명세화와 가설 설정

3장에서, 운송비 그룹 간 지연 배송 비율에 대해 두 표본 비율 검정을 수행했어요. 그때의 가설을 다시 떠올려 봅시다.

\(H_{0}\): \(late_{\text{expensive}} - late_{\text{reasonable}} = 0\)

\(H_{A}\): \(late_{\text{expensive}} - late_{\text{reasonable}} > 0\)

이제 prop_test()를 사용하는 전통적 접근법을, 시뮬레이션 기반의 infer 파이프라인과 비교해 보겠습니다.

late_shipments는 제공되어 있고, dplyr과 infer는 로드되어 있어요.

Question

이전(3장)에서 본 비율 검정 코드를 실행하세요. 유의수준을 alpha = 0.05로 가정할 때, 근거는 무엇을 시사하나요?

p-값이 유의수준보다 작거나 같으므로, 각 운송비 그룹에서 지연 배송 비율이 같다는 영가설을 기각해야 합니다.

p-값이 유의수준보다 작거나 같으므로, 각 운송비 그룹에서 지연 배송 비율이 같다는 영가설을 기각하지 못합니다.

p-값이 유의수준보다 크므로, 각 운송비 그룹에서 지연 배송 비율이 같다는 영가설을 기각해야 합니다.

p-값이 유의수준보다 크므로, 각 운송비 그룹에서 지연 배송 비율이 같다는 영가설을 기각하지 못합니다.