런 검정 난수성 계산기 (중앙값 분할)

런 검정 난수성 계산기 (중앙값 분할)

신흥 AI Skill PRO

계산 입력

값은 쉼표, 공백 또는 줄바꿈으로 구분하세요.
양측.

공식

R‾=2n1n2n1+n2+1\bar{R} = \frac{2 n_1 n_2}{n_1 + n_2} + 1
계산 단계 보기 (2)
  1. 런의 분산

    sR2=2n1n2(2n1n2−n1−n2)(n1+n2)2(n1+n2−1)s_R^2 = \frac{2 n_1 n_2(2 n_1 n_2 - n_1 - n_2)}{(n_1+n_2)^2 (n_1+n_2-1)}

    무작위성 하에서 런 수의 분산입니다.

  2. Z 통계량

    Z=데이터 순서→R−R‾sR,at 유의수준Z = \frac{\text{데이터 순서} \to R - \bar{R}}{s_R}, \quad \text{at } \text{유의수준}

    데이터 순서에서 얻은 표준화된 런의 수로, 선택한 유의수준에서 판단합니다.

사용 통계

광고

결과

Z 통계량
1.3784
관측된 런 수 R 14
중앙값보다 큰 값 (n1) 10
중앙값보다 작은 값 (n2) 10
중앙값과 같은 값 (제외됨) 0
중앙값 3.9500
기대 런 수 11.0000
런의 표준편차 2.1764
양측 p-값 0.1681
임계값 1.9600
무작위성(H0)을 기각합니까? 아니요
소표본 경고 예

이 페이지의 오류 신고

런 검정 계산기의 기능

이 계산기는 순서가 있는 숫자 열에 비무작위성을 탐지하는 런 검정을 적용합니다. 각 값은 중앙값보다 크면(+) 또는 작으면(-) 코드화되며, 이 패턴에서 런을 세고 그 개수를 무작위 순서에서 기대되는 값과 비교합니다. 런의 수, 기대 런 수, 표준편차, Z 통계량, 양측 p-값, 그리고 기각 또는 기각하지 않음의 판정을 제공합니다. 잔차, 공정 측정값 또는 시간 순서 데이터의 추세, 군집화, 진동을 확인하려는 분석가에게 적합합니다.

점선 중앙값 선의 위아래에 있는 데이터 점들로, 플러스와 마이너스 기호로 부호화되어 런으로 묶여 있음
각 값은 중앙값보다 위(+)인지 아래(−)인지로 부호화되며, 같은 부호가 끊기지 않고 이어지는 구간이 하나의 런으로 계산됩니다.

사용 방법

데이터 입력란에 값을 시간 순서대로 쉼표, 세미콜론, 공백 또는 줄바꿈으로 구분하여 입력하십시오. 소수점은 점(.)을 사용합니다. 그런 다음 양측 유의수준 알파(0.10, 0.05, 0.025 또는 0.01)를 선택합니다. 데이터는 정렬되지 않으므로 순서가 중요합니다. 최소 두 개의 숫자 값이 필요하며, 중앙값보다 큰 값과 작은 값이 각각 최소 하나씩 있어야 합니다.

공식

런은 부호가 같은 연속된 값의 묶음입니다. 관측된 런의 수를 \(R\)이라 할 때, 검정 통계량은 다음과 같습니다:

$$Z = \frac{R - \bar{R}}{s_R}$$

무작위성 가설 하에서 기대 런 수와 분산은 다음과 같습니다:

$$\bar{R} = \frac{2 n_1 n_2}{n_1 + n_2} + 1$$$$s_R^2 = \frac{2 n_1 n_2(2 n_1 n_2 - n_1 - n_2)}{(n_1+n_2)^2 (n_1+n_2-1)}$$

여기서 \(n_1\)은 중앙값보다 큰 값의 개수, \(n_2\)는 중앙값보다 작은 값의 개수, \(R\)은 관측된 런 수, \(\bar{R}\)은 기대 런 수, \(s_R\)은 런의 표준편차입니다. 양측 p-값은 \(p = 2(1-\Phi(|Z|))\)이며, 여기서 \(\Phi\)는 표준정규분포의 누적분포함수입니다. \(|Z| > z_{1-\alpha/2}\)일 때 무작위성을 기각합니다.

