Allen's 데이터 맛집

가설 검정은 통계적으로 얻은 표본 데이터를 사용하여 어떤 가설에 대한 결론을 내리는 통계적 추론 방법 중 하나입니다. 일반적으로 두 가지 가설을 비교하여, 주어진 데이터가 어느 가설과 더 일치하는지를 판단합니다. 이러한 가설은 귀무가설(H0)과 대립가설(H1)로 나눌 수 있습니다. 기본적인 가설 설정 1.귀무가설 (Null Hypothesis, H0): 어떤 효과나 차이가 없다는 가설입니다. 주로 기본적인 가설로 설정되며, 검정의 대상이 되는 가설입니다. 2.대립가설 (Alternative Hypothesis, H1): 귀무가설이 거짓임을 증명하려는 목적의 가설입니다. 주로 연구자가 입증하고자 하는 가설로 설정됩니다. 가설 검정의 주요 단계: 1.가설 설정: 귀무가설(H0)과 대립가설(H1)을 명확하게 ..

구간추정은 통계학에서 모수에 대한 추정값을 구간으로 제시하는 방법을 의미합니다. 즉, 어떤 모수에 대한 추정값을 단일 숫자로 제시하는 것이 아니라, 그 값이 존재할 것으로 예상되는 구간을 제공합니다. 이는 추정값의 불확실성을 나타내며, 통계적으로 신뢰할 수 있는 구간을 제공함으로써 추정의 정확성을 측정할 수 있게 합니다. 이미지출처:https://blog.naver.com/hny6-0070/220936964565 신뢰구간 (Confidence Interval) 신뢰구간은 구간추정의 결과물로, 모수가 특정 구간에 속할 가능성을 나타냅니다. 보통 95%, 90%, 99%와 같은 신뢰 수준을 사용하여 신뢰구간을 생성합니다. 예를 들어, "95%의 신뢰수준에서 모평균의 추정값은 50에서 60 사이에 있을 것이다..

최대 가능도 추정법(Maximum Likelihood Estimation, MLE)은 확률 분포에 기반하여 모델의 파라미터를 추정하는 통계적 방법 중 하나입니다. 이 방법은 주어진 데이터를 가장 그럴듯하게 설명하는 모델 파라미터 값을 찾는 것을 목표로 합니다. 최대 가능도 추정법의 핵심 가능도 함수 (Likelihood Function): 주어진 표본 데이터에 대한 확률 분포를 나타내는 가능도 함수를 정의합니다. 이 함수는 모델 파라미터를 입력으로 받아, 주어진 데이터가 발생할 확률을 나타냅니다. 로그 가능도 함수 (Log-Likelihood Function): 가능도 함수를 로그 변환한 로그 가능도 함수를 사용합니다. 이는 계산의 편의성 및 수치 안정성을 높이기 위한 목적이 있습니다. 모수 추정: 로그..

최소제곱법(Least Squares Method)은 통계 및 수학에서 선형 회귀 분석을 할 때 사용되는 방법 중 하나입니다. 이 방법은 데이터의 관찰값과 모델로 예측한 값 사이의 잔차(오차)를 최소화하여 최적의 모델 파라미터를 찾습니다. 주로 데이터에 대한 선형 관계를 나타내는 직선을 fitting하는 데 사용됩니다. 이미지 출처:https://ko.wikipedia.org/wiki/%EC%B5%9C%EC%86%8C%EC%A0%9C%EA%B3%B1%EB%B2%95 최소제곱법의 핵심 잔차의 제곱을 최소화: 주어진 데이터에서 모델로 예측한 값과 실제 관찰값 사이의 차이를 잔차라고 합니다. 최소제곱법은 이 잔차들의 제곱을 최소화하는 모델 파라미터를 찾는 것이 목표입니다. 선형 모델 가정: 최소제곱법은 모델이 ..