홈 > 강의소개
확률통계학
이은지 교수
경희대학교 대학원 경영학과 석사과정
경희대학교 대학원 경영학과 박사졸업
경희대학교 대학원 경영학과 석사과정
경희대학교 대학원 경영학과 박사졸업
경희대학교
경북대학교
현) 유니와이즈 전임교수
AI가 이끄는 스마트한 학습 경험, AI 튜터와 함께 더 빠르고, 더 깊게 학습하세요.
긴 강의 내용을 AI가 핵심만 요약하여 복습 시간을 단축시킵니다.
강의에서 가장 중요한 키워드와 개념을 자동으로 추출해 제공합니다.
학습한 내용을 바탕으로 AI가 생성한 퀴즈를 풀며 이해도를 점검합니다.
모르는 부분을 24시간 언제든 AI 튜터에게 질문하고 답변을 받습니다.
총 16개 챕터, 54강으로 구성되어 있습니다.
| 제목 | 강의시간 | 상세내용 |
|---|---|---|
| 1장. 통계학과 자료분석 | ||
|
[1강] 오리엔테이션. 위치 측도와 산포 측도
|
1:
16:
45
|
|
|
확률통계학: 위치측도 및 산포측도
• 통계학 기초: 자료 수집·분석 방법론과 모집단·표본, 모수·통계량 개념 확립 및 확률 기반 추론 원리 이해. • 자료 유형 및 측정: 질적·양적 자료 분류 및 명목·순서·등간·비율 척도 이해, 평균·중앙값·최빈값 등 위치 측도로 자료의 중심 파악. • 자료 분포 및 변동성: 분산·표준편차, 사분위수 등 산포 측도로 자료의 흩어진 정도 분석 및 분포 형태 해석. |
||
|
[2강] 도표를 위한 자료 정리
|
0:
47:
29
|
|
|
도표를 이용한 자료 정리
• 도표 기반 자료 정리: 도수분포표(상대/누적 포함), 히스토그램, 도수분포다각형을 통해 통계 자료를 효과적으로 요약하고 시각화하는 기본 원리 학습 • 줄기-잎 그림 및 상자그림: 자료의 원형 보존과 분포 파악에 유용한 줄기-잎 그림 및 4분위수를 활용한 상자그림으로 자료 분포와 이상값 탐지 방법 이해 • 이상값 판별 기준: 상자그림에서 4분위수(Q1, Q2, Q3), IQR, 안울타리($Q_1 \pm 1.5 \times IQR$) 및 바깥울타리($Q_1 \pm 3 \times IQR$)를 통한 이상값 및 극단이상값 계산 및 판별 절차 습득 |
||
| 2장. 확률 | ||
|
[3강] 확률 개념(표본공간, 사상, 경우의 수)
|
0:
30:
07
|
|
|
확률 개념 이해 및 활용
• 확률 실험과 표본 공간: 통계적 실험의 모든 가능한 결과를 포함하는 기본 집합을 정의하고 구조화. • 사상의 정의 및 종류: 표본 공간 내 특정 사건 집합인 사상과 여집합, 공집합, 합집합, 교집합, 상호배반의 개념 이해. • 사상의 성질과 연산: 드 모르간 법칙을 포함한 사상 간 관계와 벤다이어그램을 활용한 시각적 연산 방법 학습. |
||
|
[4강] 확률의 법칙 (1)
|
0:
41:
28
|
|
|
확률의 법칙: 경우의 수, 순열, 조합
• 경우의 수 기초: 곱의 법칙을 통한 여러 사건의 동시 발생 계산 원리 학습 • 순열: 순서를 고려한 대상물 배열(일반/원순열) 및 특정 그룹 분할 방법론 분석 • 조합: 순서를 고려하지 않는 대상 선택 원리 및 순열과의 핵심 차이점 이해 |
||
|
[5강] 확률의 법칙 (2)
|
0:
37:
30
|
|
|
확률의 법칙과 정의 및 응용
• 확률 개념 및 정의: 사상의 발생 가능성을 0과 1 사이의 수치로 표현하는 기본 원리로, 공리적, 고전적, 경험적, 주관적 정의 포함. • 가법정리(덧셈정리): 두 사상의 합집합 확률 계산 원리로, 배반사건, 세 사상, 여사상 개념으로 확장하여 적용. • 확률 응용: 실생활 및 산업 현장 문제 해결을 위한 확률 계산 및 분석 능력을 배양. |
||
|
[6강] 조건부 확률, 베이즈 정리
|
1:
02:
07
|
