Hypotheses): 영가설(Null Hypothesis, H₀)은 기본 가정 또는 검증할 주장을 대표합니다. 대립가설(Alternative Hypothesis, H₁)은 영가설에 반하는 주장으로, 종종 관심의 대상이 되는 가설이죠.
• 유의수준 선택(Choosing the Significance Level): 유의수준(α)은 영가설을 기각하기 위해 필요한 증거 수준을 결정하는 임계값입니다. 일반적인 유의수준은 0.05(5%)와 0.01(1%)이 사용됩니다.
• 데이터 수집 및 분석(Collecting and Analyzing Data): 실험 또는 관찰을 통해 데이터를 수집하고, 수집된 데이터를 통계 기법을 사용하여 검정 통계량을 계산합니다.
• 검정 통계량 계산(Calculating the Test Statistic): 검정 통계량은 데이터로부터 계산된 수치로, 관찰된 데이터가 영가설과 얼마나 일치하는지를 측정합니다.
• 결정 및 결론 도출(Making a Decision & Drawing Conclusions): 검정 통계량을 비판적 영역과 비교하여 영가설을 기각할지 여부를 결정합니다. 그리고 가설 검정에 대한 결론을 도출합니다.

 

가설검정

---

2. 가설검정의 종류(Types of Hypothesis Tests)

• T-검정(T-Test): 두 그룹의 평균을 비교하기 위해 사용됩니다.
• Z-검정(Z-Test): 큰 표본 크기에서 두 인구의 평균이 다른지를 결정하기 위해 사용됩니다.
• 이항검정(Binomial Test): 이항 변수의 한 수준의 인구 비율이 특정 주장된 값과 같은지를 결정하기 위해 사용됩니다.

 

 

Types of Hypothesis Tests

---

3. 올바른 가설검정 선택하기(How to Choose the Right Hypothesis Test)

올바른 가설검정을 선택하는 것은 실험 설계에서 중요한 단계이며, 결과의 정확성을 결정합니다. 면접에서도 중요한 질문이 될 수 있습니다. 여기 간단한 단계가 있습니다:

• 베르누이 분포(Bernoulli Distribution)면 Z-검정을 사용합니다.
• 다른 분포이면 표본 크기가 크다면(30 이상) Z-검정, 작다면(30 미만) T-검정을 고려합니다.

---

가설검정은 단순히 통계적 방법론을 넘어서 의사결정과 데이터 분석의 핵심적인 부분입니다. 이 지식을 토대로 여러분도 데이터 사이언스 분야에서의 성공을 향해 한 걸음 더 나아가시길 바랍니다.