표본 분포와 검정

---

1. 표본의 확률분포(Sampling Distribution)

확률분포란? 🧐

• 확률변수가 취할 수 있는 값들과 그에 대응하는 확률을 나타내는 함수

표본의 확률분포란? 🧐

• 모집단에서 일부를 추출한 데이터 집합인 표본을 기반으로 특정 통계량(예 : 표분 평균 등)의 분포를 의미함
• 중요성 : 모집단을 추정하고 가설 검정을 수행하는데 중요한 역할

중심극한정리 (Central Limit Theorem, CLT)

• 표본 크기가 충분히 크면, 표본 평균의 분포는 모집단의 분포 형태와 관계없이 정규분포에 근사함
• 표본 크기가 커질수록 표본 평균의 분포는 정규 분포에 더욱 가까워짐
• 모집단이 정규 분포가 아니더라도 정규성을 가정한 통계적 추정과 가설검정이 가능함!

표본 분포의 특성

1. 표본 평균의 기대값 = 모집단의 평균 (μ)
   
2. 표본평균의 표준편차 (표준오차, Standard Error)
   
3. 표본 크기가 클수록 표본 평균의 분포는 정규분포에 근사

---

2. Z-분포와 검정 (Z-Distribution & Z-Test)

Z-분포란? 🧐

• 통계적 가설 검정의 중요한 요소 중 하나는 Z-분포!
• 평균이 0, 표준편차가 1인 표준 정규분포
• 그러므로 Z-분포는 평균 0을 중심으로 완전히 대칭
• Z-분포의 전체 면적은 1로, 모든 확률의 합은 100%
  
• Z-분포는 표준화된 값을 기반으로 하여, 모집단의 데이터를 비교할 수 있게 함
• 특정 값이 평균에서 몇 표준편차 떨어져 있는지를 나타냄
  • Z-점수 공식 (단일 값에 대한 Z-값 계산)
    
    

Z-검정이란? 🧐

• 모집단의 평균, 비율, 분산 등을 추정하고 특정 가설을 검정하는 방법
• 모집단의 분포를 알고 있거나, 표본 크기가 충분히 클 때 사용

Z-검정의 종류

• 단일 모집단 평균 Z-검정 : 모집단 평균과 비교
• 두 모집단 평균 Z-검정 : 두 집단의 평균 차이 비교
• 비율 Z-검정 : 모집단 비율 비교

Z-검정 절차

1. 귀무가설(H0)과 대립가설(H1) 설정
   • H0 : “모집단 평균이 특정 값과 같다”
   • H1 : “모집단 평균이 특정 값과 다르다”
2. 유의수준(α) 결정
   • 보통 α는 0.05가 많이 사용됨
3. Z-점수 계산 (표본 평균의 Z-점수 공식)
   
4. Z-분포를 이용해 p-값 계산
   • 계산한 Z-점수를 Z-분포표를 이용하여 p-값을 구함
5. 결정
   • p < α : 귀무가설을 기각 (유의미한 차이 존재)
   • p > α : 귀무가설을 채택 (유의미한 차이 없음)

Z-검정 결론

• Z-분포는 많은 통계 분석에서 중요한 역할을 하며, 특히 Z-검정을 통해 모집단에 대한 가설을 검증할 수 있음
• Z-검정은 간단하지만 매우 유용한 검정 방법으로, 표본 평균과 모집단 평균 간의 차이를 검토하는데 사용됨

---

3. t-분포와 검정 (t-Distribution & t-Test)

t-분포란? 🧐

• 통계적 가설 검정에서 중요한 역할을 하는 분포는 t-분포!
• 정규분포와 유사하지만 꼬리가 두꺼운 형태의 분포
• 표본 크기가 작거나(𝑛<30), 모집단의 표준 편차를 모를 때 사용!
• 자유도(Degrees of Freedom)에 따라 형태가 달라짐
  • 자유도 : 표본의 크기와 관련이 있으며, df = n-1로 계산됨 (n은 표본의 크기)
  • 자유도가 커지면 t-분포는 정규분포에 가까워짐
    

t-검정이란? 🧐

• 모집단의 평균을 모를 때 표본 평균을 이용해 모집단 평균을 검정하는 방법
• 표본 크기가 작을 때 효과적!