광고
마이너스 z와 플러스 z 임계값 바깥의 양쪽 꼬리가 음영 처리된 표준정규곡선
양측 검정은 관측된 Z가 음영 처리된 두 꼬리 중 하나에 들어갈 때, 즉 런이 너무 적거나 너무 많을 때 무작위성을 기각합니다.

규약 및 가정

  • 중앙값보다 큰 값은 양수, 작은 값은 음수로 취급하며, 런은 부호가 같은 연속 값의 묶음입니다.
  • 출처에는 중앙값과 같은 값을 어떻게 처리할지 명시되어 있지 않습니다. 설계상의 선택으로, 이러한 값은 제외하고 나머지 값의 순서는 유지하며 제외된 개수를 보고합니다. \(n_1\)과 \(n_2\)는 양수와 음수 값만 셉니다.
  • 중앙값은 입력된 모든 값의 표준 표본 중앙값입니다. 개수가 홀수이면 가운데 값, 짝수이면 가운데 두 값의 평균입니다.
  • 연속성 보정은 적용하지 않습니다.
  • 판정은 엄격합니다. \(|Z|\)와 임계값이 같으면 기각하지 않습니다. 5% 임계값은 1.96입니다.
  • 정규 근사를 항상 사용합니다. 정확한 표가 구현되어 있지 않으므로, \(n_1 \le 10\) 또는 \(n_2 \le 10\)일 때 소표본 경고가 표시됩니다.
  • 통계량과 p-값은 소수점 넷째 자리까지 표시되며, 내부 값은 반올림하지 않습니다.

계산 예시

기본 20개 값 순서의 중앙값은 3.95이며, 이와 같은 값은 없습니다. 10개 값은 중앙값보다 크고 10개는 작으므로 \(n_1 = 10\), \(n_2 = 10\)이며, 이 순서의 런 수는 \(R = 14\)입니다.

$$\bar{R} = \frac{2 \times 10 \times 10}{20} + 1 = 11$$

런의 표준편차는 \(s_R = 2.1764\)이므로:

$$Z = \frac{14 - 11}{2.1764} = 1.3784$$

양측 p-값은 0.1681이며, \(\alpha = 0.05\)에서의 임계값은 1.9600입니다. \(1.3784 < 1.9600\)이므로 무작위성을 기각하지 않습니다. \(n_1 \le 10\)이므로 소표본 경고가 켜집니다.

결과 해석 및 한계

런의 수가 너무 적으면 군집화나 추세를, 너무 많으면 교대 패턴을 시사합니다. 큰 \(|Z|\)와 알파보다 작은 p-값은 비무작위성을 나타냅니다. 기각하지 못했다고 무작위성이 입증되는 것은 아니며, 이 검정이 반대 증거를 찾지 못했다는 의미일 뿐입니다. 중앙값 분할은 산포의 완만한 변화와 같은 일부 패턴에 둔감합니다. 표본이 작으면 정규 근사가 부정확할 수 있으므로 경계선상의 결과는 신중하게 해석하십시오.

광고
런이 너무 적은 경우, 런의 수가 무작위인 경우, 너무 많은 경우를 보여주는 세 개의 수열
런이 너무 적으면 군집화나 추세를, 너무 많으면 진동을 나타내며, 기댓값에 가까운 개수는 무작위성에 부합합니다.

자주 묻는 질문

런 검정은 무엇을 확인하나요?

중앙값보다 큰 값과 작은 값 사이를 순서가 얼마나 자주 전환하는지를 바탕으로, 값의 순서가 무작위로 보이는지 확인합니다.

중앙값과 같은 값은 어떻게 처리되나요?

이 값들은 순서에서 제외되며, 제외된 개수가 보고됩니다. 나머지 값은 원래 순서를 유지합니다.

소표본 경고가 나오는 이유는 무엇인가요?

정규 근사는 \(n_1\)과 \(n_2\)가 모두 10을 넘을 때 가장 잘 작동합니다. 그보다 작으면 정확한 표가 더 적합하지만 포함되어 있지 않습니다.

데이터의 순서가 중요한가요?

그렇습니다. 데이터는 입력된 그대로 사용되며, 순서를 바꾸면 런의 수가 달라집니다.

언제 무작위성을 기각하나요?

\(|Z|\)가 선택한 알파에 대한 정규 임계값보다 엄격히 클 때 기각하며, 이는 p-값이 알파보다 작은 것과 같습니다.

출처

출처 및 참고 자료

최종 업데이트:

수학 및 통계 인기 계산기

수학 및 통계 계산기 전체 보기