T-test (T-검정)

T-test (T-검정)

 

T Score

• t-score가 크면 두 그룹이 다르다는 것을 의미한다.
• t-score가 작으면 두 그룹이 비슷하다는 것을 의미한다.

 

P-values

• p-value는 5% 수준에서 0.05 이다.
• p-values는 작은 것이 좋다. 이것은 데이터가 우연히 발생한 것이 아니라는 것을 의미한다.
• 예를 들어, p-value가 0.01 이라는 것은 결과가 우연히 나올 확률이 1%에 불과하다는 것을 의미한다.
• 대부분의 경우 0.05(5%) 수준의 p-value를 기준으로 삼는다. 이 경우 통계적으로 유의하다고 한다.

 

from scipy import stats

tTestResult = stats.ttest_ind(df_30['retention_1'], df_40['retention_1'])

tTestResultDiffVar = stats.ttest_ind(df_30['retention_1'], df_40['retention_1'], equal_var=False)

tTestResult  # Ttest_indResult(statistic=1.7871153372992439, pvalue=0.07392220630182521)

tTestResult = stats.ttest_ind(df_30['retention_7'], df_40['retention_7'])

tTestResultDiffVar = stats.ttest_ind(df_30['retention_7'], df_40['retention_7'], equal_var=False)

tTestResult  # Ttest_indResult(statistic=3.1575495965685936, pvalue=0.0015915357297854773)

 

위 분석결과를 보면, 두 그룹에서 retention_1에 있어서는 유의하지 않고 retention_7에서는 유의미한 차이가 있다는 것을 알 수 있다.

다시말해, retention_7이 gate30이 gate40보다 높은 것은 우연히 발생한 일이 아니다.

즉, gate는 30에 있는 것이 40에 있는 것보다 retention 7 차원에서 더 좋은 선택지다.