강의 정주행 하고 있습니당ㅠㅠ 하나하나 파서 알려주시는 수업방식 너무 좋아요 중요한건 아닌것 같지만 이번강의 마지막 부분에 A대학의 평균은 178.5이고 B대학의 평균은 179.9인데 그럼 t - value가 음수가 되는거 아닌가요?? c.v -1.984와 비교했을때 더 작으니 우연히 발생했다고 보기어렵다. 아... 아닌가요?!ㅎㅎ
맞습니다 정확하게는 표준편차보다는 표준오차가 더 정확한 의미에 가깝습니다. 다만 여기서는 표준편차와 표준오차의 미묘한 차이를 설명하기 어려운 단계이기도 하고 근본적인 메카니즘은 크게 차이가 없어서 혼용해서 설명한 것입니다 ^^ 보다 정확한 표현은 표준오차가 맞습니다 ^^
선생님 우선 좋은 강의 감사드립니다 하나씩 정독 중인데요, 저는 참고로 기계공학 전공인데요, 자유도 관련해서 말씀드리자면 제가 진동 수업 들을 때 들은 자유도 개념을 이해하면.. 약간 일맥상통하는 부분이 있어서 이해하기 쉽지 않을까 싶은데요.. 개념이 좀 다르긴 한데 이해하기는 공학에서의 자유도 개념을 먼저 이해하시는게 혹시나 나중에 보시는 분도 좀 더 이해하기 쉬우실거 같아서 한 줄 적어 봅니다~
선생님 ㅠㅠ 너무 헷갈리는데요 t값이라는게 X바a와 X바b의 값차이의 크고작음을 표준편차를 기준으로 판단하는 거라고 말씀해주셧는데, 그러면 그러한 방식으로 판단한 t값이 t분포에서 95%밖에 , 즉 그러니까 외곽의 5%내에 위치한다고 한다면 t값이 관측될 경우 t분포상에서 그 확률이 5%이내이기 때문에, 만약 해당 값이 관측되었다면 정말 우연히 관측될 확률이 5%이내이고 , 그렇기 때문에 유의한 것이고(p값이 5%이내) , 결과적으로 어떤 이유가 있을거다는 뜻인가요????? 또 반대로, 95%안에 위치한다면, 해당값이 관측되었을 경우 우연히 관측되었을 확률이 5%이상이므로(설령 p값이 5.1%라 해도), 유의하지 않은 것이고 그래서 쓸 수 없다(?)고 해석을 해도 괜찮을 까요? 또 4강에서 말씀해주신 내용을 끌어와보면, 귀무가설 Ho : Ua = Ub(즉 우연이다 / 아무이유가 없다) 대립가설 H1 : Ua > Ub(유의하다 / 이유가 있다)라고 한다면, 귀무가설 Ho이 맞다는 전제하에, 0을 가운데에 두고 t값이 나올확률을 따졌을 때, 실제 두 모집단의 평균 Ua와 Ub가 같을 때, 해당 t값이 우연히 나올확률이 5%미만이라 귀무가설이 반박되어서, 대립가설이 채택된다고 생각했는데 맞나요? 너무 어렵네요 ㅠㅠ 그래도 양질의 강의 너무 감사합니다..
너무 감사합니다!!! 혹시 p값이라는 것이 어떠한 분포 (여기선 t분포)에서 가지는 검정 값(여기선 t-value)이 분포에서 가지는 면적의 값과 같은건가요? 예를들어 유의수준 5% 양측검정 p가 2.5%씩 양쪽에 있을때 그 2.5%기준값이 분포에 해당하는 값각각 -1.984 , 1.984라면 그리고 t-value가 1.996이라면 이 t-value가 1.984보다 큼으로 t_value이상의 면적을 우리는 p라고 부르나요?
