1전교생은 400명!
💬모두에게 질문하려면 시간이 오래 걸려!
4장 · 통계분석 · 264–269쪽
VISUAL LECTURE · 01ESTIMATION & HYPOTHESIS TESTING
한 장씩 넘기며 이해하는 통계
표본을 통해 모집단을 추론하는 방법
독립적인 표본에서 출발해, 표본평균의 분포를 이해하고,
모수를 추정한 뒤 통계적 가설을 판단합니다.
🎨 4컷 만화로 기억하기
4 CUTS · 01 / 15학교 전체의 생각을 어떻게 알까?
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
240명을 뽑자
💬공정하게 무작위로 뽑아 보자.
3좋아하는 급식을 조사
💬40명에게 질문하고 답을 모아!
4전체를 조심스레 짐작
💬일부를 봤으니 오차도 생각해야 해.
01확률표본Random Sample
독립·동일분포(iid)
독립·동일분포(iid)
→
02중심극한정리CLT
표본평균의 분포
표본평균의 분포
→
03추정Estimation
점추정·구간추정
점추정·구간추정
→
04가설검정Hypothesis Testing
p-value·오류·검정력
p-value·오류·검정력
핵심 메시지 모집단 전체를 조사하지 않아도, 표본의 확률적 성질을 이용해 모집단에 대한 근거 있는 판단을 내릴 수 있습니다.
01 · RANDOM SAMPLE
264쪽확률표본의 핵심은 iid
Independent and Identically Distributed · 서로 독립적이며 동일한 분포를 따름
🎨 4컷 만화로 기억하기
4 CUTS · 02 / 15동전을 던질 때마다 새롭게 시작!
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1동전의 규칙
💬공정한 동전은 앞면 확률이 50%!
2첫 번째 던지기
💬앞면이 나왔네!
3두 번째는 새 출발
💬이번 결과는 앞의 영향을 받지 않아.
4항상 같은 규칙
💬독립 + 동일분포, 이것이 iid!
모집단 / 확률분포
평균 μ, 분산 σ² 같은 모수(Parameter)가 모집단의 성질을 규정합니다.
X ~ F(μ, σ²)
분포를 모수로 표현한 개념적 표기확률표본 / 관측
동일한 모집단 분포에서 n개의 관측을 얻습니다. 표본은 서로의 값에 의존하지 않습니다.
X₁
X₂
…
Xₙ
X₁, X₂, …, Xₙ iid ~ F
① Independent
각 관측값이 독립: 한 값이 다른 값의 발생확률에 영향을 주지 않음.
② Identically Distributed
각 관측값이 동일한 확률분포를 따름.
③ 표본분포
표본으로 만든 통계량도 확률변수이므로 자신의 확률분포를 가짐.
02 · CENTRAL LIMIT THEOREM
264쪽중심극한정리: 평균을 반복해서 구하면?
모집단이 비대칭이어도, 조건이 충족되면 표본평균의 분포는 n이 커질수록 정규분포에 가까워집니다.
🎨 4컷 만화로 기억하기
4 CUTS · 03 / 15쿠키 무게로 배우는 중심극한정리
이야기를 따라가면 ‘개별 관측값’과 ‘표본평균의 분포’가 다르다는 사실이 보입니다.
X̄ ≈ N(μ, σ²/n) (큰 n에서)
E(X̄) = μVar(X̄) = σ²/nSE(X̄) = σ/√n
표본 크기를 바꿔보세요
오른쪽: 반복 추출한 표본평균의 분포모집단 (비대칭)표본평균
시뮬레이션에서 확인할 점
1
중심: 표본평균들의 중심은 모평균 μ 근처입니다.
2
퍼짐: n이 클수록 표준오차(σ/√n)가 작아집니다.
3
모양: 비대칭 분포도 표본평균은 점차 정규분포에 가까워집니다.
