사람 하나 살리셨습니다. 미국에서 심리학 전공하면서 행동과학을 위한 통계학을 이번 학기에 듣고 있는데요 그야말로 제가 이해할 수 없는 언어더라고요 ㅠㅠ 슨생님이 올려주신 영상이 대략 해석의 토대가 되어주고 있습니다. 학기 끝날때까지 보고보고 보고 이해가 갈 때까지 볼거에요 ㅠㅠ
그렇다면 6:00에 나오는 정규분포 곡선을 이해하려면 1. 두학교 학생의 키의 차이는 없다(H0) 2. 두 학교 학생의 키의 차이의 분포는 정규분포를 따른다. 두 가지를 가정하고 현재 차이인 1.4가 95%신뢰 구간에 들어오면 H0를 채택하고 그렇지않으면 H0를 기각 다시 단측검정을 해서 큰지 작은지 알아내야한다. 이렇게 이해하면 되나요?
안녕하세요. 정말 잘 듣고 있습니다. 우매한 질문 죄송합니다.. 4:50 부분에 그래프에서 x축이 의미하는게 무엇이죠? ㅜㅜ 키차이인가요? 만약에 키차이라면 0cm가 제일 봉우리가 높은데, 그 소리는 A대학 B대학생의 키차이가 0CM 일 확률이 가장 크다는 말인가요? 즉... 키가 같은 학생이 제일 많다는 말인가요?! 뭔가 아닌거같은데 어디서 헷갈린건지 모르겠습니다 ㅜㅜ
맞습니다 중요한건 이 그래프가 뭐냐는 겁니다. 여기서는 두학교 학생의 평균키의 차이에 대한 분포 확률곡선입니다. 즉 두 학교 학생 평균키의 차이가 0이라면 가운데의 0값을 기준으로 이 분포에서 확률값을 구하는 것입니다. 다시 한번 말씀드립니다만 이 분포 곡선은 확률분포 곡선이고 그 면적이 확률값이며 이 확률값이 우리가 찾는 p값입니다. 다시 앞에서부터 차근차근 보시기 바랍니다. 확률분포 곡선과 그냥 차이값은 다릅니다. 더불어 키가 같을 확률이 높다고 보는 것이 당연할겁니다. 왜냐하면 두학교가 키가 크게 다르다할 이유가 일반적으로 없고 키가 다를 확률은 키 차이가 커질수록 커진다고 보는 것이 당연하기 때문입니다.
한번의 추출을 통해서 A와 B 대학의 평균 키의 차이 = - 1.4cm가 나왔습니다. 이 결과만으로 B대학의 평균 키가 더 크다고 여기는 것은 영상에서 언급한 '일상적 결정론적 사고방식'입니다. 통계론적 사고방식으로 접근한다면, 매번의 표본 추출때마다 평균간 차이 값이 달라지는 것, 즉 '오류'를 고려해야 합니다. 질문 주신 것과 같이 '단측검정'은 표본에 적용되는 가설이 아닌 어디까지나 '모집단'에 적용되는 가설검증 방식입니다. 영상의 사례로 D(a-b)
좋은 강의 감사합니다. 한가지 궁금한 점이 있어서요. 가설을 진술할 때, 모집단의 분포나 파라미터에 대한 잠정적 진술 형태로 표기해야 한다고 알고 있습니다. 위에 예시에서 통계치로 가설을 표현한 것은 적절한 것인지요? 통계치는 이미 관측된 값인데, 가설형태로 진술하는 것이 맞는지 좀 혼란스러워서요. 송구하지만 질문드립니다. 전체적으로 통계에 기초부터 다시 살펴볼 기회를 주셔서 거듭 감사드립니다.