|
|
조건부 확률과 베이즈 정리
• 조건부 확률: 특정 사건 발생 조건 하의 다른 사건 확률 계산 원리 및 $P(B|A) = P(A \cap B) / P(A)$ 공식 정의. • 사건의 독립/종속: 한 사건이 다른 사건 확률에 미치는 영향 여부 구분 및 승법정리, 배반사상과의 관계 요약. • 베이즈 정리: 전확률 정리를 기반으로 사전 확률과 현재 증거를 통해 사후 확률을 추론하는 방식. |
||
| 3장. 확률변수와 확률분포 | ||
|
[7강] 이산형/연속형 확률분포
|
1:
13:
42
|
|
|
이산형 및 연속형 확률분포의 이해
* 확률변수 개념: 표본공간 원소에 실수 값을 대응시키는 함수로, 이산형과 연속형으로 분류. * 이산확률분포: 셀 수 있는 값의 확률을 확률질량함수(PMF)로 정의하며, 누적분포함수(CDF)로 특정 값 이하의 확률 계산. * 연속확률분포: 연속적인 구간 값의 확률을 확률밀도함수(PDF)로 정의하고 면적으로 계산하며, 누적분포함수(CDF)로 확장. |
||
|
[8강] 결합확률분포
|
1:
17:
41
|
|
|
결합확률분포의 이해 및 분석
* 결합확률분포: 두 개 이상 확률변수의 동시 발생 확률을 이산/연속형으로 정의하며, 주변분포 및 조건부 분포를 통해 각 변수의 특성을 분석. * 통계적 독립성: 확률변수 간 상호 영향이 없을 때, 결합확률분포가 주변분포의 곱으로 표현되는 조건 및 판단 기준을 확립. * 푸비니 정리: 연속형 결합밀도함수의 이중적분 시 적분 순서 변경의 원리를 제시하고, 정확한 확률 계산 절차를 제공. |
||
| 4장. 수학적 기댓값 | ||
|
[9강] 확률변수의 평균
|
0:
29:
09
|
|
|
확률변수의 수학적 기댓값과 평균 개념
• 확률변수의 기댓값(평균): 확률분포의 중심 경향을 대표하며, 이산형은 합, 연속형은 적분을 통해 계산. • 종속 확률변수의 기댓값: 확률변수의 함수 $g(X)$에 대한 기댓값으로, 이산형/연속형 모두 $g(x)f(x)$를 합/적분하여 계산. • 두 확률변수의 기댓값: 결합확률분포 $f(x,y)$를 가지는 $g(X,Y)$의 기댓값은 이산형/연속형에 따라 이중 합/적분으로 계산. |
||
|
[10강] 분산과 공분산
|
0:
48:
39
|
|
|
확률분포의 분산, 공분산, 상관계수
• 확률변수 분산: 평균으로부터의 데이터 산포 정도를 측정하는 지표이며, 표준편차는 이에 대한 양의 제곱근으로 원래 단위의 퍼짐을 나타냄. • 공분산: 두 확률변수 간의 확률적 결합 관계와 관련성 방향을 나타내는 측정 지표. • 상관계수: 두 확률변수의 선형 관계 강도와 방향을 측정 단위와 무관하게 표준화하여 분석하는 지표. |
||
|
[11강] 체비셰프 정리
|
0:
58:
44
|
|
|
확률변수의 선형결합 평균 분산 및 체비셰프 정리
• 확률변수 선형결합 기댓값: 기댓값의 선형성 및 다변수 함수에 대한 기대값 성질 적용 • 확률변수 선형결합 분산: 공분산을 포함한 분산 공식과 독립 확률변수일 경우의 단순화 원리 요약 • 체비셰프 정리: 확률분포와 무관하게 평균으로부터 특정 범위 내 확률의 하한선을 제시 |
||
| 5장. 이산형 확률분포 | ||
|
[12강] 이항분포와 다항분포
|
0:
59:
45
|
|
|
확률통계학 이항분포와 다항분포
* 이산형 균일분포: 유한한 결과값에 균일한 확률을 부여하는 분포의 확률질량함수, 평균, 분산 정의. * 베르누이 시행/이항분포: 독립 반복 시행에서 이진 결과를 모델링하는 확률분포 정의, 확률질량함수, 통계량 분석 및 표 활용. * 다항분포: 여러 범주 결과가 가능한 독립 시행에서 각 결과 발생 횟수의 확률질량함수 구조 이해. |
||
|
[13강] 포아송분포
|