10예시 모평균 μ
4.47이론적 표준오차
주의: 중심극한정리는 독립성 및 유한한 분산 등의 조건이 중요합니다. n≥30이면 무조건 정규분포라는 뜻은 아닙니다. 예시 모집단은 평균 10, 표준편차 10인 지수분포입니다.
03 · POINT ESTIMATION
265쪽점추정: 모집단의 모수를 하나의 숫자로
모평균 μ를 모를 때, 표본평균 X̄을 이용해 추정합니다. 표본마다 추정값은 달라질 수 있습니다.
🎨 4컷 만화로 기억하기
4 CUTS · 04 / 15정답을 모르니 대표 숫자로 짐작해요
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1학교 전체 평균 키는?
💬모든 학생의 키는 아직 몰라.
220명만 측정
💬뽑은 학생들의 키를 재 보자!
3평균은 143cm
💬대표 숫자 하나로 짐작해!
4다른 20명이라면?
💬141cm일 수도 있어. 추정은 달라져!
모집단의 미지 모수
μ = ?
↓ 표본으로 추정
X̄ = ΣXᵢ / n
표본평균은 모평균의 대표적인 불편추정량
좋은 점추정량의 대표 조건
1
불편성 · Unbiasedness
E(θ̂) = θ · 추정량의 기댓값이 참모수와 같음
2
효율성 · Efficiency
비교 가능한 추정량 중 분산이 작을수록 정밀함
3
일치성 · Consistency
n 증가 시 추정량이 모수에 확률적으로 가까워짐
4
충분성 · Sufficiency
주어진 모형에서 모수에 대한 표본 정보가 통계량에 보존됨
점추정 vs 구간추정 점추정은 ‘어디쯤인가’를 한 숫자로, 구간추정은 ‘불확실성을 고려한 범위’를 제시합니다. 모든 문제에서 표본평균이 항상 최선인 것은 아닙니다.
04 · CONFIDENCE INTERVAL
265쪽구간추정: 추정값 ± 오차한계
신뢰수준을 미리 설정한 뒤, 표본을 바탕으로 모평균을 포함하도록 설계된 구간을 구합니다.
🎨 4컷 만화로 기억하기
4 CUTS · 05 / 15하나의 숫자보다 범위로 이야기하기
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1평균을 한 숫자로
💬조사한 평균은 143cm였어.
2오차를 함께 생각
💬표본이라서 조금 틀릴 수도 있지.
3범위를 만들어 보자
💬예를 들어 139~147cm라고 말해!
4신뢰수준을 올리면?
💬대체로 범위가 더 넓어져.
✅ 개념 더 쉽게 이해하기 · 신뢰구간은 왜 구할까요?
모두를 조사할 수 없으니까, 표본으로 진짜 평균의 범위를 추정해요.
예를 들어 전교생 시험점수의 진짜 평균(모평균 μ)을 알고 싶은데, 36명만 조사해서 평균 72점(X̄)이 나왔어요. 표본이 달라지면 평균도 조금 달라질 수 있으니, 72점이라는 한 숫자만이 아니라 오차를 고려한 구간을 이야기합니다.
STEP 1표본평균 X̄ 구하기
학생 36명 점수의 평균이 72점이에요. 이것이 점추정값입니다.
STEP 2오차한계 계산하기
표본마다 결과가 달라지는 정도를 고려해 ±몇 점인지 구해요.
STEP 3위아래로 범위 만들기
가령 72 ± 4.06점이면 67.94~76.06점이 됩니다.
◀ 67.94점 (하한)72점 (중심)76.06점 (상한) ▶
※ 아래에서 다룰 n=36, s=12, 95% t 신뢰구간을 미리 그림으로 표현한 예시입니다.
정확한 의미: 95% 신뢰구간은 같은 표본추출·계산 방법을 수없이 반복할 때, 만들어진 구간의 약 95%가 고정된 참평균을 포함하도록 설계된다는 뜻입니다. 이미 나온 특정 구간에 참평균이 95% 확률로 들어 있다고 해석하지는 않아요.
