딥러닝 공부방

여인권 교수님의 KMOOC 강의 를 수강하면서 공부한 내용을 정리해보았습니다. 두 모집단 평균 비교 대응표본을 통해 모집단의 평균을 비교하는 방법을 알아보겠습니다. 대응표본에서의 평균 차에 대한 중심축량과 이를 바탕으로 한 구간추정과 가설검정방법을 알아보겠습니다. 1. 대응표본을 통해 모집단의 평균비교 예시 약의 유효성 평가는 어떻게 하면 좋을까? 두 운동화의 내구성 비교를 어떻게 하면 좋을까? 이 두 가지 경우와 같은 상황일 때 대응표본을 통한 모집단의 평균을 비교할 수 있습니다. 동일한 개체를 대상으로 처리 전후를 비교하거나 유사한 두 대상을 쌍으로 만들어 서로 다른 처리하고 처리효과에 차이가 있는지를 알아봅니다. 관측값의 기저 차이에 의해 발생하는 변동을 제거하고 순수한 처리효과를 유도할 수 있습니..

여인권 교수님의 KMOOC 강의 를 수강하면서 공부한 내용을 정리해보았습니다. 두 모집단 평균 비교 - 독립표본, 분산이 같은 경우 독립표본을 통해 분산이 같은 두 정규 모집단의 평균 비교하는 방법을 알아보겠습니다. 평균 차에 대한 중심축량과 이를 바탕으로 한 구간추정과 가설검정방법을 알아보겠습니다. 1. 두 모집단 비교에서의 가정 (1) 두 모집단 모두 정규 분포 형태를 갖는다. (2) 정규 분포라고 보기 어렵다. a. 표본크기가 큰 경우 정규 분포로 가정(대표본) b. 표본크기가 크지 않고 이상점이 존재(비 모수적 방법 이용) 크게 두 가지 경우로 가정해볼 수 있습니다. 2. 정규 모집단으로 가정한 경우 신뢰구간 신뢰구간 구하는 방법을 알아보겠습니다. 정규 모집단으로 가정한 경우 다음과 같습니다. 또..

여인권 교수님의 KMOOC 강의 를 수강하면서 공부한 내용을 정리해보았습니다. 독립표본과 대응표본 독립표본과 대응표본을 알아보기 위해 두 모집단을 비교하는 예시를 보겠습니다. [두 모집단 비교 예시] 1. 진통제를 복용한 그룹과 위약을 복용한 그룹을 대상으로 진통효과 비교 2. 고혈압약을 복용하기 전과 후의 혈압 감소 효과 비교 3. 다른 두 지역을 대상으로 국정운영 지지율을 비교 4. 일란성 쌍둥이를 대상으로 두 다이어트 방법의 효과 비교 1번과 3번은 별개의 두 집단을 비교이므로 독립표본이라고 할 수 있습니다. 2번과 4번은 쌍을 이룬 두 집단 비교이므로 대응표본(짝비교)이라고 할 수 있습니다. 이처럼 두 모집단이 독립표본인지, 대응표본인지 분류할 필요가 있습니다. 검정, 추정 방법이 달라지기 때문입..

R을 이용해서 모비율을 추론해보겠습니다. (신뢰구간, 가설검정, 표본크기결정) 이론은 여기에서 확인할 수 있습니다. 1. 데이터 입력 n

R을 이용해서 모분산을 추론하겠습니다. (수정제곱합, 분산 신뢰구간, 표준편차 신뢰구간) 이론은 여기에서 확인할 수 있습니다. 1. 데이터 불러오기 # 데이터 불러오기 x

R을 이용해서 모평균 추론을 해보겠습니다.(정규성 검정, 구간 추정, 가설 검정, 표본크기 결정) 1. 모평균 추론하기 (1) 데이터 불러오기 # 평균 취업률 # 전체취업률 mu = 54.5 stat

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 구간추정에 기반한 표본크기결정 방법을 알아 보겠습니다. 가설검정에 기반한 표본크기결정 방법을 이해하겠습니다. 1. 구간추정에 의한 표본 크기 결정 구간추정에 기반한 표본크기결정 방법에 대해 알아보겠습니다. 모비율에서 $\delta$는 $\theta_1$ - $\theta_2$를 의미합니다. 100(1-a)% 신뢰수준에서 허용오차범위가 $\pm\delta$일 때 n(표본크기)은 다음과 같이 구할 수 있습니다. 표본의 크기는 모수추정의 정확도 및 신뢰도에 영향을 줍니다. 2. 예시 문제 이번 조사는 M**회사가 R**회사에 의뢰해 지난 20일 전국 19세 이상 성인남녀 1천명을 전화설문한 결과로 신뢰수준 95%에 표본오차는..

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 분산추론을 위한 중심축량에 대해 알아보겠습니다. 분산과 표준편차의 구간추정과 가설검정법을 알아보겠습니다. 1. 카이제곱분포 - chi-square distribution 분산의 중심축량은 카이제곱분포로 표현할 수 있습니다. [자유도에 따른 카이제곱분포 형태] 자유도가 클수록 옆으로 퍼진다는 것을 확인할 수 있습니다. [카이제곱분포에서의 분위수] 카이제곱분포는 비대칭입니다. 비대칭이므로 양쪽의 면적이 다릅니다. 2. 구간추정 (1) 중심축량을 이용하여 다음과 같은 식을 도출할 수 있습니다. (2) 신뢰구간은 [L < $\sigma^2$

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 모평균에 대한 구간추정과 가설검정법을 알아보겠습니다. 평균추론을 위한 중심축량에 대해 알아보겠습니다. 1. 모집단 가정 모집단을 가정할 때 다음과 같이 구분할 수 있습니다. (1) 정규분포 형태를 가짐 (2) 정규분포라고 보기 어려움 (a) 표본크기가 큼: 대표본 (b) 표본크기가 크지 않고 이상점이 존재 이에 따른 모평균 추론법에 대해 알아보겠습니다. 2. 모집단을 정규모집단으로 가정 N($\mu, \sigma^2$) (1) 정규성 가정의 적절성 확인이 필요합니다. (a) Shapiro-Wilk test, Jacque-Bera test 등등 (2) 모평균과 모분산을 모르는 경우 모평균을 0으로 만들어 줄 수 있습니다...

유의수준과 검정력 함수 그리기 R을 이용해서 유의수준과 검정력 함수를 그려보겠습니다. 정규분포에서 표본을 36개 추출하였고 분산은 4로 가정하겠습니다. 또 귀무가설 $H_0$ 0 으로 설정하였습니다. 검정기준(기각역)은 표준평균이 0.5보다 클 때 귀무가설을 reject 하겠습니다. ## 유의수준을 구하는 함수 prob2