모집단과 표본

• 모집단: 관심의 대상이 되는 집단
• 표본: 모집단에서 추출한 일부

표본을 사용하는 이유

현실적인 제약

• 비용과 시간
• 접근성

대표성

• 표본의 대표성: 잘 설계된 표본은 모집단의 특성을 반영할 수 있을 뿐 아니라 무작위로 표본을 추출하면 편향을 최소화하고 모집단의 다양한 특성을 포함할 수 있다.

데이터 관리

• 데이터 처리의 용이성
• 데이터 품질 관리

모델 검증 용이

• 모델 적합도 테스트

표본 추출 실습

import numpy as np
import matplotlib.pyplot as plt

# 모집단 생성 (예: 국가의 모든 성인의 키 데이터)
population = np.random.normal(170, 10, 1000)

# 표본 추출
sample = np.random.choice(population, 100)

plt.hist(population, bins=50, alpha=0.5, label='population', color='blue') # 모집단
plt.hist(sample, bins=50, alpha=0.5, label='sample', color='red') # 샘플
plt.legend()
plt.title('population and sample distribution')
plt.show()

• np.random.normal: 정규분포(가우시안 분포)를 따르는 난수 생성