[기초통계학]Day3

2월 17일 통계적 추론 파트와 단일모집단의 추론에 대한 기초통계학을 공부하였다. 단일 모집단 추론에 대한 내용이해가 부실함으로 오늘은 통계적 추론에 대해 상세히 적어두고 내일 단일모집단 추론에 대해 정리해 올리기로 한다.

통계적추론

모수적추론 parametric inference :

  • 모집단에 특정 분포를 가정하고 분포의 특성을 결정하는 모수에 대한 추론하는 방법

비모수적추론 non-parametric inference :

  • 모집단에 대한 분포가정이 없음

베이지안 추론 Bayseian inference :

  • 모수를 상수가 아닌 확률변수로 봄 =>확률 분포를 가짐

점추정 :

  • 미지의 모수를 표본의 어떤 함수(통계량)를 이용하여 어떤 으로 추정하는 과정
  • 추정방법 : 적률법 method of moments, 최대가능도추정법 maximum likelihood estimation, 최소제곱법 least squares estimation 등등

구간추정

  • 미지의 모수가 포함될 것으로 기대되는 범위를 확률적으로 택하는 과정
  • 100(1-α)% 신뢰구간 confidence interval [L,U] -> P(L ≤ θ ≤ U) = 1-α
  • [예제]모평균 μ에 대한 95% 신뢰구간
    • 모집단 가정 : N(μ,σ²)이고 σ²를 알고 있는 경우
    • μ의 점추정량 : X_bar
    • X_bar의 통계적 성질 : X_bar ~ N(μ,σ²/n) -> Z= (X_bar – μ)/(σ/sqrt(n)) ~ N(0,1)
    • 표준정규분포 : 0.95=P(-1.96 < Z < 1.96) =
      P(X_bar-1.96*σ/sqrt(n) < μ < X_bar+1.96*σ/sqrt(n))
    • 95%신뢰구간 = [X_bar-1.96*σ/sqrt(n), X_bar+1.96*σ/sqrt(n)]

가설검정

  • 모집단의 모수 또는 분포에 대한 추측이나 주장을 설정
    이것의 옳고 그름을 표본으로부터 얻어진 정보로 확률적 판정
  1. 가설 hypothesis
    • 귀무가설 H_0 : 감정의 대상이 되는 가설
    • 대립가설 H_1 : 표본으로부터 얻은 강력한 증거에 의해 입증하고자 하는 가설
      (i.e. 새로운 이론이나 우리가 보이고 싶은 주장)
  2. 검정통계량 test statistic
    • 귀무가설(H_0)을 기각시킬지 채택할지에 사용
    • 정상/비정상을 나누는 기준으로 유의수준 significant level 사용
      • 비정상 영역 = 기각역 rejection region
      • 정상 영역 = 채택역 acception region
    • 결정\실제 H_0 H_1
      H_0 제2종의 오류(β=1-p)
      = 검정력 power
      H_1 제1종의 오류(α=maxP)
      = 유의수준
    • 가설검정의 순서
      • 귀무가설과 대립가설 설정
      • 검정통계량 설정
      • 유의수준 결정
      • 기각역 계산
      • 판정

유의 확률 p-value

  • 관측값에 의해 귀무가설을 기각시킬 수 있는 검정법의 최소 유의수준
  • p-value < α : 귀무가설 기각
  • p-value > α : 귀무가설 기각 불가
Advertisements

답글 남기기

아래 항목을 채우거나 오른쪽 아이콘 중 하나를 클릭하여 로그 인 하세요:

WordPress.com 로고

WordPress.com의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Twitter 사진

Twitter의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Facebook 사진

Facebook의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Google+ photo

Google+의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

%s에 연결하는 중