[통계학] 통계야 놀자 02
01. 데이터 분석가의 통계적 실험
-
실험설계는 특정 가설(의도)을 확인하거나 기악하기 위한 목표를 가지고 있다.
-
데이터 종류에 따라 알맞은 분석기법을 활용해야 한다.
-
즉, 데이터 종류를 파악하기의 중요성 ↑
- 변수 : 대상의 속성이나 특성을 층정하여 기록한 것
- 독립변수 : 원인이 되는 변수로, 설명변수
- 종속변수 : 결과가 되는 변수로, 결과변수, 독립변수에 따라 값이 변할 것으로 예상하는 변수
- 모수 : 모집단을 대표하는 값
- 모수통계 : 모집단이 정규분포를 따른다는 가정하에 사용
- 비모수통계 : 모집단이 정규분포가 아닐 때 사용(즉, 표본의 크기 ↓)
-
A/B 테스트 분석 기법에 필요한 3가지
- 가설설정
- 통계적 의미 해석(p-value)
- 가설검정(T 검정, 카이제곱 검정)
-
데이터 분석가는 상황에 알맞은 분석을 설계하고 진행
-
다른 팀의 요청 또는 프로젝트를 진행하며 능동적으로 분석을 설계
-
통계적 실험
- 정의 : 어떤 목적을 가지고 관찰을 통해 결과(측정값) 얻어내는 것
- 목적 : 통계적 추론을 통해 보다 진실에 가까운 값을 도출하기 위함
- 프로세스 : 가설수립 → 실험 설계 → 데이터 수집 → 추론 및 결론 도출
-
02. A/B Test
-
비즈니스 마케팅시 필수이며, 마케팅 고객 데이터 분석 중 가장 널리 사용되는 방법
-
테스트의 목적
- 고객의 니즈파악
- 최소 투자 대비 최대 이익 창출(ROI 상승)
-
개념이해
- 정의 : A/B Test는 두 가지 처리 방법 중 어떠한 쪽이 더 좋다라는 것을 입증하기 위해 실험군을 두 그룹으로 나누어 진행하는 실험 ( = 버킷테스트, 분할 테스트 )
- 목적 : UI/UX 개선, 전환율 증가, 매출 증가
- 주요 지표 : 서비스 가입률(신규유저 확보), 재방문율, CTR, CVR, ROAS, eCPM
-
프로세스
- 현행 데이터 탐색
- 가설 설정
- 귀무 가설, 대립 가설 설정
- 유의수준 설정
- 테스트 설계 및 실행
- 테스트 결과 분석
-
A/B 테스트 주의사항
- 적절한 표본 크기
- 하나의 변수만 변경
- 무작위성
- 적절한 분석 방법
- 테스트 결과의 의미
- 정해진 기간 동안 진행
03. 유의수준 설정하기
-
신뢰수준의 반대 개념
-
중심극한정리 : 표본수집을 기반으로 한 추리통계에서 모집단의 분포가 어떤 모ㅑㅇ이더라도 모집단의 크기가 충분히 크다면 표본평균의 분포가 정규분포를 이룬다
-
유의수준
- 정의 : 귀무가설이 맞을 때 기각할 확률
- 표기 : σ
- 범용적 기준 : 0.05, 0.01, 0.1
- 신뢰도와의 관계 : 95%의 신뢰도를 기준으로 한다면 (1-0.95)인 0.05값이 유의수준
04. 검정통계량과 p-value
-
결과 해석 단계 1 : 검정 방식 정하기 & 검정통계량 계산하기
-
검정통계량 : 귀무가설을 채택 또는 기각하기 위하 사용하는 확률변수
-
검정 방식( 검정 통계량 / 검정통계량 범위 / 활용대상 / 대상 )
- Z 검정 : Z-value / -∞ ~ +∞ / 집단 개수 주로 2개(분산을 알경우) / 연속형 자료
- T 검정 : T-value / -∞ ~ +∞ / 집단 개수 주로 2개(분산을 모들 경우) / 연속형 자료
- 카이제곱검정 : X²-value / 0 ~ ∞ / 집단 개수 주로 2개 이상 / 범주형 자료
- F 검정 : F-value / 0 ~ ∞ / 집단 개수 주로 3개 이상 / 범주형 자료
-
결과 해석 단계 2 : p-value
- p-value : 어떤 사건이 우연히 발생할 확률
- p-value 가 0.05 보다 작은 경우
- 우연히 일어났을 가능성이 거의 없다
- 즉, 인과관계가 있다고 추정
- 대립가설 채택
- p-value 가 0.05 보다 큰 경우
- 우연히 일어났을 가능성이 높다
- 즉, 인과관계가 없다고 추정
- 귀무가설 채택