0:
30:
19
|
|
|
포아송 분포의 개념 및 특징
• 포아송 분포 개념: 일정한 시간/영역 내 희귀 사건의 성공 횟수를 모델링하는 이산 확률 분포; 독립성, 비례성, 희소성 과정을 따름. • 확률 함수: $P(X=x; \lambda t)=\frac{e^{-\lambda t}(\lambda t)^x}{x!}$로 정의되며, 평균과 분산이 모수 $\lambda t$와 동일. • 이항 분포 근사: 시행 횟수 $n$이 크고 성공 확률 $p$가 작을 때, 이항 분포를 포아송 분포로 근사하여 계산 단순화. |
||
|
[14강] 초기하분포, 음이항분포
|
0:
57:
24
|
|
|
초기하분포와 음이항분포의 개념 및 특징
• 초기하분포: 유한 모집단 비복원 추출의 확률 분포 정의, 확률함수, 평균/분산 계산 원리 및 이항분포와의 관계 (수정계수, N 수렴) 이해. • 음이항분포: 고정된 성공 횟수(k)까지의 시행 횟수를 모델링하는 확률 분포 정의, 확률함수; 기하분포는 첫 성공까지의 특수 사례. • 각 분포의 개념, 확률함수, 평균/분산 공식을 통해 이항분포와의 차이점 및 관계를 분석하는 커리큘럼. |
||
| 6장. 연속형 확률분포 | ||
|
[15강] 연속형 균일분포, 정규분포
|
0:
39:
30
|
|
|
Summary Content:
연속형 균일분포 및 정규분포 • 연속형 확률분포: 특정 한 점의 확률이 0인 특성을 가지는 균일분포와 정규분포의 밀도함수, 평균, 분산 개념 이해. • 연속형 균일분포: 구간 내 확률 밀도가 균일한 직사각형 분포의 밀도함수 정의 및 평균 $(\frac{A+B}{2})$, 분산 $(\frac{(B-A)^2}{12})$ 계산. • 정규분포: 평균과 표준편차로 결정되는 종 모양, 좌우 대칭 곡선 특성을 지닌 대표적인 연속형 확률분포의 밀도함수 및 핵심 요소 분석. |
||
|
[16강] 표준정규분포
|
0:
50:
29
|
|
|
표준정규분포 개념 및 활용
* 표준정규분포 개념: 평균 0, 분산 1인 정규확률변수 Z의 분포로, Z-변환을 통해 다양한 정규분포의 확률 계산을 표준화하고 효율화. * Z-변환 절차: 임의의 정규확률변수 $X$를 $Z = (X-\mu)/\sigma$ 공식으로 표준정규분포로 변환하며, 그 평균과 분산이 0과 1이 됨을 증명. * 표준정규분포표 활용: Z-값에 따른 확률 계산, 주어진 확률로부터 Z-값 역추론, 일반 정규분포 확률 계산을 통해 체비셰프 정리보다 정확한 통계 분석 제공. |
||
|
[17강] 감마분포와 지수분포 (1)
|
1:
03:
07
|
|
|
이항분포 정규근사 및 감마·지수분포 개념
* 이항분포 정규근사: 큰 시행 횟수 조건에서 정규분포로 근사되며, 이산확률의 연속성 수정을 통해 정확도 향상. * 감마함수 및 감마분포: 감마함수 정의와 성질을 바탕으로, 두 모수 ($\alpha, \beta$)로 사건 발생 횟수나 시간 간격을 모델링. * 지수분포: 감마분포의 특수한 경우( $\alpha=1$ )로, 첫 사건 발생까지의 시간을 나타내며 건망성(무기억성) 특성 가짐. |
||
|
[18강] 감마분포와 지수분포 (2)
|
0:
28:
28
|
|
|
감마분포와 지수분포 및 카이제곱분포 활용
• 감마분포: 지수분포 및 카이제곱분포의 기반 연속확률분포 개념과 불완전 감마함수를 활용한 확률 계산 절차 • 지수분포: 감마분포의 특수 형태로, 사건 발생 시간 간격 모델링 및 모수(평균, 분산) 특성 분석 • 카이제곱분포: 자유도를 핵심 모수로 하는 분포로, 평균, 분산과 모분산 추정, 적합성/독립성 통계 검정 활용 |
||
|
[19강] 그 외 분포
|
0:
49:
09
|
|
|
그 외 분포: 베타, 로그정규, 와이블 분포