몇 프로 안에 있는지 보는 것은 연구자가 결정하는 부분인 것 같습니다. 나는 이 데이터의 차이가 우연히 발생한 확률이 2% 안에 있는지 볼거야. 라고 한다면 t-table 상에 c.v.는 2.364이고, t값이 2.364보다 크다면 데이터의 차이가 우연히 발생한 확률이 2%보다 작으므로 이 차이는 우연히 발생한 것이 아닌 유의미하다고 볼 수 있겠죠?
완전 백지상태에서 보고 있어 이해력이 조금 부족한데, t-value 구한뒤에 cv랑 비교하는 분포곡선에서 x축은 두 대학 학생들의 키차이 아닌가요? t-value값으로 나온 수치를 x축에 대응시켜서 비교하는 것이 어떻게 가능한지 잘몰라서요... x축의 값의 개념도 잘 모르겠고요
제 생각을 정리하기 위하여 오지랖을 해보자면요 ^^; z-value의 값처럼 t-value 또한 단위가 없는 비율(?)같은 것 이라고 느껴집니다. A대학교 B대학교 평균 키 차이와 S, n으로 t-value를 구해내고요 t-table을 통해서 p값 df값을 통해서 cv값을 구해낸 다음에 cv값 역시 t-value와 마찬가지로 단위가 없는 비율이니 이 두 개 숫자를 비교하여 A대학교 B대학교 키 차이가 유의미 한지를 판단하는 것 같습니다.
늦었지만 좋은 강의 감사드립니다! t-test의 목적이 두 집단의 평균값을 비교하는데 있다고 하셨는데, 그렇다면 A, B가 아닌 한 집단은 모집단이라 가정하고 한 집단은 모집단에서 추출한 표본이라고 한다면 두 집단을 t-test하면 표본이 모집단의 특성을 얼마나 잘 반영하였는지를 알 수 있는건가요?
가능은 합니다만 이론적으로 정확하게 말하자면 지금 말씀하신 경우는 사실상 샘플링이 얼마나 잘 되었는지 확인하는 정도라고 봐야하지 않을까요?? 더불어 모집단이 있는데 굳이 거기서 샘플을 뽑아서 비교하는 경우는 실질적으로 본다면 거의 하지 않을것 같습니다 ^^ 모집단이 있으면 그걸로 연구를 진행하지요 ^^
Sapientia a Dei 친절한 답변 감사드립니다 :) 많음 도움이 되었네요. 저는 t-test가 표본평균과(x바) 뮤(u,모평균?)를 비교하길래 말씀하신대로 표본들이 샘플링이 잘 되었는지 확인하는 것이라 생각했는데 뒤에 3-6 t-test 종류 강의를 들으니 모평균이 아니라 대한민국 남학생의 평균키 처럼 “내가 생각하는 것”의 평균을 의미하는 거군요. 추가적으로 실례가 안된다면, t-test 관련하여 하나만 더 여쭙고 싶은데 제가 통계 관련 책을 읽다가 ‘u=u0 라는 귀무가설 하에서 z-통계량은 표준정규분포 N(0,1)을 따르게된다’ 하더군요. 그런데 ‘z 통계량의 문제점이 모분산을 알 수 없다’고 해서 이에 대한 필요성으로 t-test가 등장했다고 나와있네요. 제가 궁금한건 z 통계량을 구할때 이미 z가 (표본평균-모평균) / (루트 n 분의 시그마) 로 표현되어서 z값을 구하는 과정에서 시그마가 이미 도입되었고, 시그마 값을 안다는건 이미 모분산을 알고 있다는거 아닌가요?
