1. | ![]() |
기초통계학Ⅱ 1강 : 통계적 추론 (1) | 통계적 추론 -주요관심문제 : 남녀 간에 급여수준에 차이가 있는가? : 선거에 입후보할 후보자가 자신의 지지율이 얼마나 되는지 알고 싶을때 몇명을 어떻게 조사해야 할까? : 남녀 출생비율은 같을까? : 3가지 사료에 따라 닭의 성장량에 차이가 있을까? : 2016년 올림픽 육상 100m 우승기록은 얼마나 될까? : 남녀 간에 스마트폰 선호 모델에 차이가 있을까? | ![]() |
2. | ![]() |
기초통계학Ⅱ 2강 : 통계적 추론 (2) | 통계적 추론 -주요관심문제 : 남녀 간에 급여수준에 차이가 있는가? : 선거에 입후보할 후보자가 자신의 지지율이 얼마나 되는지 알고 싶을때 몇명을 어떻게 조사해야 할까? : 남녀 출생비율은 같을까? : 3가지 사료에 따라 닭의 성장량에 차이가 있을까? : 2016년 올림픽 육상 100m 우승기록은 얼마나 될까? : 남녀 간에 스마트폰 선호 모델에 차이가 있을까? | ![]() |
![]() |
통계추론의 기본_강의자료 | ![]() |
||
3. | ![]() |
기초통계학Ⅱ 3강 : 단일 모집단의 추론 (1) | 단일 모집단의 추론 - 통계학 관련학과 취업률의 평균이 얼마나 되나? - 평균을 알아보기 위해 표본을 몇 개 추출해야 하는가? - 남녀의 출생성비가 얼마나 될까? - 선거에서 어떤 후보자에 대한 지지율을 알아보기 위해 몇 명의 표본을 추출해야 하는가? - 안정적으로 제품이 생산되고 있는가? | ![]() |
4. | ![]() |
기초통계학Ⅱ 4강 : 단일 모집단의 추론(2) | 단일 모집단의 추론 - 통계학 관련학과 취업률의 평균이 얼마나 되나? - 평균을 알아보기 위해 표본을 몇 개 추출해야 하는가? - 남녀의 출생성비가 얼마나 될까? - 선거에서 어떤 후보자에 대한 지지율을 알아보기 위해 몇 명의 표본을 추출해야 하는가? - 안정적으로 제품이 생산되고 있는가? | ![]() |
![]() |
단일모집단 추론_강의자료 | ![]() |
||
5. | ![]() |
기초통계학Ⅱ 5강 : 두 모집단의 비교 (1) | 두 모집단의 비교 -모집단 비교의 예 ① A반과 B반의 기초통계학 시험결과 비교 ② 도시와 시골의 소득비교 ③ 운동 전과 운동 후의 폐활량 비교 ④ 쌍둥이를 대상으로 다른 diet 방법을 실시한 후 효과의 비교 -①,② : 별개의 두 집단 비교 → 독립표본 -③,④ : 동일 또는 쌍을 이룬 집단의 비교 → 짝 비교 | ![]() |
6. | ![]() |
기초통계학Ⅱ 6강 : 두 모집단의 비교 (2) | 두 모집단의 비교 -모집단 비교의 예 ① A반과 B반의 기초통계학 시험결과 비교 ② 도시와 시골의 소득비교 ③ 운동 전과 운동 후의 폐활량 비교 ④ 쌍둥이를 대상으로 다른 diet 방법을 실시한 후 효과의 비교 -①,② : 별개의 두 집단 비교 → 독립표본 -③,④ : 동일 또는 쌍을 이룬 집단의 비교 → 짝 비교 | ![]() |
![]() |
두 모집단 비교_강의자료 | ![]() |
||
7. | ![]() |
기초통계학Ⅱ 7강 : 여러 모집단의 평균비교 (1) | 여러 모집단의 평균비교 ⓵ 방법 1: 모든 쌍에 대해 t-검정 ◎ 세 모집단 평균의 비교 · 가설 H₀₁ :μ₁=μ₂ H₀₂ :μ₁=μ₃ H₀₃ :μ₂=μ₃ 에 대해 검정을 실시하여 모든 귀무가설을 채택할 때 세 평균이 같다는 가설을 채택 ⇒P(H₀ 채택|H₀ 사실) = P(H₀₁ 채택∩H₀₂ 채택∩H₀₃ 채택|H₀ 사실) 분산분석(Analysis of Variance, ANOVA) ○ 용어정리 · 요인(factor) : 실험에 고려된 설명변수 요인가 하나 ⇒ One-way ANOVA(일원분산분석) · 수준(Ievel) : 요인의 값 · 처리(treatment) : 요인과 수준의 조합 | ![]() |
8. | ![]() |