모집단(population)의 평균, 표준편차 등을 모수(parameter)라 하고, 표본의 평균은 통계치(statistics)라고 하는 것 아닌가요? “표본의 파라미터”라는 말은 잘못된 표현으로 보입니다. 파라미터는 population의 특성값이기 때문이죠. “모집단을 대상으로 연구할 가능성이 현실적으로 낮으면 표본의 파라미터를 가설로 세운다.”고 하는 말은 좀 이상합니다. 우선, 모집단을 대상으로 연구할 가능성이 현실적으로 충족되는 연구는 거의 없기 때문에, 대부분의 연구에서 통계치를 가설로 세워야 한다는 식으로 와전되는 것 같아 동의가 어렵고요. 성태제 교수의 현대기초통계학(8판)의 263쪽 하단에 보면, 추정치(estimate) 또는 통계치(statistics)로는 가설진술을 하는 것이 오류라고 적혀있습니다. 이러한 가설설정의 주의점 또는 오류를 제시하는 통계 책은 무수히 많고요. 함께 공부하자는 의미로 의견 드려봅니다.
제가 어딘가 설명을 했는데 일단 단측은 좌측이든 우측이든 한쪽에 5%의 확률을 몰고, 양측은 2.5%씩 양쪽으로 확률을 나눕니다. 그러다보니 c.r.을 보면 z-값 기준으로 양측은 1.96이 c.r.이고 단측은 1.645정도가 c.r.이 되어 값이 1.645보다 크고 1.96보다 작을때 양측검정으로는 유의하지 않으나 단측검정으로는 유의해집니다. 질문하신 내용은 바로 이것을 이야기하는 겁니다.
너무감사합니다 ㅠㅠ평생보고싶은 명강의에요 절대 지우시면 안돼요 ㅠㅠ
감사합니다 ^^
사람 하나 살리셨습니다. 미국에서 심리학 전공하면서 행동과학을 위한 통계학을 이번 학기에 듣고 있는데요 그야말로 제가 이해할 수 없는 언어더라고요 ㅠㅠ 슨생님이 올려주신 영상이 대략 해석의 토대가 되어주고 있습니다. 학기 끝날때까지 보고보고 보고 이해가 갈 때까지 볼거에요 ㅠㅠ
저도 미국에서 통계 공부하다가 너무 힘들 때가 많았는데, 고생이 많으십니다. 어려운 시기에 건강하시고 끝까지 학기 마무리 잘 하시길 바랍니다. ^^
정말 집중해서 듣고, 석사 통계공부하고 있습니다. 이제라도 접하게되어 영광! 복많이 받으세요~
오늘도 들으러 왔어요! 감사합니다 정말 최고에요~
제가 더 감사합니다 ^^ 힘이 납니다 ^^
덕분에 이번에 처음 실험하는데 데이터 뽑을 때 바로 사용할 것 같습니다. 감사합니다
좋은일이네요 잘 되었으면합니다 ^^
눈물나게 아름다운 강의다. 복 받고 복 받으십쇼
5년전에 듣고 다시 듣는데, 역시 이해하기 쉽게 잘 설명해 주시네요.. 통계는 해도 해도 어려워요 ^^
와..어쩜 이렇게 쉽게 잘 가르치시나요~~ 통알못이 통계를 이해하고 있습니다. 선생님을 통계학 강의 인간문화재로 등록해야합니다!!! 정말 감사드려요 ㅎㅎ
통계학과를 졸업한지 6년이 지나지만.. 통계 개념이 이렇게 이해하기 쉬운 것임을 이제서야 깨닫네요. 고맙습니다.
그렇다면 6:00에 나오는 정규분포 곡선을 이해하려면
1. 두학교 학생의 키의 차이는 없다(H0)
2. 두 학교 학생의 키의 차이의 분포는 정규분포를 따른다.
두 가지를 가정하고 현재 차이인 1.4가 95%신뢰 구간에 들어오면 H0를 채택하고 그렇지않으면 H0를 기각 다시 단측검정을 해서 큰지 작은지 알아내야한다.
이렇게 이해하면 되나요?
