벡터의 기본 연산(상수배, 덧셈) - 공돌이의 수학정리노트 (Angelo's Math Notes)
동신한의 조재성 - 머신러닝, 딥러닝, 안드로이드 개발 in 남룡북매
통계 기초 개념과 공식을 3시간만에 끝내드립니다ㅣ 고려대 통계학과 x AI연구원 강의 ㅣ표본, 기대값, 정규분포, 카이제곱, 모평균, t분포, 포아송분포, 조건부 확률 등
귀무가설 (null hypothesis) : 차이가 없음, 효과가 없음, 가설이 맞지 않음을 증명하려는 가설이다.
H0ex) 범죄자가 용의자임을 검증하고 싶을 때의 귀무가설은 ‘범죄자는 무죄’이다.
대립가설 (alternative hypothesis) : 귀무가설이 거짓일 때 대안적으로 참이 되는 가설이다.
H1ex) 위의 귀무가설 ‘범죄자는 무죄’의 대립가설은 ‘범죄자는 유죄’이다.
유의수준 : 귀무가설을 기각하는 기준이 되는 값
→ 귀무가설의 유의수준(p-value)가 0.05 미만 = 귀무가설이 참이라고 가정했을 때 범죄자가 무죄일 확률이 0.05 미만이라는 뜻 = 극단적으로 작은 확률 ⇒ 귀무가설이 참이라고 가정하기 어렵다는 의미 ⇒ 대안으로 대립가설을 채택하는 것이 합리적.
⭐ 검정에 따라 귀무가설이 다르기 때문에 항상 동일하게 해석하기 보단 각 검정 방법론들의 귀무가설이 무엇인지 확인하는 것이 중요
검정에서 얻은 통계량이 귀무가설 하에서 얼마나 극단적인 값인지를 나타내는 수치.
e.g.) H0 = 이 약물은 감기에 대해 효과가 없다. H1 = 이 약물은 감기에 대해 효과가 있다. p-value가 0.03으로 0.05보다 작은 경우, 귀무가설이 참이라는 가정하게 이 약물은 3% 미만의 확률로 감기에 대해 효과가 없다는 얘기가 된다. 따라서 귀무가설을 기각하고 대립가설을 채택할 수 있다.
해당 검정 결과가 우연히 일어날 확률을 의미
유의확률이 작을수록 해당 검정에서 얻은 차이가 유의미하다는 것을 나타내며, 유의수준과 비교하여 검정 결과를 해석
계산 방법이 어렵기 때문에 주로 통계 패키지 사용. 상관분석 참고