Data Mastery: From Analysis to System De

✅ 통계학(Statistics)이란?데이터를 수집, 정리, 분석, 해석하여 불확실성을 줄이고 의미 있는 결론을 도출하는 학문📌 핵심 요소:모집단(Population) → 연구 대상이 되는 전체 집단표본(Sample) → 모집단에서 일부를 추출한 데이터데이터 분석 → 수집된 표본 데이터를 기반으로 모집단의 특성을 추정확률 이론과 검정 → 단순한 수치 비교가 아니라, 불확실성을 고려하여 결론을 도출📊 통계학의 목적모집단의 특성을 정확하게 추정(Estimation)데이터의 변동성을 고려하여 패턴과 관계 분석의사결정을 위한 객관적인 근거 제공즉, 통계학은 단순히 숫자를 계산하는 것이 아니라, 데이터를 통해 신뢰할 수 있는 결론을 도출하는 학문입니다. 😊📊 📌 통계학의 기본 흐름 (Flow)1️⃣ 표본 ..

표본오차와 유의성 검정: 아이스크림 용량은 적절한가?통계에서 표본 평균과 모집단 평균이 정확히 같지 않은 것은 당연한 일입니다. 하지만, 그 차이가 단순한 표본오차인지, 아니면 의미 있는 차이(유의미한 차이)인지를 검정하는 것이 중요합니다. 이번 사례에서는 B 아이스크림 회사의 제품 용량(320g)이 제대로 제공되고 있는지를 검정하기 위해 **표본(100개)**을 측정하고 **유의성 검정(t-test)**을 수행했습니다. 표본오차와 커트라인: 허용 가능한 범위를 정한다!표본오차란?표본을 추출할 때 완벽히 모집단과 일치할 수 없기 때문에 발생하는 자연스러운 오차즉, 표본 평균이 모집단 평균과 조금 차이 나는 것은 정상하지만, 어느 정도 차이까지 허용할 것인가? 🤔이를 위해 우리는 **유의수준(𝛼)과 임..

경험적 법칙 (Empirical Rule)란?통계에서 **정규분포(종모양 분포)**를 따르는 데이터는 특정 확률로 일정한 범위에 속합니다. 이를 경험적 법칙(Empirical Rule) 또는 68-95-99.7 법칙이라고 합니다.  경험적 법칙이란?경험적 법칙은 평균(𝜇)과 표준편차(𝜎)를 이용하여 데이터를 예측하는 법칙입니다.✔ 1σ (𝜇 ± 1𝜎): 데이터의 **68.26%**가 이 범위에 존재✔ 2σ (𝜇 ± 2𝜎): 데이터의 **95.44%**가 이 범위에 존재✔ 3σ (𝜇 ± 3𝜎): 데이터의 **99.73%**가 이 범위에 존재즉, 대부분의 데이터는 평균을 중심으로 특정 범위에 포함됨을 의미합니다. 예제 분석📌 주어진 데이터에서 평균(𝜇)과 표준편차(𝜎)평균 (𝜇) = 5..

데이터를 분석할 때 단순한 평균만 보는 것이 아니라, 확률을 활용하여 범위를 예측하는 것이 통계의 핵심입니다!이번 포스트에서는 몸무게 데이터를 활용하여 확률로 특정 범위를 예측하는 방법을 살펴보겠습니다. 몸무게 조사 데이터와 확률 분포K대 통계학 수업에서 60명의 몸무게를 조사하여 아래와 같은 도수 분포표를 만들었습니다. 📌 이 표는 각 구간별로 몸무게가 속할 확률을 나타냅니다.✅ **예를 들어, 몸무게가 55~60kg일 확률은 0.30 (30.0%)**입니다. 신뢰구간을 활용한 예측 (90% 확률 범위는?)몸무게의 평균을 중심으로 90%의 확률로 예측 가능한 범위를 구하려면? 이는 신뢰구간 (Confidence Interval) 개념을 사용해야 합니다.✅ 신뢰구간이란?평균을 기준으로 90%의 확률로 ..

대선이나 여론조사를 보면, 기관마다 발표하는 결과가 조금씩 다릅니다. 같은 모집단에서 조사를 했는데 왜 다른 결과가 나오는 걸까요? 🤔 이번 포스트에서는 표본 추출의 차이와 신뢰구간의 역할을 중심으로 이를 이해해보겠습니다. 모집단과 표본: 모든 사람을 조사할 수 없을까?위 이미지에서 보면 **총 유권자 수(모집단, N)**는 32,808,377명, 즉 3천 2백만 명 이상의 유권자가 존재합니다. 하지만, 모든 유권자를 대상으로 조사하는 것은 시간과 비용이 너무 많이 들기 때문에 각 기관은 일부만 추출하여(표본) 여론조사를 진행합니다.예제: 각 기관의 표본 크기(n) 비교리서치뷰: 4,200명 (표본 평균 44.0%, 오차 ±1.5)조선일보: 1,039명 (표본 평균 37.5%, 오차 ±3.1)리얼미터:..