내 데이터.
더 명확한 이해.

• 독립표본 t 검정(웰치): 독립적인 집단의 모집단 평균 차이를 검정합니다. 등분산을 가정하지 않고 각 표본의 분산과 웰치–새터스웨이트 자유도를 사용합니다. 관측값은 독립적이어야 하며 표본추출 설계가 적절해야 합니다. 소표본에서는 대략적인 정규성과 극단적인 이상치가 없다는 점이 중요합니다.
• 대응표본 t 검정: 대응 차이 A − B의 평균이 0인지 검정합니다. 같은 사람 또는 매칭된 단위의 관측값을 짝짓고, 서로 다른 쌍은 독립적으로 유지하세요. 쌍이 적으면 차이의 분포가 대략 정규분포이고 극단적인 이상치가 없어야 합니다. A와 B 각각의 분포가 모두 정규분포일 필요는 없습니다.
• 윌콕슨 순위합 검정(맨–휘트니 U): 합친 데이터의 순위를 사용해 독립적인 두 분포를 검정합니다. 위치나 중앙값 차이로 해석하려면 분포 모양이 같아야 합니다. 표본 A의 U와 순위합 W_A를 표시합니다. U가 클수록 A가 큰 방향을 지지합니다. 합친 데이터에 동률이 없고 총 관측값이 30개 이하일 때만 정확 p값을 사용하며, 그 외에는 동률 및 연속성 보정을 적용한 정규근사를 사용합니다. 동률이 있는 소표본의 근사는 신뢰성이 낮을 수 있습니다.
• 윌콕슨 부호순위 검정: 차이의 분포가 대칭이고 쌍끼리 독립이라는 가정하에 대응 차이가 0을 중심으로 하는지 검정합니다. 모든 대립가설에 대해 양의 A − B 차이에 대한 순위합 W+를 표시합니다. 순위를 매기기 전에 차이가 0인 쌍을 제외하고, 차이의 절댓값이 같은 항목에는 평균 순위를 부여합니다. 차이가 0인 쌍과 절댓값 동률이 없고 쌍이 30개 이하일 때만 정확 p값을 사용하며, 그 외에는 동률 및 연속성 보정을 적용한 정규근사를 사용합니다. 유효한 0이 아닌 차이의 개수를 보고합니다.
• 방향과 불확실성: 귀무가설은 t 검정에서 평균 차이가 0, 순위합 검정에서 분포가 같음, 부호순위 검정에서 0을 중심으로 대칭임입니다. 어느 방향이든 차이를 검정하려면 양측을 선택하고, 단측 방향은 데이터를 살펴보기 전에 선택하세요. 부호순위 검정의 “큼”은 A − B가 양의 방향으로 이동함을 뜻합니다. 평균 차이의 95% 구간은 t 검정에서만 제공하며 항상 양측입니다. 5% 기준의 단측 p값과 결론이 일치하지 않을 수 있습니다.
• 한계: 표준오차가 0인 t 검정, 합친 값이 모두 같은 순위합 검정, 모든 차이가 0인 부호순위 검정에서는 여기서 추론을 정의하지 않습니다. 오해를 부를 p값 대신 설명을 표시합니다. 몬테카를로 표본추출은 사용하지 않습니다. 계산기는 연구 설계, 독립성, 분포 모양, 반복 검정에 보정이 필요한지 확인할 수 없습니다.
• 정밀도: 브라우저 숫자는 대략 유효숫자 15~17자리를 유지합니다. 거의 같은 값은 동일한 숫자로 반올림될 수 있으며, 대응 차이를 빼는 과정에서 동률 여부가 달라질 수 있습니다. 측정 정밀도를 확인하고 입력 전에 중심 이동이나 척도 조정을 고려하세요. 표시용 반올림은 내부 계산에 영향을 주지 않습니다. 브라우저 산술로 표현할 수 있는 한계보다 작은 p값은 정확한 0이 아니라 수치 한계 미만으로 표시합니다.

방법 참고 자료: SciPy의 독립표본 t 검정, 대응표본 t 검정, 맨–휘트니 U 및 윌콕슨 부호순위 검정. 이 계산기의 정확 검정 적용 기준과 W+ 보고 규칙은 위에 설명되어 있습니다. 소프트웨어 패키지별 기본값은 다를 수 있습니다.