Skip to Content
StaticsStatics

Statics

기술통계의 주요 요소

💡

기술통계

  1. 데이터의 중심 경향성 (Central Tendency): 데이터의 대표 값을 나타냅니다.
  • 평균 (Mean): 데이터의 산술 평균.
  • 중앙값 (Median): 데이터를 크기 순으로 정렬했을 때 가운데 값.
  • 최빈값 (Mode): 가장 자주 등장하는 값.
  1. 데이터의 변동성 (Variability): 데이터가 얼마나 퍼져 있는지를 나타냅니다.
  • 범위 (Range): 최대값과 최소값의 차이.
  • 분산 (Variance): 데이터 값이 평균에서 얼마나 떨어져 있는지를 제곱하여 평균.
  • 표준편차 (Standard Deviation): 분산의 제곱근으로, 데이터의 퍼짐 정도를 나타냄.
  • 사분위수 범위 (IQR, Interquartile Range): 데이터의 중앙 50%의 범위 (Q3 - Q1).
  1. 데이터의 분포 (Distribution): 데이터가 어떻게 분포되어 있는지를 설명합니다.
  • 왜도 (Skewness): 분포의 비대칭성을 나타냄.
  • 첨도 (Kurtosis): 분포의 뾰족함 정도를 나타냄.
  1. 데이터 시각화 (Visualization): 데이터를 보다 직관적으로 이해하기 위한 그래프와 차트.
  • 히스토그램 (Histogram)
  • 상자 그림 (Boxplot)
  • 산점도 (Scatterplot)
  • 막대 그래프 (Bar Chart)

💡

추론통계

💡

비모수 검정 (Non-parametric Tests)

비모수 검정은 데이터가 특정 분포를 따르지 않을 때 사용되는 검정 방법으로, 주로 순위나 순서를 기반으로 합니다. 가정

  • 생존분석

  • 실습문제 아래는 제시된 예시(‘해양제인 시약 Y와 기간 약 X의 복합처치 효과’에 대한 두 연구)를 요약한 내용입니다.

1. 연구 개요

  • 연구 1
    • 표본 크기: 시약 Y 투여군 15명, 기간 약 X 투여군 20명 (총 35명)
    • 표본평균, 표본표준편차(혹은 표준오차)는 표로 제시됨
    • 두 집단(시약 Y 투여군 vs. 기간 약 X 투여군) 간의 체온 저하 평균값을 비교
  • 연구 2
    • 표본 크기: 시약 Y 투여군 150명, 기간 약 X 투여군 200명 (총 350명)
    • 표본평균, 표본표준편차(혹은 표준오차)는 표로 제시됨
    • 마찬가지로 두 집단 간의 체온 저하 평균값을 비교 두 연구 모두, “시약 Y의 체온 저하 평균값이 기간 약 X의 체온 저하 평균값과 동일하다”를 귀무가설(H₀)로 설정하고, “시약 Y의 체온 저하 평균값이 기간 약 X와 차이가 있다”를 대립가설(H₁)로 설정하여 대응되지 않은 2표본 t-검정(독립표본 t-검정)을 실시했습니다.

2. t-검정 결과 및 해석

표에 따르면,

  • 연구 1
    • 검정통계량(t값): 0.107
    • p값: 0.916
  • 연구 2
    • 검정통계량(t값): 0.338
    • p값: 0.736 두 연구 모두 p값 ≥ 0.05입니다. 이는 통계적으로 유의한 차이가 나타나지 않았음을 의미합니다(즉, 귀무가설을 기각할 근거가 충분치 않음).

일반적인 해석

다만, 통상적으로 “귀무가설을 기각하지 못한다”는 것은 “완전히 같음이 입증되었다”라기보다는, “차이가 통계적으로 검증될 수준으로 나타나지 않았다”고 해석합니다.

3. 핵심 요약

  1. 귀무가설: 시약 Y의 체온 저하 평균값 = 기간 약 X의 체온 저하 평균값
  2. 대립가설: 시약 Y의 체온 저하 평균값 ≠ 기간 약 X의 체온 저하 평균값
  3. 결과
  • 연구 1: p값=0.916 (≥0.05)
  • 연구 2: p값=0.736 (≥0.05)
  • 두 연구 모두 p값이 0.05 이상이므로 통계적으로 유의미한 차이가 있다고 보기 어려움.
  1. 결론
  • 두 집단(시약 Y vs. 기간 약 X)의 평균 차이는 통계적으로 유의하게 나타나지 않았다.
  • 다시 말해, “차이가 크다”는 결론을 내릴 수 없으며, 귀무가설(‘두 평균이 같다’)을 기각하지 못한다.

4. 주의점

  • “p값 ≥ 0.05”라고 해서 “두 집단의 평균이 완전히 동일하다”는 결론을 내릴 수 있는 것은 아님(‘같음을 증명한 것’이 아니라, ‘유의한 차이를 발견하지 못했다’는 의미).
  • 표본 크기, 표본 분산, 연구 설계 등의 영향을 고려해야 하며, **검정력(파워)**이 충분한지, 표본 수가 적절한지도 함께 살펴볼 필요가 있음.

정리

두 연구 모두 t-검정 결과 p값이 0.05 이상으로 나타나 “시약 Y 투여군과 기간 약 X 투여군 간의 체온 저하 평균값에 유의한 통계적 차이가 없다”고 판단하였으며, 귀무가설을 기각하지 못했다는 결론이 도출되었습니다. 이를 간단히 말하면, “현재 데이터만으로는 두 집단이 다르다고 결론 내리기 어렵다.”라는 의미입니다.

SQLDANOVA 분석