@@firstpenguin5653 네 이게 참 헷갈리는 일입니다 ^^ 이론적으로 모집단의 평균과 표준편차를 알고 있다는 것은 현실적으로 어렵습니다만 이해를 돕기위해 알고 있다고 가정하고 설명하는 경우가 많습니다 ^^ 대부분의 경우 우리는 샘플 갖고 샘플의 평균과 표준편차로 연구를 진행하지요 ^^ 통계 책의 문제를 풀다보면 가정을 하고 보는 경우가 많은데 예컨데 정규분포에 근사한다... 머 이런 경우들입니다 ^^ 말씀하신 케이스는 아마 모분산을 모르니 샘플의 분산을 이용해보자 머 이런 경우라고 보시면 될것 같습니다 ^^ 문제는 가정이 많으니 현실과 똑같은 상황을 생각하시면 많이 헷갈립니다 ^^ 저도 들으면 헷갈리는걸요 ^^
![Seungmin "그렇게, 천천히, 우리(As we are)" | [Stray Kids : SKZ-PLAYER]](http://i.ytimg.com/vi/kAzmhLHePqU/mqdefault.jpg)
너무 좋아요 지우지 마십시오 ㅠㅠㅠ
하하하...네 알겠습니다. ^^
진짜 대박 혁명이다... p-value 강의 듣고 반해서 계속듣고 있고, 지금은(3-1)부터 정독하고 있습니다. 감사합니다. 정말 큰 도움이 되네요!!! 오래오래 영상 계속 올려주세요!!
감사합니다. 제가 아직 내공이 부족한데 더 노력하겠습니다. ^^
이렇게 가르쳐주시니 알겠습니다. 오랜 갈증이 해소되는 느낌입니다. 정말 감사합니다.
진짜 쩐다
사랑합니다
말씀 천천히 꼭꼭 씹어 말씀해주시는거 진짜 감사해요 딴 짓하면서도 들을 수 있어 개꿀
하하하 감사합니다. ^^
와~ 하나하나 알려주시니 너무 이해가 잘되네요 강의 잘봤습니다 감사합니다~!
감사합니다 ^^
17:19
좋은 강의 감사합니다. 여쭤보고 싶은 게 있는데
1) 여기서 표준편차라 함은 a대학 b대학에서 뽑은 샘플들의 평균들의 표준편차인가요?
2) 표본의 크기는 두 대학 샘플들의 합이 맞을까요?
와 진짜 선생님! 절망의 끝에 서있던 대학원생 한 명 살려주셔서 감사합니다,,,,ㅠㅠㅠ
감사합니다 자유도부분 정말 숨통이 트여요!
완전 통알못입니다.
서너번을 들으니 쬐금식 눈이 띄는 느낌입니다.
열번을 채워야 내것이 될듯합니다.
감사합니다 ^^
감사합니다 ^^ 더 좋은 강의 올리도록 노력하겠습니다
chapter 1~4를 이해하고 이번 강의 들으니 무슨 내용인지 확실히 알겠습니다. 감사합니다.
조금이라도 도움이 되었다니 ^^ 다행이네요 ^^ 감사합니다 ^^
수포자라..무작정 외우고 있었는데 강의보고 궁금했던 부분이 조금씩 이해가 되고있어요. 지식 공유해주셔서 감사합니다! ^^
도움이 되었다니 다행입니다 ^^
ㅎㅎㅎ 강의마다 제목이 굉장히 센스있네요!! 계속 잘 듣고 있습니다~~~ 감사합니다!!
제가 더 감사하지요 ^^
뒷부분 강의 듣다가 다시 앞으로 오니. 대충 넘어갔던것도 다 중요한 의미들이 있었네요 정말 다시한번 감사드립니다.
계량, 아니 고딩때 처음 배우고 삼십년 만에 이제야 이해했습니다
감사합니다
정말 최고의 강의였습니다. 강의의 끝부분까지 아직 멀고도 멀지만 꼭 다 볼게요.. 정말 다시 감사드립니다.
그저 감탄만 나오는 강의........
대학생때도 듣고 자격증 준비하는 요즘에도 또 듣네요!! 학생때 너무 이해가 잘가는 강의로 기억이 남아있어서 또 들으려고 유튜브에서 한참 찾았어요ㅠㅠㅠ 강의 너무 좋아요 감사합니다.. ㅎㅎ
큰 도움이 되었습니다. 고맙습니다.