모표준편차 σ를 아는 경우
Z 신뢰구간
X̄ ± z1−α/2 · σ/√n
모집단이 정규이거나 정규근사가 적절한 경우
95%일 때 z ≈ 1.96모표준편차 σ를 모르는 경우
t 신뢰구간
X̄ ± t1−α/2,n−1 · s/√n
표본표준편차 s를 사용하며, t분포의 자유도는 n−1
n=20일 때 95% t ≈ 2.093
🧮 공식 읽는 방법 · Z와 t는 무엇이 다를까요?
72 ± 1.96×12/√36 = 72 ± 3.92
→ [68.08, 75.92]점
72 ± 2.030×12/√36 = 72 ± 4.06
→ [67.94, 76.06]점
🔵 Z 신뢰구간 — σ를 이미 알아요
모집단 전체의 표준편차 σ를 알고 있으면 표준정규분포의 임계값 z를 이용해요. 95% 양측 구간에서 z는 약 1.96입니다. 모집단이 정규분포이거나 정규근사가 타당해야 해요.
예시: X̄=72, σ=12, n=3672 ± 1.96×12/√36 = 72 ± 3.92
→ [68.08, 75.92]점
🟢 t 신뢰구간 — σ를 몰라요
실제로는 σ를 잘 모르므로 표본의 s로 대신합니다. 이때 추가적인 불확실성을 고려하는 t분포를 사용하고, 자유도는 n−1입니다. 작은 표본에서는 정규성 가정 등을 확인해야 해요.
예시: X̄=72, s=12, n=36 (자유도 35)72 ± 2.030×12/√36 = 72 ± 4.06
→ [67.94, 76.06]점
기호 쉽게 읽기: X̄ = 조사한 사람의 평균 · σ = 모집단의 표준편차(알려진 값) · s = 표본에서 계산한 표준편차 · n = 표본 수 · √n = 표본 수의 제곱근 · 임계값 z 또는 t = 신뢰수준에 맞춰 오차한계를 조정하는 숫자
왜 t가 더 넓을까요? 동일한 표준오차 2를 사용하는 예에서, 95% t 임계값(자유도 35, 약 2.030)은 Z 임계값(약 1.960)보다 커서 구간이 조금 넓어요. n=20이면 95% t 임계값은 약 2.093입니다. 표본이 커질수록 t분포는 정규분포에 가까워집니다.
예시 · n=36, X̄=72점, s=12점
모표준편차를 모른다는 가정에서 t 신뢰구간을 계산합니다.
2.030t 임계값 (df=35)
±4.06오차한계 (점)
[67.94, 76.06]모평균의 신뢰구간
95% 신뢰수준을 선택했습니다. 같은 표본에서는 신뢰수준을 높일수록 오차한계가 커지고 구간도 넓어집니다.
표본이 작을 때의 정확한 t 추론은 모집단의 정규성 등에 의존합니다. n=30은 기계적으로 Z와 t를 나누는 절대 기준이 아닙니다.
05 · VARIANCE INTERVAL
265–266쪽모분산 σ²는 카이제곱분포(χ²)로 추정
모집단이 정규분포일 때, 표본분산을 활용하여 모분산의 신뢰구간을 계산합니다.
🎨 4컷 만화로 기억하기
4 CUTS · 06 / 15평균이 같아도 얼마나 흩어졌는지는 달라요
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1A반 점수
💬60점, 80점, 100점이야.
2B반 점수
💬78점, 80점, 82점이야.
3평균은 똑같아
💬두 반 평균은 모두 80점!
4퍼짐은 다르네
💬흩어진 정도를 분산이라고 해.