* 베타분포: 연속형 확률변수 밀도함수로, 베이즈 정리 및 사전확률 표현에 활용됩니다. * 로그정규분포: 로그 변환을 통해 비대칭 양수 데이터를 정규분포화하여 분석하는 데 유용합니다. * 와이블분포: 수명 분포로서 고장률을 분석하며, 모수 $\beta$ 값에 따라 고장률 변화 경향이 결정됩니다. |
||
| 7장. 확률변수의 함수 | ||
|
[20강] 확률변수의 변수변환
|
0:
53:
03
|
|
|
확률변수의 변수변환 개념 완성
• 이산형 확률변수 변환: 역함수를 이용하여 새로운 확률변수의 확률분포를 직접 계산. • 연속형 확률변수 변환: 역함수와 야코비안(Jacobian)의 절대값을 활용하여 새로운 확률밀도함수를 도출. • 1대1 대응이 아닌 변환: 정의역을 분할하고 각 부분의 역함수 및 야코비안 기여를 합산하여 최종 분포 생성. |
||
|
[21강] 적률과 적률생성함수
|
0:
52:
38
|
|
|
적률과 적률생성함수 개념
• 적률: 평균, 분산, 왜도, 첨도 등 확률분포의 통계적 특성을 나타내는 기대값이며, 적률생성함수(MGF)는 이를 도출하고 분포를 분석하는 핵심 도구. • MGF 활용: Taylor 급수를 이용해 적률을 추출하고, 이항, 정규, 카이제곱 분포 등 주요 확률분포의 MGF 유도 및 그 성질을 이해. • 분포 재현성: 독립 확률변수 합의 MGF 곱셈 성질을 통해 포아송, 정규, 카이제곱 분포의 재현성을 효율적으로 증명. |
||
| 8장. 확률표본과 표본분포 | ||
|
[22강] 확률표본과 표본분포 (1)
|
0:
51:
38
|
|
|
확률표본과 표본분포 (1)
• 확률표본: 모집단에서 추출된 부분집합으로, 모수와 통계량을 활용해 모집단 특성을 추론하는 기본 개념 확립. • 표본분포: 통계량의 확률분포로, 표본평균의 기댓값은 모평균과 동일하고 분산은 모분산을 표본 크기로 나눈 값으로 정의. • 중심극한정리: 표본 크기가 충분히 클 때, 표본평균의 분포가 모집단 분포와 무관하게 정규분포에 수렴하는 통계적 추론의 핵심 원리. |
||
|
[23강] 확률표본과 표본분포 (2)
|
0:
40:
17
|
|
|
확률표본분포 심화: 표본평균 차이, 비율, 분산
• 확률표본분포 개요: 두 표본평균 차이, 표본비율, 표본분산의 이론적 배경 및 통계적 활용 원리 이해. • 표본평균 차이 및 표본비율: 중심극한정리에 기반한 정규분포 근사를 통한 모평균 및 모비율 추정 분석. • 표본분산의 분포: 모분산 추론을 위한 표본분산과 자유도 $n-1$의 카이제곱분포 관계 및 적용 학습. |
||
|
[24강] 확률표본과 표본분포 (3)
|
1:
00:
41
|
|
|
확률표본과 표본분포 (3): t-분포, F-분포, 정규분위수그림
* t-분포: 모분산 미지의 소표본 모평균 추정에 활용되며, 자유도에 따라 표준정규분포에 근접하는 특징을 가짐. * F-분포: 두 모집단 분산 비교에 사용되는 확률분포로, 두 카이제곱 변수 비율로 정의되며 비대칭적인 특징을 가짐. * 정규분위수그림: 데이터의 정규성 시각적 진단 도구로, 순서통계량과 표준정규분포 분위수 비교를 통해 정규성 여부를 판단함. |
||
| 특강 | ||
|
[25강] 중간고사 특강 (1)
|
0:
46:
29
|
|
|
확률통계학 중간고사 대비 주요 개념 및 문제풀이
• 기술통계 및 자료분석: 표본평균·분산 산출, 도수분포표 작성, 사분위수와 IQR을 활용한 데이터 분포 구조 분석 • 확률론과 베이즈 정리: 순열·조합 기반 확률 계산, 전확률 공식 및 수형도를 통한 사후확률 추론 절차 정립 • 확률변수와 분포특성: 확률밀도함수(PDF) 적합성 검증, 결합·주변분포 도출, 기댓값·공분산을 이용한 변수 간 독립성 검정 |
