통계 초보자 필수! 꼭 틀리는 통계 용어 5분 정리 — Transcript

Ah, I am studying statistics for the first time, but I feel overwhelmed by all the different statistics. They all seem similar, and I can't tell them apart. I think 99% of you feel the same way. This is because you try to memorize everything separately without any context. If you watch just this one video, you will think, "Ah, I was confused, but now I understand what it means," and it will be neatly organized.

뜻이었구나 하고 깔끔하게 정리되실 겁니다. 자, 통계는 일단 모집단에서 출발합니다. 우리가 알고 싶은 대상 전체인 모집단을 이해하기 위해서 배우는 거죠. 그 모집단에서 랜덤하게 일부를 뽑아내면 표본입니다. 이렇게 뽑아내는 과정을 표본 추출이라고 합니다. 영어로는 샘플링. 그 모집단의 평균이라든지 퍼진 정도를 나타내는 분산 표준 편차와 같은 값을

First, statistics start with the population. We learn statistics to understand the entire group we want to know about, called the population. If we randomly select some from that population, that is called a sample. The process of selecting this is called sampling. The values that represent the population, such as the mean or the degree of spread like variance and standard deviation, are called parameters. Similarly, the values that represent the characteristics of the sample are called statistics.

대해서 요약 정리가 들어갑니다. 이건 통계학의 영역 중에 기술 통계에 해당하죠. 데이터를 기술한다라는 뜻이죠. 자, 그럼 표본에서 아무 값이나 뽑아내는게 아니라 데이터의 중심 위치를 나타내는 평균 중앙값, 최빈값, 분포의 모양세를 나타내는 외도와 첨도, 데이터의 변동성을 나타내는 표준 편차와 같은 통계량을

Generally, the population is either too large, unknown, or unobservable, so we have to understand the population using the sample statistics. We summarize the data by drawing pictures or plotting numbers. This is part of descriptive statistics, which means describing the data.

뽑기 때문에 각자 표본이 다른데요. 그런데 얘네가 공통적으로 포함하는 패턴이 있습니다. 초록색처럼 좌우 대칭 종모양이 확인되죠. 야, 이런 울퉁불퉁한 노이즈들 그냥 무시하고 매끄러운 곡선인 것처럼 보자라는 약속이 들어갑니다. 이걸 모형화라고 해요. 영어로는 모델링. 그러면 이런 종모양의 분포에서 100이 나올 수도

Now, instead of just picking any value from the sample, we use statistics like the mean, median, mode to represent the center, skewness and kurtosis to describe the shape of the distribution, and standard deviation to represent variability. We explain the data using these statistics. This is called descriptive statistics. We calculate statistics to describe the data.

다양하죠. 수많은 경우의 수가 있는데 어떤 값 하나를 뽑았을 때 20이 나올 수도 있고 190이 나올 수도 있고 100이 나올 수도 있고 다양하죠. 그런 모든 경우의 수를 확률적으로 내포하고 있는 애를 확률 변수라고 합니다. 확률 변수는 다양한 값을 취할 수 있는데 각각 취할 수

However, because the sample is randomly drawn, different samples can come from the same population. There can be many different samples. But they share common patterns. For example, the green curve shows a symmetric bell shape. We agree to ignore the bumpy noise and see it as a smooth curve. This is called modeling.

통계학의 또 다른 영역 출론 통계에서 또 용어들이 굉장히 복잡하죠. 표본에서 모집단 방향으로 뭔가 하는 건데 정확히 무엇을 하는 거냐?

In this bell-shaped distribution, values like 100, 90, 110, 50, 150, 210, and so on can appear, but more data points are concentrated where the curve is higher. This symmetric bell-shaped distribution is called a normal distribution. There are many distributions similar to the normal distribution in statistics.

점추정이라고 합니다. 어떤 포인트를 딱 찍어서 뮤는 며칠 것이다 하는 방식이죠. 자, 이때 쓰이는 표본 평균은 추정량이라고 합니다. 평균 말고도 중앙값, 최빈값 등 다양한 것들을 갖고 올 수 있는데 하필이면 표본 평균을 갖고 왔죠. 너 뮤에 대해서 점 추정할 때 추정량을 뭘

The values that can come from this distribution are very diverse. There are countless possibilities. When you pick one value, it could be 20, 190, 100, or others. A variable that includes all these possibilities probabilistically is called a random variable. A random variable can take various values, each with different probabilities. The probability of values near 100 is high, and it decreases as you move away from 100. We represent this with a graph. This graph is called a probability distribution. It shows how probabilities are distributed.

용어들이 나옵니다. 근데 여기부터는 엄청나게 깊은 수리 통계학적 증명을 배우기 때문에 여러분이 깊이 파실 일은 없습니다. 그냥 이런게 있다 하고 넘어가시면 되고요. 근데 어떤 한 포인트를 딱 찍어서 추정을 하면 아쉬운게 있죠. 기본적으로 표본을 통해서 얻은 추정량은 흔들흔들거리기 때문에 변동성이 있습니다. 이런

A brief summary: Another area of statistics is inferential statistics, which has very complex terminology. It involves doing something from the sample toward the population. What exactly is it? It is making inferences about the population distribution. You might be interested in the mean or the variance. Using the sample, you make judgments about the population parameters. This is called inference.

합니다. 95% 신뢰 구간, 99% 신뢰 구간 등등 다양하게 불립니다. 이렇게 점이 아니라 범위로 제시를 하는 이런 방법을 구간 추정이라고 부릅니다. 지금까지 두 가지 나왔죠.

For example, what is the population mean, mu? There is an expected value. Very simply, you can estimate it using the sample mean. This is called point estimation. You pick a single point and say, "Mu is this value." The sample mean used here is called an estimator. You can also use median, mode, and others, but the sample mean is commonly used. If asked what estimator you used for mu, you can say you used the sample mean as the estimator.

근데 추론에서는 통계적 추정 말고도 정말 중요한 또 한 가지가 있습니다. 자, 예를 들어 뮤의 값은 며칠 것이다. 내 머릿속에 이미 있는 상식이나 주관, 편견 같은게 있겠죠.

Then, you consider whether the estimator you chose is a good estimator by looking at properties like unbiasedness, consistency, efficiency, and minimum variance. When you study point estimation deeply, terms like unbiased estimator and consistent statistic appear. But this involves very deep mathematical statistics proofs, so you don't need to study this deeply. Just know these terms exist and move on.

용어가 또 엄청나게 많습니다. 그것까지 전부 다 하면은 여러분에게 두통을 유발하기 때문에 다음 영상에서이어서 다룰게요. 정리하면 출론 통계는 통계적 추정과 가설 검정으로 나뉘는데 통계적 추정도 점 추정과 구간 추정으로 나닌다. 자, 요약 한번 확인하시고요.

However, there is a drawback to point estimation. The estimator obtained from the sample fluctuates because of variability. This variability is called the standard error. Instead of picking a single point, you consider this variability and allow a margin of error. You calculate a range that safely includes the parameter.