카이제곱 통계량
(n−1)s² / σ² ~ χ²n−1
모분산의 신뢰구간
[(n−1)s² / χ²1−α/2, (n−1)s² / χ²α/2]
위 χ²의 아래첨자는 자유도 n−1에서의 누적확률 분위수
모수: σ²추정량: s²자유도: n−1
분포를 구별하세요
Z
Z분포: 알려진 σ를 이용한 모평균 추정
t
t분포: 미지 σ를 s로 대체한 모평균 추정
χ
χ²분포: 정규모집단의 모분산 추정
시험 핵심 모분산의 구간추정에서 쓰는 χ²분포와, 범주형 자료 분석에서 쓰는 카이제곱 독립성 검정은 활용 목적이 다릅니다.
06 · INDEPENDENT GROUPS
266쪽서로 다른 두 집단: 독립표본
A집단과 B집단의 관측 대상이 다르고 서로 독립일 때, 두 모평균의 차이 μ₁−μ₂를 추정합니다.
🎨 4컷 만화로 기억하기
4 CUTS · 07 / 151반과 2반은 서로 다른 학생들이에요
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
11반 학생들
💬우리 반 평균은 80점!
22반 학생들
💬우리 반 평균은 73점!
37점의 차이
💬서로 다른 학생들의 차이를 볼까?
4우연한 차이일까?
💬독립된 두 반을 비교하는 거야.
A집단 · Group A
80점
n₁ = 40, s₁ = 12
B집단 · Group B
73점
n₂ = 42, s₂ = 14
추정한 평균 차이 = X̄₁−X̄₂ = 7점
일반적인 방법 · Welch
(X̄₁−X̄₂) ± t*√(s₁²/n₁+s₂²/n₂)
등분산을 가정하지 않습니다. t*는 Welch–Satterthwaite 자유도를 따릅니다.
등분산 가정 · Pooled t
sp² = [(n₁−1)s₁²+(n₂−1)s₂²] / (n₁+n₂−2)
등분산이 타당할 때 자유도 n₁+n₂−2로 추정합니다.
구분 포인트: 독립표본은 서로 다른 사람들의 집단 평균을 비교합니다. 이 예시에서 차이의 추정값은 7점이며, 통계적 불확실성까지 고려하려면 신뢰구간이 필요합니다.
07 · PAIRED SAMPLE
267쪽같은 대상의 전·후 변화는 대응표본
동일인·동일대상에 2회 측정했거나 사전에 짝지은 관측값이라면, 각 쌍의 차이를 구해 분석합니다.
🎨 4컷 만화로 기억하기
4 CUTS · 08 / 15같은 학생의 전과 후를 한 쌍으로!
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1연습 전 점수
💬나는 연습 전에 65점이었어.
2연습 후 점수
💬연습 후에는 70점이야!
3같은 사람끼리 빼자
💬70−65=5점 상승!
4짝의 차이를 분석
💬한 사람의 변화를 모아 평균 내!
관측값을 짝지어 비교
학생 A전 60→후 65+5
학생 B전 70→후 72+2
학생 C전 75→후 81+6
학생 D전 68→후 75+7
Dᵢ = 후ᵢ − 전ᵢ (차이를 계산하는 방향을 일관되게)
분석의 대상은 차이 D
D̄ ± t1−α/2,n−1 · sD/√n
4명쌍의 수 n
+5점평균 차이 D̄
차이값 5, 2, 6, 7의 평균은 5입니다.
전·후 한 쌍같은 사람의 두 관측값
→
차이값 Dᵢ 계산후 − 전
→
하나의 표본으로 분석평균 차이의 신뢰구간·t검정
꼭 기억할 점 짝지은 후에는 두 집단의 독립평균을 비교하는 것이 아니라, 쌍별 차이의 평균을 검정합니다. 서로 다른 쌍 사이의 독립성 등의 가정도 필요합니다.
08 · LEVEL OF CONFIDENCE
267쪽신뢰수준이 높을수록 구간은 넓어집니다
다른 조건이 같다면 신뢰수준 90% → 95% → 99%일수록 임계값이 커져 오차한계가 늘어납니다.
