모집단 분포
: 전체 집단의 분포. 일반적으로 정규분포를 가정함. → ~
표본 분포
: 모집단에서 추출한 표본의 분포. 표본 크기 작으면 편포일 수 있음.
표집 분포
: (반복 추출한) 표본에서 구한 통계치들이 이루는 분포.
ex. 표본평균의 분포, 표본분산의 분포
🆚 표본분포 : 샘플 한 개 뽑아서 그린 분포
🆚 표집분포 : 여러 샘플 뽑아서, 각 샘플의 평균에 대한 분포를 그린 것
평균의 표집 분포
: 무한번 반복추출해서 구한 표본평균들의 분포로, N(표본크기) >30 이면 정규분포 가정.
Q2. 표본의 크기(n)가 --보다 크면 ----를 따른다는 조건은 생각보다 중요하다.
귀무가설
: 직접적인 검증의 대상. "효과가 없다" "차이가 없다"는 의미에서 영가설이라고도 부름.
대립가설
: 실제 연구자의 관심 내용. 영가설을 기각해야 대안으로 받아들여질 수 있음.
가설 검증의 기본 논리
: 기준은 영가설! 판사의 '무죄추정의 원칙'과 유사한 논리.
등가설과 부등가설
: 등가설은 ㅇㅊ검증, 부등가설은 ㄷㅊ검증
1종의 오류 (α)
: 영가설이 참인데, 영가설 기각하고 대립가설 채택하는 오류.
2종의 오류 (β)
: 대립가설이 참인데, 영가설을 그대로 채택하는 오류.
통계적 검증력 (1-β)
: 대립가설이 참일 때, 영가설 기각하고 대립가설 채택할 확률! (당연히 높을수록 good)
⭐유의수준
: "1종의 오류(=더 심각한 오류)를 범할 확률"을 어디까지 수용할 것인가?
↪ 주로 0.05 , 0.01 , 0.001을 많이 사용함
⭐유의확률
: 영가설 표집분포에서 얻은 값보다 더 극단적인 값이 나올 확률.
➡️ 유의수준과 비교하여 영가설 기각 판단의 기준이 됨! (... in next chapter)
연구자의 딜레마
: 적절한 유의수준(α)과 표본 크기를 설정하기가 쉽지 않음.
Q3. 1종의 오류 ↓ = 2종의 오류 (↑/↓) = 통계적 검증력 (↑/↓)
Q4. 만약 1종의 오류를 고정 시, 표본의 크기 ↑ = 2종의 오류 (↑/↓) = 통계적 검증력 (↑/↓)
but, 표본 너무 키워도 안 됨...
A1. 1.96 / 2.575
A2. 30 / 정규분포
A3. ↑ , ↓
A4. ↓ , ↑