||
|
[26강] 중간고사 특강 (2)
|
0:
52:
28
|
|
|
확률통계학 주요 이산형·연속형 분포 및 표본분포 문제풀이
• 확률분포 체계 및 근사: 이항·초기하·정규·감마·지수·와이블 분포의 정의와 이항분포의 정규 근사 및 연속성 수정($\pm 0.5$) 절차 정리 • 확률변수 변환 및 적률생성함수: 야코비언($|J|$) 기반 확률밀도함수 유도 및 적률생성함수 미분을 통한 평균·분산 도출 과정 구조화 • 표본분포와 통계적 추론: $Z$·$t$·카이제곱($\chi^2$)·$F$ 분포의 자유도별 특성과 분포표를 활용한 임계값 산출 및 확률적 추론 방법론 제시 |
||
| 9장. 추정 | ||
|
[27강] 통계적 추론
|
1:
05:
21
|
|
|
통계적 추론: 추정의 개념과 방법
• 통계적 추론의 추정: 모집단 모수를 표본 통계량으로 예측하는 과정이며, 점추정과 구간추정으로 분류됩니다. • 점추정량 평가 기준: 불편성, 효율성, 충분성, 일치성을 통해 추정량의 품질과 정확도를 분석합니다. • 구간추정 및 모평균 신뢰구간: 신뢰계수를 활용하여 모수가 포함될 범위를 예측하며, 모분산과 표본 크기에 따라 Z 또는 t 분포를 적용합니다. |
||
|
[28강] 단일 모평균의 추정
|
0:
49:
09
|
|
|
단일 모평균 추정 방법론 및 표본크기 결정
* 단일 모평균 추정: 모분산 인지 여부 및 표본 크기에 따라 Z분포 또는 t분포를 활용하여 모집단 평균의 신뢰구간 결정. * 모분산 인지 시/미지 시 추정: 모분산 $\sigma^2$을 알면 Z분포, 모르면 표본표준편차 $s$를 이용해 t분포(소표본) 또는 Z분포(대표본)로 신뢰구간 산출. * 표본크기 결정: 주어진 오차한계 $e$와 신뢰수준을 만족하는 최소 표본수 $n$을 $n = \left( \frac{z_{\alpha/2} \sigma}{e} \right)^2$ 공식으로 산정. |
||
|
[29강] 점추정과 신뢰구간 - 공차한계, 점추정값의 표준오차, 예측구간, 미래관측치의 예측구간, 공차한계
|
0:
31:
58
|
|
|
통계적 추론: 추정, 예측구간, 공차한계
• 통계적 추론 개념: 표본 기반 모집단 모수 추정(점추정, 구간추정)의 기본 원리 및 과정. • 추정량 필수 성질: 불편성, 효율성, 충분성, 일치성을 통한 추정량의 신뢰도 평가. • 구간추정 심화: 신뢰구간, 예측 구간, 공차 한계의 목적, 계산 방식, 적용 범위 비교 분석. |
||
|
[30강] 두 모평균 차이의 추정
|
0:
56:
50
|
|
|
단일 모평균 추정 방법 및 표본 크기 결정
* 단일 모평균 추정: 모분산 지식 여부에 따라 Z-분포 또는 t-분포를 활용하여 신뢰구간을 구축 * 대표본 모평균 추정: 표본 크기 30 이상 시 모분산 미지라도 정규근사를 통해 Z-분포 적용 가능 * 표본 크기 결정: 원하는 오차 한계와 신뢰수준을 만족시키기 위한 적정 표본 수 계산 원리 |
||
|
[31강] 두 모비율 차이의 추정
|
0:
39:
54
|
|
|
점추정과 신뢰구간: 모비율 및 표본 크기 결정
• 점추정과 신뢰구간: 모비율의 신뢰구간 추정 및 표본 크기 결정 원리 학습. • 모비율 추정: 단일 모비율 및 두 모비율 차이의 신뢰구간 공식과 점추정값의 표준오차 이해. • 예측구간 및 공차한계: 미래 관측치 포함 구간과 특정 비율 측정값 포함 구간 추정 방법 분석. |
||
|
[32강] 단일 모분산의 추정
|
0:
34:
08
|
|
|
두 평균 차이 및 모분산 추정