🎨 4컷 만화로 기억하기
4 CUTS · 09 / 15큰 그물일수록 물고기를 놓칠 가능성이 줄어요
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1같은 방법으로 반복
💬조사를 여러 번 한다고 해봐.
2구간을 100개 만들면
💬구간마다 조금씩 달라져.
395% 신뢰수준
💬장기적으로 약 95개가 참값을 담아!
4오해하지 않기
💬고정된 구간의 확률이 95%라는 뜻은 아냐.
평균 72점, 표준오차 2점인 예시 · Z 근사
90%
68.71 ~ 75.29
95%
68.08 ~ 75.92
99%
66.85 ~ 77.15
세로 중앙선 = 같은 표본평균(72) · 구간의 가로 길이는 상대적 비교를 위한 표현
올바른 해석
같은 방식으로 표본을 반복 추출하고 매번 신뢰구간을 만들면, 95% 신뢰구간 방법은 장기적으로 약 95%의 구간이 참모수를 포함합니다.
피해야 할 해석
이미 계산한 하나의 95% 신뢰구간에 대해 “고정된 참모수가 95%의 확률로 구간 안에 있다”는 빈도주의 해석은 정확하지 않습니다.
신뢰수준 = 1−α. 따라서 95% 신뢰수준 ↔ α=0.05이며, 양측의 꼬리에는 각각 α/2=0.025가 배정됩니다.
09 · HYPOTHESIS TESTING
268쪽가설검정은 증거로 판단하는 절차
표본에서 관측된 결과가 귀무가설을 가정할 때 얼마나 이례적인지 평가합니다.
🎨 4컷 만화로 기억하기
4 CUTS · 10 / 15“정말 공정한 동전일까?”를 검사해요
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1친구의 주장
💬이 동전은 공정하대!
2먼저 기본 가정
💬H₀: 공정한 동전이라고 가정해.
3여러 번 실험
💬정말 이상할 만큼 치우쳤을까?
4근거를 보고 결정
💬충분히 드물면 H₀를 기각해.
H₀ · Null Hypothesis · 귀무가설μ = 3.0기준과 차이가 없다는 가설
H₁ · Alternative Hypothesis · 대립가설μ ≠ 3.0기준과 차이가 있다는 가설 (양측)
1
가설 설정: H₀와 H₁을 명확하게 정의
2
유의수준 설정: α=0.05 등 연구 설계 단계에서 선택
3
검정통계량 계산: 표본으로 t, z, χ² 등 계산
4
p-value 또는 기각역 비교: H₀ 하에서 결과의 이례성 평가
5
결론: H₀ 기각 또는 기각하지 못함
용어 주의: ‘귀무가설을 채택한다’보다 ‘귀무가설을 기각하지 못한다’가 엄밀합니다. 유의하지 않음은 H₀가 참임을 증명하지 않습니다.
10 · P-VALUE & CRITICAL REGION
268–269쪽p-value는 귀무가설 아래의 이례성
양측 Z검정 예시 · 관측값 이상으로 극단적인 값이 나올 확률을 양쪽 꼬리에서 합칩니다.
🎨 4컷 만화로 기억하기
4 CUTS · 11 / 1510번 중 9번 앞면? 얼마나 드문 일일까?
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1공정한 동전이라면
💬앞면이 나올 확률은 50%지.
210번 중 앞면 9번
💬이렇게 치우친 결과가 나왔네!
3더 극단적인 결과까지
💬양측 확률은 약 2.15%야.
4유의수준 5%와 비교
💬2.15% < 5%니까 H₀ 기각!
관측한 |Z| 값을 움직여보세요
정규분포에서 양측 p-value가 어떻게 달라지는지 확인
💡 이 버튼들은 p-value 자체가 아니라 유의수준 α(판정 기준)을 정합니다.→ 선택한 % 이하의 p-value가 나와야 H₀를 기각해요.
10%α = 0.10
조금 느슨한 판단 기준p가 0.10 이하이면 기각. H₀가 참인 상황에서 잘못 기각할 위험을 최대 10%로 설정해요.