t-검정의 종류

• 단일 표본 평균에 대한 t-검정 : 모집단 평균과 비교
• 두 모집단 평균에 대한 t-검정 : 두 집단의 평균 차이 비교
• 대응 표본 t-검정 : 같은 표본에서 두 시점 비교

t-검정 절차

1. 귀무가설(H0)과 대립가설(H1) 설정
   • H0 : “모집단 평균은 특정 값이다”
   • H1 : “모집단 평균은 특정 값과 다르다”
2. 유의수준(α) 결정
   • 보통 α는 0.05가 많이 사용됨
3. t-점수 계산 (s : 표본 편차, μ0 : 귀무 가설에서 주장하는 모집단 평균)
   
4. 자유도를 이용해 p-값 계산
   • 계산한 Z-점수를 Z-분포표를 이용하여 p-값을 구함
5. 결정
   • p < α : 귀무가설을 기각 (유의미한 차이 존재)
   • p > α : 귀무가설을 채택 (유의미한 차이 없음)

t-검정 결론

• t-분포는 표본 크기가 작거나 모집단의 표준 편차를 모를 때 중요한 역할을 하며, t-검정은 이런 경우에 매우 유용한 가설 검정 방법임
• t-검정은 단일 표본, 두 표본, 대응 표본 등의 다양한 상황에 적용될 수 있음

---

4. F-분포와 검정 (F-Distribution & F-Test)

F-분포란? 🧐

• 분산 분석(ANOVA)이나 회귀 분석에서 중요한 역할을 하는 확률 분포임!
• 두 개 이상의 집단 간 분산 차이를 비교하고, 통계적 유의성을 평가하는데 사용됨
• 분산 또는 표준편차의 제곱에 대한 비율로 정의되며, 두 가지 독립적인 표본 분산의 비율로 이루어짐
• F-분포는 두 개의 독립적인 카이제곱 분포의 비율로 정의되고, 두 카이제곱 분포는 각각 다른 자유도를 가짐
  • F-분포는 두 개의 자유도에 의해 결정됨
    • 분자 자유도 : 첫 번째 집단의 자유도
    • 분모 자유도 : 두 번째 집단의 자유도
• F-분포는 비대칭적이며, 항상 양수 값을 가짐

F-검정이란? 🧐

• 두 개 이상의 모집단이 동일한 분산을 가지는지 검정
• 회귀 분석 및 분산 분석(ANOVA)에 활용됨

F-검정의 활용

• 분산 분석 (ANOVA) : 여러 집단 간 평균 차이 검정
• 회귀 분석 : 독립 변수의 설명력 검정
• 모델 비교 : 두 개 이상의 모델 적합도 비교

F-검정 절차

1. 귀무가설(H0)과 대립가설(H1) 설정
   • H0 : “두 모집단의 분산이 같다”
   • H1 : “두 모집단의 분산이 다르다”
2. 유의수준(α) 결정
   • 보통 α는 0.05가 많이 사용됨
3. F-통계량 계산 (s₁², s₂²: 두 집단의 분산)
   
4. 자유도를 이용해 p-값 계산
   • 자유도
     • 첫 번째 집단의 자유도
       
     • 두 번째 집단의 자유도
       
5. 결정
   • p < α : 귀무가설을 기각 (집단 간 분산 차이 존재)
   • p > α : 귀무가설을 채택 (집단 간 분산 차이 없음)

F-검정 결론

• F-분포는 두 집단 이상의 분산을 비교할 때 유용한 분포로, F-검정은 다양한 통계 분석에서 필수적으로 사용됨
• F-검정은 주로 분산 분석(ANOVA)에서 집단 간 분산 차이를 평가하는데 사용됨

---

요약

검정 종류	용도	특징
Z-검정	모집단의 평균 또는 비율 비교	표본 크기가 클 때 사용
t-검정	모집단 평균 비교	표본 크기가 작거나, 모집단의 표준 편차를 모를 때 사용
F-검정	모집단 간 분산 비교	분산 분석 (ANOVA)에서 활용