* 두 모평균 차이 추정: 모분산 지식 및 표본 독립성에 따라 Z-분포 또는 t-분포를 활용한 신뢰구간 설정 절차 학습. * 모분산 추정: 단일 모분산은 카이제곱분포, 두 모분산비는 F-분포의 비대칭성 및 역수 관계를 이용한 신뢰구간 산출. * 통계량 선택 원리: 모집단 특성과 표본 성격에 따른 Z, t, 카이제곱, F-분포 및 합동추정량($S_p^2$) 적용의 핵심 요소 분석. |
||
|
[33강] 두 모분산 비의 추정
|
0:
33:
34
|
|
|
모비율 추정 및 최대우도추정법
• 모비율 추정: 단일 및 두 모비율의 신뢰구간을 추정하고, 필요한 표본 크기를 결정하는 방법론 요약. • 최대우도추정법(MLE): 관측 데이터의 우도(가능성)를 최대로 하는 모수를 추정하는 원리 및 로그 우도함수 기반 도출 절차. • 분포별 최대우도추정량: 포아송, 정규, 지수, 베르누이 분포 등 주요 확률 분포 모수의 MLE 도출 과정 분석. |
||
| 10장. 가설검정 | ||
|
[34강] 통계적 가설 및 검정
|
1:
04:
12
|
|
|
가설검정의 기본 개념 및 모분산 통계량 활용
* 가설검정 개념: 통계적 가설($H_0, H_1$) 설정 및 채택/기각 과정, 제1종 오류($\alpha$)·제2종 오류($\beta$) 정의와 상호 관계 이해. * 가설검정 절차 및 종류: 5단계 절차 수행, 단측·양측검정으로 분류, 표본 크기에 따른 오류($\alpha, \beta$) 변화와 검정력($1-\beta$) 결정. * 모분산·모평균 통계량: 단일 모분산($\chi^2$ 분포) 및 두 모분산 비($F$ 분포) 추정 활용, 모평균 검정 시 Z/t 분포 통계량 선택. |
||
|
[35강] 단일 모평균의 검정
|
0:
50:
11
|
|
|
가설 검정 및 단일 모평균 검정
• 가설 검정: 귀무가설 및 대립가설 설정부터 유의 수준, 검정통계량 계산, 결론 도출까지 5단계 절차를 통해 통계적 가설을 검증. • 유의 수준 및 p-value: 제1종 오류 확률인 유의 수준($\alpha$)과 유의 확률(p-value)을 기준으로 귀무가설의 기각 또는 채택 여부를 결정하며 단측/양측 검정 유형을 설정. • 단일 모평균 검정: 모분산 지식 여부와 표본 크기에 따라 Z-통계량 또는 t-통계량을 선택, 자유도($n-1$)를 활용하여 모평균 가설을 검정. |
||
|
[36강] 두 모평균 차이의 검정
|
0:
55:
04
|
|
|
두 모평균 차이 검정
• 두 모평균 차이 검정: 통계적 가설 검정을 통해 두 모집단 평균 간 차이를 분석하는 핵심 절차. • 가설 검정 기본 개념: 귀무가설, 대립가설 설정 및 제1/2종 과오, 유의수준, 검정력 이해 기반의 검정통계량/기각역 도출. • 조건별 검정 방법: 모분산 정보, 분산 동일성, 표본 독립성에 따라 Z-검정 또는 T-검정(자유도 포함)을 선택하여 적용. |
||
|
[37강] 표본 크기의 결정. 모비율의 검정
|
1:
05:
10
|
|
|
모평균/모비율 가설 검정 및 표본 크기 결정
• 가설검정 절차: 귀무가설·대립가설 설정, 유의수준·P-값 활용, 검정통계량 기반 5단계 가설 검증 수행 • 모평균 검정: 모분산 Known/Unknown에 따라 $Z$/$t$ 통계량 선택, 검정력을 고려한 제1·2종 오류 기반 표본 크기 공식 적용 • 모비율 검정: 표본 크기별 이항분포/정규분포 근사 적용, 두 모비율 차이 검정 시 합동추정량 활용 |
||
|
[38강] 모분산의 검정
|
0:
38:
19
|
|
|
두 모평균 및 모분산 차이의 가설 검정
• 두 모평균 차이 가설 검정: 모분산 정보, 등분산성, 표본 특성에 따라 Z-검정 및 t-검정을 활용하여 모평균 차이 분석 • 모분산 가설 검정: 단일 모분산은 카이제곱 검정, 두 모분산은 F-검정으로 분산의 동일성 및 특정 값 검정 • 가설 검정 절차: 5단계 가설 검정 과정과 P-값 활용법 숙지, 비대칭 분포(카이제곱, F) 기각역 설정의 특수성 이해 |