양측 Z 임계값: 약 ±1.645현재 결과: H₀ 기각5%α = 0.05
가장 흔히 쓰는 판단 기준p가 0.05 이하이면 기각. H₀가 참일 때 잘못 기각할 위험을 최대 5%로 설정해요.
양측 Z 임계값: 약 ±1.960현재 결과: H₀ 기각1%α = 0.01
더 엄격한 판단 기준p가 0.01 이하여야 기각. H₀가 참일 때 잘못 기각할 위험을 최대 1%로 더 낮춰요.
양측 Z 임계값: 약 ±2.576현재 결과: 기각하지 못함암기 연결: 양측검정에서 α = 10% · 5% · 1%는 같은 조건의 양측 신뢰구간에서 각각 신뢰수준 90% · 95% · 99%에 대응합니다. α가 작을수록 기각은 더 어려워져요.
|zobs|2.2
0.0278양측 p-value
0.05유의수준 α
H₀ 기각통계적 의사결정
현재 관측값 |Z|=2.2 → p≈0.0278. 유의수준 10%와 5%에서는 H₀를 기각하지만, 1%에서는 기각하지 못합니다. p-value는 같고 판단 기준만 달라집니다.
판단 기준: p ≤ α → H₀ 기각 / p > α → H₀ 기각하지 못함. p-value는 H₀가 참일 확률을 뜻하지 않습니다.
11 · TYPE I, II ERRORS & POWER
269쪽가설검정의 결과는 네 가지 조합
실제 세계에서 H₀가 참인지 거짓인지와, 표본 검정에서 H₀를 기각했는지를 구별합니다.
🎨 4컷 만화로 기억하기
4 CUTS · 12 / 15화재경보기는 두 가지 방식으로 실수해요
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1불이 없는데 경보
💬화재가 아닌데 삐삐!
2불이 났는데 조용
💬진짜 위험을 놓쳤어!
3두 오류의 이름
💬앞은 제1종, 뒤는 제2종 오류.
4제대로 찾아내는 힘
💬실제 화재를 발견하는 능력은 검정력!
결정 \ 실제
H₀ 참
H₀ 거짓
기각하지 못함
올바른 결정1 − α
제2종 오류β · 실제 효과를 놓침
기각
제1종 오류α · 없는 효과를 있다고 판단
검정력 (Power)1 − β · 실제 효과를 탐지
제1종 오류 · α
H₀가 참인데도 기각하는 오류. 유의수준으로 통제합니다.
제2종 오류 · β
H₀가 거짓인데도 기각하지 못하는 오류. 표본크기·효과크기·변동성 등에 영향받습니다.
검정력 · 1−β
실제로 효과가 존재할 때 이를 통계적으로 탐지할 확률입니다.
학습 시 주의: 제1종 오류가 제2종 오류보다 항상 더 위험한 것은 아닙니다. 의료·안전·정책 등 연구 맥락에 따라 두 오류의 상대적 비용은 달라집니다.
12 · T-TEST DECISION GUIDE
269쪽연구설계에 맞는 t검정 선택
세 검정은 비교하려는 값과 표본 간 독립성 구조가 다릅니다.
🎨 4컷 만화로 기억하기
4 CUTS · 13 / 15한 반인가, 두 반인가, 같은 학생 두 번인가?
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1우리 반 vs 기준값
💬한 반 평균이 70점과 다른가?
21반 vs 2반
💬다른 두 반 평균이 다른가?
3같은 학생의 전후
💬연습 전후 점수는 달라졌나?
4알맞은 검정을 선택
💬단일·독립·대응 t검정을 구분해!
01 · ONE-SAMPLE
단일표본 t검정
t=(X̄−μ₀)/(s/√n)
한 집단 평균이 특정 기준값과 다른가?
예: 관광만족도 평균 = 3점?