기초통계학Ⅱ 8강 : 여러 모집단의 평균비교 (2) | 여러 모집단의 평균비교 ⓵ 방법 1: 모든 쌍에 대해 t-검정 ◎ 세 모집단 평균의 비교 · 가설 H₀₁ :μ₁=μ₂ H₀₂ :μ₁=μ₃ H₀₃ :μ₂=μ₃ 에 대해 검정을 실시하여 모든 귀무가설을 채택할 때 세 평균이 같다는 가설을 채택 ⇒P(H₀ 채택|H₀ 사실) = P(H₀₁ 채택∩H₀₂ 채택∩H₀₃ 채택|H₀ 사실) 분산분석(Analysis of Variance, ANOVA) ○ 용어정리 · 요인(factor) : 실험에 고려된 설명변수 요인가 하나 ⇒ One-way ANOVA(일원분산분석) · 수준(Ievel) : 요인의 값 · 처리(treatment) : 요인과 수준의 조합 | ![]() |
![]() |
여러 모집단의 평균비교_강의자료 | ![]() |
||
9. | ![]() |
기초통계학Ⅱ 9강 : 회귀분석 (1) | 회귀분석 - 올림픽 100m 우승기록 · 2004년 9월 과학저널 Nature에 발표된 Oxford 대학교의 임상병리학자인 Andrew Tatem과 그의 연구진의 논문 · 1900~2004년까지의 남성과 여성의 육상 100m 우승 기록을 분석하고 앞으로 최고 기록이 어떻게 변할 것인지를 예측 · 2008년 베이징 올림픽에서 남자의 우승기록은 9.73±0.144(9.586, 9.874), 여자는 10.57±0.232(10.338, 10.802)로 예측 ⇨ 실제 기록은 남자 9.69, 여자 10.78 | ![]() |
10. | ![]() |
기초통계학Ⅱ 10강 : 회귀분석 (2) | 회귀분석 - 올림픽 100m 우승기록 · 2004년 9월 과학저널 Nature에 발표된 Oxford 대학교의 임상병리학자인 Andrew Tatem과 그의 연구진의 논문 · 1900~2004년까지의 남성과 여성의 육상 100m 우승 기록을 분석하고 앞으로 최고 기록이 어떻게 변할 것인지를 예측 · 2008년 베이징 올림픽에서 남자의 우승기록은 9.73±0.144(9.586, 9.874), 여자는 10.57±0.232(10.338, 10.802)로 예측 ⇨ 실제 기록은 남자 9.69, 여자 10.78 | ![]() |
11. | ![]() |
기초통계학Ⅱ 11강 : 회귀분석 (3) | 회귀분석 - 올림픽 100m 우승기록 · 2004년 9월 과학저널 Nature에 발표된 Oxford 대학교의 임상병리학자인 Andrew Tatem과 그의 연구진의 논문 · 1900~2004년까지의 남성과 여성의 육상 100m 우승 기록을 분석하고 앞으로 최고 기록이 어떻게 변할 것인지를 예측 · 2008년 베이징 올림픽에서 남자의 우승기록은 9.73±0.144(9.586, 9.874), 여자는 10.57±0.232(10.338, 10.802)로 예측 ⇨ 실제 기록은 남자 9.69, 여자 10.78 | ![]() |
![]() |
회귀분석_강의자료 | ![]() |
||
12. | ![]() |
기초통계학Ⅱ 12강 : 범주형 자료분석 (1) | 범주형 자료분석 -자료의 종류 · 범주형 자료(categorical data) 명목자료 : 남녀, 후보, 혈액형 순서자료 : (상, 중, 하), (소년, 중년, 장년, 노년), 3단(5단, 7단) 척도 · 측정형 자료(measurement data, 수치적 자료) 이산형 : 자녀의 수, 발생 회수 연속형 : 신장, 체중, 수명 | ![]() |
13. | ![]() |
기초통계학Ⅱ 13강 : 범주형 자료분석 (2) | 범주형 자료분석 -자료의 종류 · 범주형 자료(categorical data) 명목자료 : 남녀, 후보, 혈액형 순서자료 : (상, 중, 하), (소년, 중년, 장년, 노년), 3단(5단, 7단) 척도 · 측정형 자료(measurement data, 수치적 자료) 이산형 : 자녀의 수, 발생 회수 연속형 : 신장, 체중, 수명 | ![]() |
![]() |
범주형 자료분석_강의자료 | ![]() |
||
14. | ![]() |
기초통계학Ⅱ 14강 : Review(1) | Rivew : 단일모집단 추론 | ![]() |
15. | ![]() |
기초통계학Ⅱ 15강 : Review(2) | Rivew : 두 모집단 비교, 여러 모집단 비교 , 두 변수 간의 관계 | ![]() |
![]() |
Review | ![]() |