제가 더 감사하네요. ^^
통계 관련 여러 강의를 들었습니다만 이 강의가 최고입니다! 설명 너무 잘 하시네요~ 감사합니다!!
시원한 명강의 감사합니다! 정말 많은 도움이 되고 있어요!
이제 정말 명확해 졌네요 ~ 좋은 설명 너무 감사합니다. 꾸벅~
좋은 강의 감사드립니다. 비전공자가 기본 잡기에 최고입니다.
이해가 되니까 너무 재밌네여,,,ㅎㄸ 감사합니다 ㅠㅠ 복 많이 받으세요 ㅠㅠ
환상 그자체 당신은 최고의 선생님 이십니다
과찬의 말씀이십니다. 감사합니다. ^^
@@SapientiaaDei 진짜 진짜 진짜 감사합니다 정먄 ㅠㅠㅠ
진짜. 기가 막히게. 가르쳐주시네요 감사합니다
선생님 이해 쏙쏙이예요! 감사합니다😊
여태 통계 학습 자료 중에 단연 최고입니다.
강의가 군더더기 없으면서 알차고 재미있어요!!
감사합니다 ^^
9:05초대에서 두 집단의 평균값의 차이가 의미없는 편차인 표준편차 만도 못하면 , 이 차이는 우연히 발생했다고 본다.라고 적혀있는데 설명하실때는 왜 우연히 발생했다고 볼 수 없다라고 하신걸까요…?
실수하신건가요.?..?
강의를 너무 잘하셔서...
수학 신급!!!!!
정말 감사합니다. 정말 정말 감사합니다
당신은 혁명가입니다 ㅠㅠ 감사합니다
진짜 이해가 쏙쏙 되네요 ㅋㅋㅋ 감사합니다
감사합니다. ^^
좋은 강의 정말 감사합니다.
18:00 예제에 대한 결론은 통계적으로 유의하다=우연히 발생했다 가 맞지 않나요…?
강의 정주행 하고 있습니당ㅠㅠ 하나하나 파서 알려주시는 수업방식 너무 좋아요
중요한건 아닌것 같지만 이번강의 마지막 부분에 A대학의 평균은 178.5이고 B대학의 평균은 179.9인데 그럼 t - value가 음수가 되는거 아닌가요??
c.v -1.984와 비교했을때 더 작으니 우연히 발생했다고 보기어렵다. 아... 아닌가요?!ㅎㅎ
아... ^^ 제가 설명을 좀 부실하게 했네요 ^^ 양측의 경우 결국 저 cv값과 t값을 비교할때 절대값으로 놓고 비교하시면 됩니다 ^^ A대학과 B대학을 앞뒤를 바꾸면 어차피 같은거니까요 ^^ 좋은 지적 감사합니다 ^^
알기 쉽게 너무 감사합니다. 자유도가 어려운 개념이네요. 분산에서 n-1로 나누는 것도 자유도 개념인 것이죠?
네 둘은 거의 닮아 있다고 보시면 됩니다.
강의 잘 듣고있는 애청자입니다.^^궁금한게.. t값은 집단간 차이/표준편차라고 설명하셨는데, 표준편차(SD)가 아니라 표준오차(SE) 아닌지요?
맞습니다 정확하게는 표준편차보다는 표준오차가 더 정확한 의미에 가깝습니다. 다만 여기서는 표준편차와 표준오차의 미묘한 차이를 설명하기 어려운 단계이기도 하고 근본적인 메카니즘은 크게 차이가 없어서 혼용해서 설명한 것입니다 ^^ 보다 정확한 표현은 표준오차가 맞습니다 ^^
안녕하세요. 강의 정말 잘 듣고 있습니다.
한가지 질문이 있어서 댓글로 여쭤보고자 합니다.
t-value 계산식에서 분모의 s는 어떤 값의 s인지 궁금합니다.
