• 평균 차이 (red − white)-0.7154
• 검정통계량-3.0371
• p-value (양측)0.0031

1. 두 집단을 나눠 크기를 확인한다groupby('wine_type')['alcohol'].agg(['count','mean']). 40 과 60 이라는 다른 크기 가 이 문항의 핵심이다.
2. 차이의 방향을 발문대로 맞춘다red − white 라고 적혀 있으므로 그 순서로 뺀다. 뒤집으면 부호만 반대인 값이 되어 오답이다.
3. 등분산 가정을 끈다stats.ttest_ind(a, b, equal_var=False) 가 Welch 검정이다. scipy 의 기본값은 True(합동분산)라 반드시 인자를 적어야 한다.
4. 통계량과 p-value 를 읽는다result.statistic·result.pvalue. scipy 의 ttest_ind 는 기본이 양측검정이다.
5. 해석을 붙인다p = 0.0031 < 0.05 이므로 "두 평균이 같다" 는 귀무가설을 기각한다. 작은 p 가 큰 차이를 뜻하지는 않는다.

import pandas as pd
from scipy import stats

df = pd.read_csv('alcohol-sample.csv')
red = df[df['wine_type'] == 'red']['alcohol']
white = df[df['wine_type'] == 'white']['alcohol']

result = stats.ttest_ind(red, white, equal_var=False)
print(round(red.mean() - white.mean(), 4))
print(round(result.statistic, 4))
print(round(result.pvalue, 4))

equal_var=False 가 Welch 검정이다. 두 집단의 분산이 다를 수 있을 때 자유도를 보정한다. 두 집단의 크기가 40과 60으로 다르기 때문에 equal_var=True(합동분산)로 두면 통계량이 -2.9189, p-value 가 0.0044 로 달라진다. 표본 크기가 같으면 두 방식의 통계량이 일치해 차이가 드러나지 않는다. p-value 0.0031 은 유의수준 0.05 에서 "평균이 같다"를 기각한다는 뜻이지, 차이가 크다는 뜻은 아니다.