DAY07 통계검정 (with OpenAI/Bing 챗(chat) GPT 생성한 파이썬 코드 첨삭)

빅데이터분석기사나 ADsP 응시 때 포기했던 통계분석이 이번에도 필자를 괴롭힙니다. 도대체 이해가 안 되는 내요입니다. 이번에는 강의에서 풀지 못했던 일부 문제를 Bing 챗(chat) GPT 의 도움으로 작성해 보았습니다. 잘 작성된 단측검정 코드로 양측검정 코드 생성을 요청하니 제대로 답해줬습니다.

 

자유도 30 (사건회수) + 검정통계량 1.5 / 1.9 / 2.4 일 때, 단측 t-검정 코드 생성

자유도 30 (사건회수) + 검정통계량 1.5 / 1.9 / 2.4 일때, 단측 t-검정 후 검정통계량, 신뢰구간, 유의 수준, 검정경례 산출 후 시각화까지 파이썬 코드 작성 요청

 

챗 gpt 실행결과의 코드는 아래 접은글에 작성되어 있습니다.

for i in [1.5, 1.9, 2.4]:

    t_check_oneway(i, 30, 0.05)

 

def t_check_oneway(t_stat, df, alpha):  

    # 검정통계량

    t_stat = t_stat

    # 자유도

    df = df

    # 유의수준

    alpha = alpha

   

    print(f"검정통계량 : ({t_stat:.2f}, 자유도 : {df:.2f}, 유의수준 : {alpha:.2f})")

    # 단측검정 범위 구하기 (상한값만 구함)

    t_crit = t.ppf(1 - alpha, df) # 누적분포함수의 역함수 사용

    upper_bound = t_crit # 상한값은 그대로 사용

    print(f"단측검정 범위: (-inf, {upper_bound:.2f})")

    # p-value 구하기 (상한값만 구함)

    p_value = 1 - t.cdf(t_stat, df) # 누적분포함수 사용하고 양쪽 꼬리 곱하지 않음

    print(f"p-value: {p_value:.3f}")

    # 유의수준과 p-value 비교하여 결론 도출

    if p_value < alpha:

        print("p-value가 유의수준보다 작으므로 귀무가설을 기각합니다.")

    else:

        print("p-value가 유의수준보다 크거나 같으므로 귀무가설을 채택합니다.")

    # t-분포 그래프 그리기

    x = np.linspace(-4, 4, 100) # x축 범위 설정

    y = t.pdf(x, df) # y축 값 설정 (확률밀도함수 사용)

    plt.plot(x, y) # 그래프 그리기

    # 임계영역 색칠하기 (상한값만 색칠) - 우측

    x_fill = np.linspace(upper_bound, 4) # x축 임계영역 설정

    y_fill = t.pdf(x_fill, df) # y축 임계영역 설정

    plt.fill_between(x_fill, y_fill) # 임계영역 색칠하기

    # 검정 통계량 표시하기 (점으로 표시)

    plt.scatter(t_stat, 0) # 점으로 표시

    plt.annotate(f"t={t_stat}", (t_stat + 0.1 ,0)) # 점 옆에 값 표시

    # 축 이름 및 제목 설정하기

    plt.xlabel("t value")

    plt.ylabel("Probability density")

    plt.title("One-tailed t-test")

    # 그래프 보여주기

    plt.show()

단측검정 결과는 다음과 같이 출력됩니다.

 

검정통계량 1.5 일때 단측검정

검정통계량 1.9 일때 단측검정

검정통계량 2.4 일때 단측검정

자유도 30 (사건회수) + 검정통계량 1.5 / 1.9 / 2.4 일 때, 양측 t-검정 코드 생성

여러 번 시도 중에 위 단측 검정 코드가 괜찮아서 아래처럼 단측 검정 함수를 입력한 후 양측 t-검정 코드 생성을 요청했습니다.

단측검정 함수를 입력하고 양측검정 함수 생성 요청 결과

결과 코드는 다음과 같습니다.

for i in [1.5, 1.9, 2.4]:

    t_check_twoway(i, 30, 0.05)

 

def t_check_twoway(t_stat, df, alpha):  

    # 검정통계량

    t_stat = t_stat

 

    # 자유도

    df = df

 

    # 유의수준

    alpha = alpha

   

    print(f"검정통계량 : ({t_stat:.2f}, 자유도 : {df:.2f}, 유의수준 : {alpha:.2f})")

 

    # 양측검정 범위 구하기 (상한값과 하한값 모두 구함)

    t_crit = abs(t.ppf(alpha / 2, df)) # 누적분포함수의 역함수 사용하고 절대값 취함

    lower_bound = -t_crit # 하한값은 음수로 사용

    upper_bound = t_crit # 상한값은 그대로 사용

    print(f"양측검정 범위: ({lower_bound:.2f}, {upper_bound:.2f})")

 

    # p-value 구하기 (상한값과 하한값 모두 구함)

    p_value = 2 * (1 - t.cdf(abs(t_stat), df)) # 누적분포함수 사용하고 절대값 취하고 양쪽 꼬리 곱하기 2

    print(f"p-value: {p_value:.3f}")

 

    # 유의수준과 p-value 비교하여 결론 도출

    if p_value < alpha:

        print("p-value가 유의수준보다 작으므로 귀무가설을 기각합니다.")

    else:

        print("p-value가 유의수준보다 크거나 같으므로 귀무가설을 채택합니다.")

 

    # t-분포 그래프 그리기

    x = np.linspace(-4, 4, 100) # x축 범위 설정

    y = t.pdf(x, df) # y축 값 설정 (확률밀도함수 사용)

    plt.plot(x, y) # 그래프 그리기

    #임계영역 색칠하기 (상한값과 하한값 모두 색칠) - 양쪽

    x_fill1 = np.linspace(-4, lower_bound) # x축 임계영역 설정 (좌측)

    y_fill1 = t.pdf(x_fill1, df) # y축 임계영역 설정

    plt.fill_between(x_fill1, y_fill1) # 임계영역 색칠하기

 

    x_fill2 = np.linspace(upper_bound, 4) # x축 임계영역 설정 (우측)

    y_fill2 = t.pdf(x_fill2, df) # y축 임계영역 설정

    plt.fill_between(x_fill2, y_fill2) # 임계영역 색칠하기

 

    #검정 통계량 표시하기 (점으로 표시)

    plt.scatter(t_stat, 0) # 점으로 표시

    plt.annotate(f"t={t_stat}", (t_stat + 0.1 ,0)) # 점 옆에 값 표시

 

    # 축 이름 및 제목 설정하기

    plt.xlabel('t value')

    plt.ylabel('Probability density')

    plt.title('Two-tailed t-test')

 

    #그래프 보여주기

    plt.show()

양측검정 결과는 다음과 같이 출력됩니다.

검정통계량 1.5 일때 양측검정

검정통계량 1.9 일때 단측검정

검정통계량 2.4 일때 단측검정

여러모로 챗 gpt 도움을 많이 받네요.