비모수 검정

비모수 검정(Nonparametric test)은 모수에 대한 가정을 하지 않는 가설 검정 방법입니다.

정규성 검정

비모수 검정은 표본이 작고, 정규성을 띄지 않을 때 주로 사용합니다.

Shapiro-Wilk 검정, Kolmogorov-Smirnov 검정 등이 있습니다. Shapiro-Wilk 검정을 많이 사용합니다.

Shapiro-Wilk 검정의 귀무가설은 "표본이 정규분포를 따른다"입니다.

PythonR

pg.normality(dv='rating', between='job_level', data=hr)

for(j in unique(hr$job_level)){
    s = subset(hr$rating, hr$job_level == j)
    m = shapiro.test(s)
    print(j)
    print(m)
}

맨-휘트니 U 검정(Mann-Whitney U test)은 독립표본 t 검정에 대응하는 비모수 검정 방법입니다.

귀무가설은 "두 집단은 같다"입니다.

윌콕슨 순위합 검정(Wilcoxon rank-sum test)이라는 방법도 있는데, U 검정과 동일합니다.

PythonR

pg.mwu(df.price[df.model == 'Avante'], df.price[df.model == 'K3'], )

wilcox.test(husband, wife)

윌콕슨 부호순위 검정(Wilcoxon signed rank test)은 대응표본 t 검정에 대응하는 비모수 검정 방법입니다.

귀무가설은 "두 집단의 차이의 중간값은 0이다"입니다.

부호순위 검정은 앞에서 말한 순위합 검정과는 다른 것이니 혼동하지 마세요.

PythonR

pg.wilcoxon(husband, wife)

wilcox.test(husband, wife, paired = TRUE)

크루스칼 왈리스 검정(Kruskal-Wallis test)은 일원 분산분석에 대응하는 비모수 검정 방법입니다.

귀무가설은 "모든 집단은 같다"입니다.

PythonR

pg.kruskal(dv='rating', between='job_level', data=hr, detailed=True)

kruskal.test(rating ~ job_level, data = hr)