네 ^^
6:00 부터 말씀하시는게 좀 헷 갈리는게 그림에 95프로 구간에 들어가면 그만큼 많이 발생한다는 것이니 우연이 아닌거 아닌가요? 보통 일어날 확률이 적은 경우를 우연히 발생하였다고 생각한다면 저 안에 들어간 케이스를 우연히 발생했다고 말하는게 이상한거 같네요.
감사하고 또 감사하고 또또 감사합니다
안녕하세요. 정말 잘 듣고 있습니다. 우매한 질문 죄송합니다.. 4:50 부분에 그래프에서 x축이 의미하는게 무엇이죠? ㅜㅜ 키차이인가요? 만약에 키차이라면 0cm가 제일 봉우리가 높은데, 그 소리는 A대학 B대학생의 키차이가 0CM 일 확률이 가장 크다는 말인가요? 즉... 키가 같은 학생이 제일 많다는 말인가요?! 뭔가 아닌거같은데 어디서 헷갈린건지 모르겠습니다 ㅜㅜ
맞습니다 중요한건 이 그래프가 뭐냐는 겁니다. 여기서는 두학교 학생의 평균키의 차이에 대한 분포 확률곡선입니다. 즉 두 학교 학생 평균키의 차이가 0이라면 가운데의 0값을 기준으로 이 분포에서 확률값을 구하는 것입니다. 다시 한번 말씀드립니다만 이 분포 곡선은 확률분포 곡선이고 그 면적이 확률값이며 이 확률값이 우리가 찾는 p값입니다. 다시 앞에서부터 차근차근 보시기 바랍니다. 확률분포 곡선과 그냥 차이값은 다릅니다. 더불어 키가 같을 확률이 높다고 보는 것이 당연할겁니다. 왜냐하면 두학교가 키가 크게 다르다할 이유가 일반적으로 없고 키가 다를 확률은 키 차이가 커질수록 커진다고 보는 것이 당연하기 때문입니다.
정말 감사드립니다!
우매한 질문인가요? 중요한 질문이었네요 ㅠㅠ 질문과 답변 모두 너무 도움이 됩니다.
정말 감사합니다...큰 도움 받습니다..ㅠ
유익한 강의 감사합니다
도움이 되셨다니 다행입니다 ^^
훌륭하십니다..
좋은 강의 정말 감사드립니다!
완전 통계 쌩초보인데 도움이 너무 많이 되었어요!!!! 고퀄리티의 강의 감사합니다 :-)
정말 유익합니다♡
감사합니다 ^^
너무 잘듣고있어요^^
감사합니다 ^^
우연히라는 말이 0이라고 하는데 왜 그런가요?
안녕하세요~ 혹시나 같은 질문이 있나 해서 댓글들이랑 찾아봤는데, 못찾겠어서 질문 올려봅니다:)
측정치로 A대학보다 B대학의 평균키가 더 크게 나왔는데, 이럴 경우 바로 D(a-b)
한번의 추출을 통해서 A와 B 대학의 평균 키의 차이 = - 1.4cm가 나왔습니다. 이 결과만으로 B대학의 평균 키가 더 크다고 여기는 것은 영상에서 언급한 '일상적 결정론적 사고방식'입니다. 통계론적 사고방식으로 접근한다면, 매번의 표본 추출때마다 평균간 차이 값이 달라지는 것, 즉 '오류'를 고려해야 합니다.
질문 주신 것과 같이 '단측검정'은 표본에 적용되는 가설이 아닌 어디까지나 '모집단'에 적용되는 가설검증 방식입니다. 영상의 사례로 D(a-b)
감사합니다
강의 정말 감사합니다.
광고도 빼놓지 않고 듣고 있습니다.
근데 광고가 거의 피임약 광고입니다.
통계적으로 선생님의 강의를 여성분들이 많이 들어서인가 봅니다. 목소리도 너무 좋으셔서 여성분들이 많이 들으셔서 그런듯...
아무튼 감사드립니다.^^
좋은 강의 감사합니다.
한가지 궁금한 점이 있어서요.