Xa의 s인지, Xb의 s인지, 아니면 다른 값의 s인지 알고싶네요.
감사합니다 ^^ 여기서 s는 표준편차입니다 다만 이해를 돕기위해 복잡한 내용은 빼고 말씀드린 겁니다 t-test는 종류가 몇가지 있는데요 종류에 따라서 표준편차를 구하는 방법이 다릅니다 다음편인 t-test의 종류와 관련한 강의를 보시기를 권장합니다 ^^
@@SapientiaaDei 헐ㅋ 저도 그 내용 질문드리려 했었는뎈ㅋㅋㅋ 다음 강의 보겠습니닼
저도 이거 물어보고 싶었는데 다음 강의에 나오네요 !!
선생님 안녕하세요 정말 제가 하나도 몰라서 그러는데 13:20 에서 왜 갑자기 우리가 원하는 값이 0.05가 나온건가요..?
ㅠㅠㅠ강의 진짜 감사합니다.
선생님 우선 좋은 강의 감사드립니다 하나씩 정독 중인데요,
저는 참고로 기계공학 전공인데요, 자유도 관련해서 말씀드리자면 제가 진동 수업 들을 때 들은 자유도 개념을 이해하면..
약간 일맥상통하는 부분이 있어서 이해하기 쉽지 않을까 싶은데요..
개념이 좀 다르긴 한데 이해하기는 공학에서의 자유도 개념을 먼저 이해하시는게 혹시나 나중에 보시는 분도 좀 더 이해하기 쉬우실거 같아서 한 줄 적어 봅니다~
그래서 공학에서의 자유도 개념이 뭔가요???
degree of freedom 이나 자유도로 검색해도 보통 통계에서의 자유도 설명이 우선 나와서 저도 알고 싶습니다.
통알못 사람이 정말 잘 보고 공부중입니다. 11:50의 표준편차 7.05cm 라는 것은 어디에서 얻은 값인가요? 갑자기 나온 숫자라 좀 헷갈립니다. 좋은 강의에 정말 감사드립니다.
네 갑자기 나온 숫자가 맞습니다 ^^ 예를 들어 설명하기 위해 계산된 값이 아닌 제가 만든 값입니다 ^^ 계산방법이 여기서 중요한것이 아니라 개념 설명을 위한 것이니 그렇게 이해해주시면 감사하겠습니다 ^^
선생님, 강의 잘 보고 있습니다. 많은 도움 되고 있음에 무척 감사드립니다.
질문이 있는데요,
본 영상 jamovi two-sample-t 검증에서 단측검증인지 양측검증인지의 선택은 어느 메뉴 또는 check box 를 사용하여 선택하는지요?
감사합니다.
선생님 ㅠㅠ 너무 헷갈리는데요
t값이라는게 X바a와 X바b의 값차이의 크고작음을 표준편차를 기준으로 판단하는 거라고 말씀해주셧는데,
그러면 그러한 방식으로 판단한 t값이 t분포에서 95%밖에 , 즉 그러니까 외곽의 5%내에 위치한다고 한다면
t값이 관측될 경우 t분포상에서 그 확률이 5%이내이기 때문에, 만약 해당 값이 관측되었다면
정말 우연히 관측될 확률이 5%이내이고 , 그렇기 때문에 유의한 것이고(p값이 5%이내) , 결과적으로 어떤 이유가 있을거다는 뜻인가요?????
또 반대로, 95%안에 위치한다면, 해당값이 관측되었을 경우 우연히 관측되었을 확률이 5%이상이므로(설령 p값이 5.1%라 해도), 유의하지 않은 것이고 그래서 쓸 수 없다(?)고 해석을 해도 괜찮을 까요?