||
|
[39강] 카이제곱분포를 이용한 검정 (1)
|
0:
39:
14
|
|
|
확률통계학: 표본 크기 결정, 모비율 검정 및 카이제곱 검정
• 표본 크기 결정: 통계적 가설 검정에서 유의수준과 검정력을 만족시키는 최소 표본 수 산출 원리. • 모비율 검정: 이항 모집단의 단일 또는 두 모비율 차이에 대한 가설 검정 절차와 통계적 의사결정 방법. • 카이제곱 적합도 검정: 범주형 데이터가 특정 이론적 분포에 얼마나 부합하는지 관측·기대도수 및 자유도 기반으로 평가. |
||
|
[40강] 카이제곱분포를 이용한 검정 (2)
|
0:
54:
05
|
|
|
가설 검정: 모분산 및 카이제곱 분포 활용
* 모분산 검정: 단일 또는 두 모분산의 동질성을 카이제곱 및 F분포로 가설 검정. * 독립성 검정: 범주형 변수 간 독립성 여부를 분할표와 카이제곱 분포로 분석. * 동질성 검정: 여러 모집단 비율의 동질성 여부를 카이제곱 분포를 활용, 독립성 검정과 동일 절차로 분석. |
||
| 11장. 실험계획과 분산분석 | ||
|
[41강] 실험계획과 분산분석
|
1:
18:
56
|
|
|
확률통계학 검정: 적합도 검정과 분산 분석
• 카이제곱 적합도 검정: 관측도수와 기대도수 차이 기반 모집단의 특정 이론적 분포 적합성을 확인하는 통계적 방법. • 실험 계획 개념: 인자, 수준, 처리 등 핵심 용어 정의를 통해 최소 실험으로 최대 정보를 얻는 체계적 설계 과정. • 일원 배치 분산 분석(ANOVA): 두 개 이상 모집단 평균 간 유의미한 차이 검정을 위한 총변동, 처리/오차 제곱합 분해 및 F-통계량 활용. |
||
|
[42강] 다중비교
|
0:
55:
26
|
|
|
카이제곱분포를 이용한 검정 (2) 및 다중 비교
• 카이제곱 검정: 범주형 자료의 독립성 및 동질성 검정 절차와 통계량 활용 • 다중 비교: 분산분석 후 집단 간 평균 차이 분석을 위한 제1종 오류율 제어 기법 (LSD, 본페로니, 튜키, 덩칸, 더넷) • 랜덤화 블록 설계: 블록 효과를 통한 오차 감소 및 처리효과와 블록효과 동시 분석 모형 적용 |
||
|
[43강] 이원배치법
|
1:
02:
11
|
|
|
실험계획과 분산분석 핵심 개념 및 적용
* 실험계획 및 분산분석: 효율적 실험 설계를 통해 요인의 유의미한 영향을 평가하고, 최소 비용으로 최대 정보를 얻기 위한 통계적 방법론. * 일원/이원배치분산분석: 단일 요인 및 다중 요인의 평균 차이와 교호작용 효과를 총변동 분해 및 F-검정을 통해 분석. * 다중 비교: 분산분석 후 유의미한 차이 집단을 구체적으로 비교하고 실험별 오류율을 제어하는 통계적 사후 분석 기법. |
||
| 12장. 상관분석과 단순선형회귀 | ||
|
[44강] 단순선형회귀모형 (1)
|
1:
21:
47
|
|
|
확률통계학: 다중비교, 상관분석 및 단순선형회귀
• 다중비교: LSD, Tukey, Duncan, Dunnett 검정으로 분산분석 후 모평균 차이 분석 및 실험별 오류율 관리; 난괴법: 블록 효과 통제 실험 설계와 분산분석 모형 구축. • 상관분석: 변수 간 선형 관련성 측정, 상관계수와 결정계수를 통한 관계 강도 및 설명력 파악. • 단순선형회귀모형: 독립변수 영향 모형화, 최소제곱법으로 회귀계수 추정 및 예측 모델 구축. |
||
|
[45강] 단순선형회귀모형 (2)
|
1:
09:
52
|
|
|
회귀분석 및 이원배치법: 통계적 추정 및 가설 검정