가설을 진술할 때, 모집단의 분포나 파라미터에 대한 잠정적 진술 형태로 표기해야 한다고 알고 있습니다. 위에 예시에서 통계치로 가설을 표현한 것은 적절한 것인지요? 통계치는 이미 관측된 값인데, 가설형태로 진술하는 것이 맞는지 좀 혼란스러워서요. 송구하지만 질문드립니다.
전체적으로 통계에 기초부터 다시 살펴볼 기회를 주셔서 거듭 감사드립니다.
x bar가 샘플의 평균입니다만..... ^^ 모집단을 대상으로 연구할 가능성이 현실적으로 낮으니 표본의 파라미터로 가설을 세워야하겠지요 ^^
모집단(population)의 평균, 표준편차 등을 모수(parameter)라 하고, 표본의 평균은 통계치(statistics)라고 하는 것 아닌가요? “표본의 파라미터”라는 말은 잘못된 표현으로 보입니다. 파라미터는 population의 특성값이기 때문이죠.
“모집단을 대상으로 연구할 가능성이 현실적으로 낮으면 표본의 파라미터를 가설로 세운다.”고 하는 말은 좀 이상합니다. 우선, 모집단을 대상으로 연구할 가능성이 현실적으로 충족되는 연구는 거의 없기 때문에, 대부분의 연구에서 통계치를 가설로 세워야 한다는 식으로 와전되는 것 같아 동의가 어렵고요.
성태제 교수의 현대기초통계학(8판)의 263쪽 하단에 보면, 추정치(estimate) 또는 통계치(statistics)로는 가설진술을 하는 것이 오류라고 적혀있습니다. 이러한 가설설정의 주의점 또는 오류를 제시하는 통계 책은 무수히 많고요.
함께 공부하자는 의미로 의견 드려봅니다.
@@lily_Goh 네 ^^ 감사합니다 ^^ 제가 많이 부족하지요 ^^
부족하시다니요... 전 선생님 덕분에 다시 공부하는 재미에 빠졌습니다. 앞으로도
좋은 강의 부탁드립니다.
좋은 강의를 제공해주시는 선생님께 거듭 감사드리고요. 지치지 않으시도록 힘을 보태 드립니다. 힘! 힘! 힘!
그냥 단순히 일어날 확률이 높은, 평균(0)근처의 95%범위까지는 우연일 가능성이 높고(p>0.05)
발생확률이 낮은 외부의 값은 우연이 아닐 가능성이 높다는 말 맞나요?ㅠㅠ(p
질문이 한가지 더 있습니다.. 제가 책에서 보기로 단측검정이 양측검정보다 유의할 확률이 더 높다고 하는데, 잘 이해가 가지 않습니다. 무엇이 높고 큰지를 따지는 단측검정보다, 차이가 있는지 없는지만 살피는 양측검정이 더 쉽고(?) 유의할 확률이 높은 것 아닌가요?
제가 어딘가 설명을 했는데 일단 단측은 좌측이든 우측이든 한쪽에 5%의 확률을 몰고, 양측은 2.5%씩 양쪽으로 확률을 나눕니다. 그러다보니 c.r.을 보면 z-값 기준으로 양측은 1.96이 c.r.이고 단측은 1.645정도가 c.r.이 되어 값이 1.645보다 크고 1.96보다 작을때 양측검정으로는 유의하지 않으나 단측검정으로는 유의해집니다. 질문하신 내용은 바로 이것을 이야기하는 겁니다.
답변 감사합니다!
Sapientia a Dei 저도 이게 궁금 했는데 이해 됐습니다. 근데 그러면 원래 양측으로 보려 했는데 양측으로는 유의하지 않고 단측으론 유의 하게 나와서 ha를 체택을 해도 되는건가요?? 그럼 연구 의미가 퇴색? 혹은 조작 되는건가요??
a대학과 b대학의 남학생키가 같은가? 라는 질문 잘이해가안가요
아... 그렇군요. 제가 좀 어렵게 설명했죠?? 아직 많이 부족한가봅니다 ^^