또 4강에서 말씀해주신 내용을 끌어와보면,
귀무가설 Ho : Ua = Ub(즉 우연이다 / 아무이유가 없다)
대립가설 H1 : Ua > Ub(유의하다 / 이유가 있다)라고 한다면,
귀무가설 Ho이 맞다는 전제하에, 0을 가운데에 두고 t값이 나올확률을 따졌을 때,
실제 두 모집단의 평균 Ua와 Ub가 같을 때, 해당 t값이 우연히 나올확률이 5%미만이라 귀무가설이 반박되어서, 대립가설이 채택된다고 생각했는데 맞나요?
너무 어렵네요 ㅠㅠ 그래도 양질의 강의 너무 감사합니다..
너무 감사합니다!!!
혹시 p값이라는 것이 어떠한 분포 (여기선 t분포)에서 가지는 검정 값(여기선 t-value)이 분포에서 가지는 면적의 값과 같은건가요? 예를들어 유의수준 5% 양측검정 p가 2.5%씩 양쪽에 있을때 그 2.5%기준값이 분포에 해당하는 값각각 -1.984 , 1.984라면
그리고 t-value가 1.996이라면 이 t-value가 1.984보다 큼으로 t_value이상의 면적을 우리는 p라고 부르나요?
네 맞습니다. 면적이 곧 확률값입니다.
감사합니다 복받으세요
강의 정말 고맙습니다 ~~^^
근데 잘 몰라서 궁금한 점이 있어요ㅠ
t값 1.996이나 cv값 1.984 둘 다 2보다 작으니까 0을 기준으로 95% 안에 있는 것 아닌가요?
몇 프로 안에 있는지 보는 것은 연구자가 결정하는 부분인 것 같습니다.
나는 이 데이터의 차이가 우연히 발생한 확률이 2% 안에 있는지 볼거야. 라고 한다면 t-table 상에 c.v.는 2.364이고, t값이 2.364보다 크다면 데이터의 차이가 우연히 발생한 확률이 2%보다 작으므로 이 차이는 우연히 발생한 것이 아닌 유의미하다고 볼 수 있겠죠?
안녕하세요. T-test 결과 t값이 큰데 p값은 유의하지 않게 나오거나 반대로 t값이 작은데 p값이 유의하게 나오는 경우가 있는데요… 어떤 이유 때문일까요?
12분 12초에 표준편차랑 표본 개수가 A대학의 표준편차랑 표본개수인가요? 아니면 B대학인가요?
잊을만하면 와서 보는 데요. 그냥 교육청가셔서 청장으로 올라가서 한국 미래의 새싹들을 위한 교과서를 만드시는게...
따로 온라인 강의 등은 안진행하시나요? 줌같은걸로요!
제목에서 해학이 .. 감사합니다
CV값을 구하는 식의 표준편차인 's/루트n'에서, n의 값은 어디서 가져와야 하나요? 혹시 t-test시 비교하고자 하는 두 집단의 관측치(n)가 같아야하나요? 문제를 푼다면 '문제에 나오겠지' 하겠지만, 직접 실험한다고 상상해보니 조금 걸립니다..
완전 백지상태에서 보고 있어 이해력이 조금 부족한데, t-value 구한뒤에 cv랑 비교하는 분포곡선에서 x축은 두 대학 학생들의 키차이 아닌가요? t-value값으로 나온 수치를 x축에 대응시켜서 비교하는 것이 어떻게 가능한지 잘몰라서요... x축의 값의 개념도 잘 모르겠고요
제 생각을 정리하기 위하여 오지랖을 해보자면요 ^^; z-value의 값처럼 t-value 또한 단위가 없는 비율(?)같은 것 이라고 느껴집니다. A대학교 B대학교 평균 키 차이와 S, n으로 t-value를 구해내고요 t-table을 통해서 p값 df값을 통해서 cv값을 구해낸 다음에 cv값 역시 t-value와 마찬가지로 단위가 없는 비율이니 이 두 개 숫자를 비교하여 A대학교 B대학교 키 차이가 유의미 한지를 판단하는 것 같습니다.
