DBpia

본 연구에서는 심층신경망을 이용한 통계적 가설검정에 대하여 다룬다. 통계적 가설검정은 주어진 자료를 바탕으로 귀무가설의 기각여부를 결정가하는 과정으로, 기각되는 경우 이에 대한 대안으로 대립가설을 선택하게 된다. 즉, 통계적 가설검정은 귀무가설과 대립가설 중 한 가설을 선택하는 문제로 생각할 수 있는데, 이는 기계학습에서의 분류문제로 간주될 수 있다. 이에 본 연구에서는 가설검정을 분류문제로 여기고, 심층신경망을 이용한 통계적 가설검정을 수행한다. 구체적으로, 두 모분포의 평균 비교 검정에 대하여 심층신경망을 학습시키고, 검정 성능을 기존의 이표본 t-검정과 비교한다. 본 연구에서 학습된 심층신경망은 유의수준 5%의 t-검정과 비슷한 수준의 검정결과를 보였으며, 실험과정을 통하여 제기된 딥러닝을 이용한 검정의 이슈와 장단점 등에 대하여 살펴본다.

Hypothesis testing is a process of deciding whether to reject the null hypothesis. When the null hypothesis is rejected, the alternative hypothesis is accepted. Since hypothesis testing chooses one between the null and alternative hypotheses, it can be viewed as a classification problem in machine learning. In this study, we investigate deep neural network as a classifier for classifying the null and alternative hypotheses. Particularly, focusing on testing for equality of two population means, we train deep neural network and then evaluate its performance compared to two sample t-test. Through simulations, we demonstrate that our DNN trained in this study shows similar performance to level 5% two sample t-test. Additionally, we discuss some of the issues that arise when using DNN in hypothesis testing.