Hypothesis Test(가설검정) / 기술통계 vs 추론통계 / python 파이썬!

가설검정(Hypothesis Test)

주어진 상황에 대해서, 하고자 하는 주장이 맞는지 안닌지를 판정하는 과정. 

모집단의 실제 값에 대한 sample의 통계치를

사용해서 통계적으로 유의한지 아닌지 여부를 판정함. 

 

귀무가설(H0)

- 옳고, 틀리다와 상관없이 표본관찰 -> '이 자료는 이러할 것이다'

ex)00카페에서 제일 많이 팔리는 음료는 딸기바나나스무디 일 것이다. 

 

대립가설(H1)

- 귀무가설에 대립되는 가설 -> 귀무가설이 기각될 때 받아들여지는 가설

ex)00카페에서 제일 많이 팔리는 음료는 딸기바나나스무디 아니다. 

 

귀무가설 귀각(reject) : 가설이 참일 확률이 극히 적어 처음부터 버릴 것이 예상되는 가설.

 

대립(대안)가설 채택(accept): 연구를 통해 입증되기를 기대하는 예상. 또는 주장하는 내용

이 둘은 목표가 다르다 ! 

 

그럼 채택과 귀각의 기준은 ?

이 기준점을 '임계값'(critical value)'라고 한다. 

 

임계값은 유의수준'(level of significance)'으로 부터 알 수 있다. 

귀무가설의 기각 여부를 결정하는데 사용하는 기준이되는 확률 

제 1종오류를 범할 확률의 허용 한계

 

 

신뢰도 95% -> 유의수준 0.05

 

제1 종 오류

기술 통계치 (Descriptive Statistics) 수집한 데이터를 요약 묘사 설명하는 통계 기법

기초생활수급 비율 시각화

대표적으로 EDA나 시각화를 예를 둘 수 있다. 

우리는, 주어진 데이터로 데이터가 말해주고 있는 바를 직관적으로 알 수 있다. 

추론(추정)이 개입되지 않아도 알 수 있는 통계치를 기술 통계치라 할 수 있다.

 

추정의 단계없이, 표본 추출 과정만으로 데이터를 묘사해 주는 것 .! 

ex)boxplot , bagplot, violin plot

그럼 추리 통계치는 ?

추리 통계치 (Inferetial Statics) 수집한 데이터를 바탕으로 추론 예측하는 통계 기법

• Population
• Parameter 모수
• Statistic 통계량
• Estimator
• Standard Deviation
• Standard Error

표본의 정보로 모집단을 추측 !!

내가 궁금 한 것은 전체를 알고싶어 샘플링을 한 것이라서,

전체가 알고싶어 작은수를 조사한 것이다. 이 전체를 추론하는 것이 추론통계이다.

 

 

 

코드구현은 다음 글에 ~