여기서 x축은 t분포곡선의 x축입니다 따라서 여기서 x축은 t값입니다 ^^
감사합니다 선생님 댓글로 질문하면 피드백 해주시는지 궁금합니다
선생님 유의 수준 5%로 임의로 정하신거죠..?
T-test 는 항상 5% 기준으로 계산하고 그런건 아니죠?
추가로 질문이 하나 더 있는데요, t-value와 t-ratio는 같은 의미인가요?
16:20
두 표본집단(A대학, B대학)의 표본 수와 표본분산이 각각 다를거라고 생각합니다. 강의내용에서 t-value 분모의 값은 두 집단 중 어느 한 집단의 특성만을 반영하면 안되는 것 아닌가요?
앗 다음 강의에 알려주셨군요 죄송합니다😭
네 맞습니다 다음 강의에 있긴 합니다만 여기서는 이해를 쉽게 하기위해 이렇게 만들었습니다 ^^
늦었지만 좋은 강의 감사드립니다!
t-test의 목적이 두 집단의 평균값을 비교하는데 있다고 하셨는데,
그렇다면 A, B가 아닌 한 집단은 모집단이라 가정하고 한 집단은 모집단에서 추출한 표본이라고 한다면 두 집단을 t-test하면 표본이 모집단의 특성을 얼마나 잘 반영하였는지를 알 수 있는건가요?
가능은 합니다만 이론적으로 정확하게 말하자면 지금 말씀하신 경우는 사실상 샘플링이 얼마나 잘 되었는지 확인하는 정도라고 봐야하지 않을까요?? 더불어 모집단이 있는데 굳이 거기서 샘플을 뽑아서 비교하는 경우는 실질적으로 본다면 거의 하지 않을것 같습니다 ^^ 모집단이 있으면 그걸로 연구를 진행하지요 ^^
Sapientia a Dei 친절한 답변 감사드립니다 :) 많음 도움이 되었네요. 저는 t-test가 표본평균과(x바) 뮤(u,모평균?)를 비교하길래 말씀하신대로 표본들이 샘플링이 잘 되었는지 확인하는 것이라 생각했는데 뒤에 3-6 t-test 종류 강의를 들으니 모평균이 아니라 대한민국 남학생의 평균키 처럼 “내가 생각하는 것”의 평균을 의미하는 거군요.
추가적으로 실례가 안된다면, t-test 관련하여 하나만 더 여쭙고 싶은데 제가 통계 관련 책을 읽다가 ‘u=u0 라는 귀무가설 하에서 z-통계량은 표준정규분포 N(0,1)을 따르게된다’ 하더군요. 그런데 ‘z 통계량의 문제점이 모분산을 알 수 없다’고 해서 이에 대한 필요성으로 t-test가 등장했다고 나와있네요.
제가 궁금한건 z 통계량을 구할때 이미 z가 (표본평균-모평균) / (루트 n 분의 시그마) 로 표현되어서 z값을 구하는 과정에서 시그마가 이미 도입되었고, 시그마 값을 안다는건 이미 모분산을 알고 있다는거 아닌가요?
@@firstpenguin5653 네 이게 참 헷갈리는 일입니다 ^^ 이론적으로 모집단의 평균과 표준편차를 알고 있다는 것은 현실적으로 어렵습니다만 이해를 돕기위해 알고 있다고 가정하고 설명하는 경우가 많습니다 ^^ 대부분의 경우 우리는 샘플 갖고 샘플의 평균과 표준편차로 연구를 진행하지요 ^^ 통계 책의 문제를 풀다보면 가정을 하고 보는 경우가 많은데 예컨데 정규분포에 근사한다... 머 이런 경우들입니다 ^^ 말씀하신 케이스는 아마 모분산을 모르니 샘플의 분산을 이용해보자 머 이런 경우라고 보시면 될것 같습니다 ^^ 문제는 가정이 많으니 현실과 똑같은 상황을 생각하시면 많이 헷갈립니다 ^^ 저도 들으면 헷갈리는걸요 ^^