* 최소 제곱 추정량: 단순 선형 회귀 계수(OLS)를 추정하고, 가우스 마코프 정리를 통해 최우수 선형 불편 추정량(BLUE)의 특성을 이해. * 회귀 계수 추론: t-분포 기반 가설 검정 및 신뢰 구간으로 회귀 계수를 추정하며, 결정 계수($R^2$)로 모형 설명력을 평가하고 예측 구간을 설정. * 이원배치법: 반복 유무에 따라 두 인자의 주효과 및 교호작용 유의성을 분산 분석표를 활용하여 검정. |
||
|
[46강] 선형회귀 적합성과 선형성 분석
|
0:
49:
45
|
|
|
단순선형회귀모형 및 적합성 분석
• 단순선형회귀모형: 두 변수 간 선형 관계 분석을 위해 최소제곱법으로 회귀계수를 추정하고 상관분석으로 관계성을 파악한다. • 회귀모형 적합성 검정: 분산분석(ANOVA)으로 모형의 유의성을 검정하고, 적합결여 검정으로 선형성 가정을 평가한다. • 비선형 자료 선형화: 로그, 역수 변환 등 함수 변환을 통해 비선형 관계 데이터를 선형 모형으로 분석 가능하게 한다. |
||
|
[47강] 중회귀분석
|
0:
43:
14
|
|
|
단순선형회귀모형 심화 및 중회귀분석
• 단순선형회귀모형: 최소제곱추정량의 성질(BLUE) 및 분산 추정, 회귀계수 신뢰구간 설정과 예측 기법 학습 • 중회귀모형 개념 및 추정: 다중 독립변수 선형모형 구조 이해, 최소제곱법 기반 회귀계수 추정 절차 적용 • 회귀모형 적합성 및 설명력: 분산분석(F-검정)을 통한 모형 유의성 검증 및 결정계수($R^2$)로 설명력 평가 |
||
| 13장. 비모수적 통계학 | ||
|
[48강] 윌콕슨 부호순위 검정
|
0:
40:
32
|
|
|
비모수적 통계학: 개념 및 주요 검정, 모수적 방법과의 대비
• 비모수적 통계학: 모집단의 분포 가정을 요구하지 않으며, 위치·순서 모수를 중심으로 모수적 방법과 대비되는 통계적 추론 수행. • 비모수 검정: 부호 검정은 중앙값 가설을, 윌콕슨 부호 순위 검정은 부호와 순위를 활용하여 중앙값 차이를 검정하는 절차. • 회귀 분석 적합성: 선형회귀 모델의 유의성 및 선형성 가정을 분산분석으로 평가하고, 비선형 자료는 변수 변환을 통해 선형 관계로 변환. |
||
|
[49강] 윌콕슨 순위합 검정
|
0:
36:
37
|
|
|
중회귀분석 개념 및 분산분석 활용
* **중회귀모형**: 여러 독립변수가 종속변수에 미치는 영향을 분석하는 통계 모형으로, 회귀계수와 오차항으로 구성. * **회귀계수 추정**: 최소제곱법 및 정규방정식을 활용하여 잔차 제곱합을 최소화하는 계수를 도출하는 절차. * **모형 적합성 검정**: 분산분석으로 총변동을 설명 변동과 오차 변동으로 분해하고, F-검정으로 유의성을 판단하며 결정계수로 설명력을 평가. |
||
| 특강 | ||
|
[50강] 기말고사 특강
|
1:
10:
39
|
|
|
확률통계학 기말고사 대비 추정 및 가설검정 핵심 요약
• 추정 및 가설검정 체계: 모집단 추론을 위한 점·구간 추정과 Z, T, χ² 분포 기반의 가설 검증 절차 및 유의수준별 기각역 설정 • 변수 간 관계 분석: F 분포를 활용한 분산분석(ANOVA)과 최소자승법 기반 상관·회귀분석을 통한 집단 비교 및 변수 간 예측 모델 구축 • 비모수적 통계 방법론: 분포 가정이 불가능한 소표본·순위 데이터를 위한 윌콕슨 순위합 및 부호순위 검정의 통계적 분석 수행 |
||
| 부록 | ||
|
[51강] 정오표
|
0:
00:
00
|
|
|
교재만 있습니다.
|
||
|
[52강] 중간고사 특강(풀이 자료) (1)
|
0:
00:
00
|
|
|
교재만 있습니다.
|
||
|
[53강] 중간고사 특강(풀이 자료) (2)
|
0:
00:
00
|
|
|
교재만 있습니다.
|
||
|
[54강] 기말고사 특강(풀이 자료)
|
0:
00:
00
|
|
|
교재만 있습니다.
|
||
이은지 교수님
확률통계학
