[직딩잇템] 어서와 데이터는 처음이지 - Part2. 효과 검증을 위한 기초 개념: Chapter 11. 두통약의 효과를 판단하려면? - t검증을 위한 실험 설계

Chapter 11. 두통약의 효과를 판단하려면? - t검증을 위한 실험 설계

새로운 미션

"새로 나온 두통약이 정말 효과가 있는지 데이터 분석 좀 해"
  - 효과라는 것을 정확히 무슨 수치로 구할 건가요?
  - 어떤 수치가 나와야 두통완화에 효과가 있다고 하실겁니까?

 

해결책 1. 그룹 간 비교

                          Random Sampling
                                N = 100
모집단(모든 사람)   ---------------------->   표본(실험참가자)
                           뇌파의 양 비슷
                         (= 두통 정도 비슷)

                  '어떤 수치로 두통을 측정할 것인가?'
                       L. 가정. 뇌파가 높으면 두통이 심한 것

실험 설계 : 방법론을 정의하는 과정
                              N = 50    새로 만든 두통약 사용
                        |---  조건 1  ------------------------>  조건 1  X1바
    표본              |
(실험 참가자)   ---|      N = 50     원래 하던대로 냅둠
   N = 100          |---  조건 2  ------------------------>  조건 2  X2바

특정 시간 이후에 조건 1의 사람들과 조건 2의 사람들의 뇌파 평균을 비교
  - X1바 = X2바 : 두통약 효과 없음

모집단 추론 필요
  - 이 약을 앞으로 먹을 모든 사람들을 대상으로 효과 확인
  - 내 추론이 틀릴 확률
  - 내 주장의 반대주장(0가설)이 참일 확률
  - H0 : μ1=μ2
  - μ1 : 조건 1 뇌파 평균
  - μ2 : 조건 2 뇌파 평균

=> 집단 간 설계(between) : 두 조건을 나눠서 서로 비교
   독립 집단 설계(independent) : 서로 독립된 환경에 노출 (서로의 결과에 영향을 주지 X)

 

해결책 2. 같은 그룹에 반복 노출

                           모든 참가자에게 
                              동일한 약을
  Before              동일한 기간동안 처방           After
   표본             ---------------------------->       표본
(실험참가자)                                          (실험참가자)
  N = 100    평균이 같으면 두통약 효과 없음    N = 100
    X1바     <---------------------------------->     X2바

특정 시간 이후에 뇌파를 측정하고 평균을 낸 다음 투약 전과 후의 평균을 비교
  - X1바 = X2바 : 두통약 효과 없음

모집단 추론 필요
  - H0 : μ1=μ2
  - μ1 : 조건 1 뇌파 평균
  - μ2 : 조건 2 뇌파 평균

=> 집단 내 설계(within)
   반복 측정(repeated)
   related : 참가자들이 서로 연관이 있다

 

t는 하나가 아니다

t의 수학 공식은 한 개가 아니라 여러 개다!
  - 집단 간이냐
  - 독립적이냐
  - 집단 내냐
  - 연관이 있냐
=> 데이터의 조건에 따라 다른 t공식 적용
=> '데이터를 어떻게 모았는가?'를 확실히 알아야함

 

정리

1. 집단간 설계(between, independent)
  - 조건을 나누고 각 조건에 데이터를 배치하여 조건간 차이를 구하는 방법의 실험설계
  - 각 조건의 결과가 서로의 결과에 영향을 미치지 못함
2. 집단내 설계(within, repeated, related)
  - 조건을 나누지 않고 모든 샘플이 동일한 환경에 반복 노출되는 방법의 실험설계
  - 조건을 나누지 않고 모든 샘플에 적용되기 때문에 앞의 결과가 뒤의 결과에 영향을 받게 됨