02 · INDEPENDENT
독립표본 t검정
X̄₁ − X̄₂
서로 다른 두 집단의 평균이 다른가?
예: 국내·외국인 방문객 비교
03 · PAIRED
대응표본 t검정
t=D̄/(sD/√n)
같은 대상의 전·후 변화 평균이 0인가?
예: 교육 전·후 역량 비교
빠른 선택 규칙
비교 기준값이 1개?한 집단 vs 특정 기준단일표본
→
서로 다른 두 집단?대상이 서로 독립독립표본
→
같은 사람을 두 번?짝지어진 전·후 측정대응표본
독립표본에는 등분산 가정의 합동 t와 등분산을 가정하지 않는 Welch t가 있습니다. 표본의 독립성, 분포·이상치·표본크기 등 검정 전제도 검토합니다.
13 · QUICK CHECK
학습 점검이론 정복 핵심 퀴즈
정답이라고 생각하는 보기를 선택하면 해설이 나타납니다.
🎨 4컷 만화로 기억하기
4 CUTS · 14 / 15어려운 말은 익숙한 장면으로 바꿔 읽어요
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1어려운 용어 발견
💬iid가 뭐였더라?
2생활 이야기로 번역
💬동전처럼 같은 규칙, 서로 독립!
3상황에 맞춰 연결
💬같은 학생 전후면 대응표본!
4퀴즈 도전!
💬왜 맞는지 설명할 수 있어!
Q1. iid가 의미하는 것은 무엇인가?
Q2. 동일한 학생의 교육 전·후 성적 차이를 검정하려면?
Q3. α=0.05, p=0.03이라면?
Q4. 검정력(Statistical Power)의 정의는?
복습 목표: 정의 암기뿐 아니라 연구 상황에서 적절한 통계방법 선택 및 결과의 정확한 해석을 할 수 있어야 합니다.
14 · SUMMARY
마무리추정과 가설검정 한눈에 정리
개념, 주요 수식, 통계적 의사결정까지 연결해 기억하세요.
🎨 4컷 만화로 기억하기
4 CUTS · 15 / 15통계는 “조금 보고, 조심스럽게 판단하기”예요
왼쪽 위부터 오른쪽으로 ① → ② → ③ → ④ 순서로 읽어 보세요.
1일부 학생을 뽑아
💬전교생을 대신해 표본을 조사해.
2평균을 계산해
💬한 숫자로 전체를 추정해.
3범위도 계산해
💬모르는 정도도 함께 말해!
4주장을 검정해
💬증거를 보고 조심스럽게 결정!
① 표본과 분포
iid = 독립·동일분포. 표본평균은 확률변수이며 CLT에 따라 정규근사가 가능해집니다.
SE(X̄)=σ/√n
② 추정
점추정은 하나의 값, 구간추정은 추정값에 오차한계를 더한 범위입니다.
X̄ ± 임계값 × SE
③ 가설검정
H₀에서 출발해 검정통계량과 p-value를 구하고 유의수준 α에 따라 기각 여부를 결정합니다.
p ≤ α ⇒ H₀ 기각
연구 질문어떤 모수·차이를 알고 싶은가
→
자료 구조독립표본 vs 대응표본
→
추정·검정Z / t / χ² / 신뢰구간
→
결과 해석효과크기·불확실성·p-value
시험·연구에서 꼭 구별할 네 문장
① 표본크기 ↑ → 표준오차 ↓ (다른 조건 동일)
② 신뢰수준 ↑ → 신뢰구간 폭 ↑
③ p ≤ α → 귀무가설 기각
④ 기각하지 못함 ≠ 귀무가설 참
출처: 제공된 교재 PART 03 「통계분석」 264~269쪽을 바탕으로 교육용으로 구성. OCR로 왜곡된 기호와 통계적 해석은 일반적인 통계학 정의에 맞게 바로잡았습니다.
전체 목차
원하는 카드를 선택하면 해당 슬라이드로 이동합니다.