통계컬럼

통계 분석에서 중요한 이론 중의 하나가 data 가 정규분포이어야 한다는 정규성 검정이다. 정규성 검정의 가설은

 

              H0 : 정규분포이다
              H1 : 정규분포가 아니다

 

이다.

 

따라서 정규성 검정을 할 경우에는 등분산 검정과 마찬가지로 p 값이 0.05 보다 커서 H0 가설을 채택하는 것이 좋다. 그래야만 정규성 가정을 만족하게 되며, 통계 분석들에서 수월하게 다음 단계의 진행이 될 수 있다.

정규성 검정에 쓰이는 대표적인 방법은 Kolmogolov-Sminov 검정과 Shapiro-Wilk 검정의 2가지가 있다. Kolmogolov-Sminov 검정은 표본의 수가 많은 경우에 사용되며, Shapiro-Wilk 검정은 비교적 적은 수 (50개 이하)인 경우에 사용하는 방법이다.

그런데, Kolmogolov-Sminov 검정의 경우에 정규분포에서 기대되는 누적빈도를 구해서 사용하는 단점이 있다. 실제로 분석 시에는 모집단의 평균과 분산을 둘 다 모르기 때문에, 누적빈도를 구하는 것이 문제가 발생된다. 따라서 일반적으로 Kolmogolov-Sminov 검정시에는 이러한 단점을 보완한 Lilliefors 검정을 이용해서 분석을 한다.

 

 

 

P.S.1   SPSS 의 경우,  분석 --> 비모수 검정 --> 일표본 K-S 에 있는 정규성 검정은 누적빈도를 이용하는 초기의 Kolmogolov-Sminov 검정이다.

 

P.S.2  SPSS 의 경우,  분석 -->기술통계량 --> 데이터 탐색 에 의한 정규성 검정은 K-S 방법을 수정 보완한 Lilliefors 에 수정한 Kolmogolov-Sminov 검정이다.

 

P.S.3  현재의 Shapiro-Wilk 검정은 표본의 수가 3~5000 개 사이일 때 사용할 수 있도록 확장되어 있다.

댓글

---

우남이 (2014-10-25 23:37:25)

항상 좋은 글 감사합니다.

---

이준한 (2013-12-18 09:50:44)

감사합니다.

---

*아리따운AKS* (2016-03-07 16:20:15)

통계분석 강좌 수업내용중 교재 내용에 첨가가 없어 DOWNLOAD합니다.

감사합니다.

---

기존 StatEdu 렉쳐 글을 통계컬럼으로 이전했습니다. 원문: http://www.statedu.com/lecture/88883