기술통계, 추론통계, 가설검정 개념 요약 정리

소개글

"기술통계, 추론통계, 가설검정 개념 요약 정리"에 대한 내용입니다.

목차

없음

본문내용

통계를 큰 맥락에서 분류하는 방법 중의 하나는 기술통계와 추론통계로 나누는 것이다. 연구주제에 답하기 위해서는 둘 모두를 적절히 사용할 수 있어야 함. 또한 추론통계의 논리에 대해서 이해하는 것은 추후 sample을 설정하고 가설검정을 실시하고 결과를 해석함에 있어 도움이 됨.

기술통계(Descriptive statistics): 기술통계는 sample의 데이터를 요약하고 그래프로 보여주는 것이다. 이를 통해 관찰된 데이터의 특징을 알 수 있다. 데이터를 요약하고 시각화하여 raw data를 보는 것에 비해서 데이터의 특징을 한눈에 더 잘 알아볼 수 있게 해준다. But, population에 대한 얘기를 할 수 없다는 한계를 지님. 우리가 관심있는 것은 population이고 현실적 제약으로 sample을 사용하여 연구를 진행한다는 점을 고려했을 때, 이는 기술통계의 중요한 한계점.
1. 기술통계는 Sample을 다룬다. Sample에 한정된 이야기이고 population의 특징을 추론하려 하지 않는다. 관찰한 데이터만을 가지고 Sample에 한정된 얘기를 하기 때문에 uncertainty가 없다. 통계에서 uncertainty는 보통 sample과 population의 차이인 sampling error에서 오는 것.
 Sampling error: Population이 아닌 sampling을 다루기 때문에 발생하는 error. Sample과 population의 수치 차이를 error로 간주한다. 우리가 정말로 관심이 있는 것은 population의 데이터이지만 현실적인 이유로 sample을 사용해서 population의 특징을 추론할 수 밖에 없음. 이 때 sample과 population의 values의 차이를 error로 간주한다(우리가 진짜로 관심있는 value로부터 멀어진 것이기 때문).
Sample을 다루는 이상 피할 수 없다. Sampling error를 최소화하는 것이 표집의 주요 목표. Random sampling, Cluster sampling, Stratified sampling과 같은 표집방법은 모두 sampling error를 최소화하기 위한 수단.
Sampling error의 정확한 수치는 보통 알 수가 없는데 보통 우리가 population의 수치에 대한 정확한 정보가 없기 때문이다.
 Sampling error를 어떻게 줄이는가? 1) 표본을 크게 한다 2) 표본설정을 정확하게(표본이 population을 정확하게 대표할수록 sampling error가 적다!!)

참고 자료

없음