1. 통계적 추정이란?

 통계적 추정이란 아래의 그림처럼 모집단에서 샘플링한 표본들의 통계량을 통해 역으로 모집단을 추정하는 것을 의미한다.




2. 통계적 추정의 이론적 근거 - 큰수의 법칙


%ED%81%B0%EC%88%98%EC%9D%98%5Cquad%20%EB%B2%95%EC%B9%99%EC%9D%80%5Cquad%20%EC%95%84%EB%9E%98%EC%9D%98%5Cquad%20%EC%8B%9D%EC%97%90%EC%84%9C%5Cquad%20%EC%8B%9C%EC%9E%91%EB%90%9C%EB%8B%A4.%5C%5C%20P(%5Cbar%20%7B%20X%20%7D%5Cquad%20-%5Cquad%20%5Cepsilon%20%3C%5Cquad%20%5Cmu%20%5Cquad%20%3C%5Cquad%20%5Cbar%20%7B%20X%20%7D%5Cquad%20%2B%5Cquad%20%5Cepsilon%20%5Cquad%20)%5Cquad%20%5C%5C%20%EC%9D%B4%EB%95%8C%5Cquad%20%EC%9C%84%5Cquad%20%EC%8B%9D%EC%9D%98%5Cquad%20%EC%9D%98%EB%AF%B8%EB%8A%94%5Cquad%20%EB%AA%A8%EC%A7%91%EB%8B%A8%EC%9D%98%5Cquad%20%ED%8F%89%EA%B7%A0%5Cquad%20%5Cmu%20%EA%B0%80%5Cquad%20%5Cbar%20%7B%20X%20%7D%5Cquad%20-%5Cquad%20%5Cepsilon%20%EC%99%80%5Cquad%20%5Cbar%20%7B%20X%20%7D%5Cquad%20%2B%5Cquad%20%5Cepsilon%20%5Cquad%20%EC%9D%98%5Cquad%20%EC%82%AC%EC%9D%B4%EC%97%90%5Cquad%20%ED%8F%AC%ED%95%A8%EB%90%A0%5Cquad%20%ED%99%95%EB%A5%A0%EC%9D%80%5Cquad%20%EC%96%BC%EB%A7%88%EC%9D%B8%EA%B0%80%5Cquad%20%EB%9D%BC%EB%8A%94%5Cquad%20%EB%9C%BB%EC%9D%B4%EB%90%9C%EB%8B%A4.%5C%5C%20P(%5Cbar%20%7B%20X%20%7D%5Cquad%20-%5Cquad%20%5Cepsilon%20%3C%5Cquad%20%5Cmu%20%5Cquad%20%3C%5Cquad%20%5Cbar%20%7B%20X%20%7D%5Cquad%20%2B%5Cquad%20%5Cepsilon%20%5Cquad%20)%5Cquad%20%EC%9D%98%5Cquad%20%EC%8B%9D%EC%9D%84%5Cquad%20%EC%A1%B0%EA%B8%88%5Cquad%20%EB%B3%80%ED%98%95%ED%95%98%EB%A9%B4%5Cquad%20P(-%5Cquad%20%5Cepsilon%20%3C%5Cquad%20%5Cbar%20%7B%20X%20%7D-%5Cquad%20%5Cmu%20%5Cquad%20%3C%5Cquad%20%5Cepsilon%20%5Cquad%20)%EC%9D%98%5Cquad%20%EC%8B%9D%EC%9D%B4%5Cquad%20%EB%90%9C%EB%8B%A4.%5Cquad%20%5C%5C%20%EC%9D%B4%EB%95%8C%5Cquad%20%EC%96%91%EB%B3%80%EC%97%90%5Cquad%20%5Cfrac%20%7B%20%5Csigma%20%20%7D%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%EB%A5%BC%5Cquad%20%EC%B7%A8%ED%95%98%EB%A9%B4%5Cquad%20P(-%5Cquad%20%5Cepsilon%20%2F%5Cfrac%20%7B%20%5Csigma%20%20%7D%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%3C%5Cquad%20%5Cbar%20%7B%20X%20%7D-%5Cquad%20%5Cmu%20%2F%5Cfrac%20%7B%20%5Csigma%20%20%7D%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%5Cquad%20%3C%5Cquad%20%5Cepsilon%20%2F%5Cfrac%20%7B%20%5Csigma%20%20%7D%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%5Cquad%20)%5Cquad%20%5C%5C%20%3D%5Cquad%20P(-%5Cquad%20%5Cepsilon%20%5Cfrac%20%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%7B%20%5Csigma%20%20%7D%3C%5Cquad%20Z%5Cquad%20%3C%5Cquad%20%5Cepsilon%20%5Cfrac%20%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%7B%20%5Csigma%20%20%7D%5Cquad%20)%5Cquad%20%EC%97%90%EC%84%9C%5Cquad%20lim%EB%A5%BC%5Cquad%20%EC%B7%A8%ED%95%98%EB%A9%B4%5C%5C%20%5Clim%20_%7B%20n%5Cto%20%5Cinfty%20%20%7D%7B%20P(-%5Cquad%20%5Cepsilon%20%5Cfrac%20%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%7B%20%5Csigma%20%20%7D%3C%5Cquad%20Z%5Cquad%20%3C%5Cquad%20%5Cepsilon%20%5Cfrac%20%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%7B%20%5Csigma%20%20%7D%5Cquad%20)%20%7D%5Cquad%20%3D%5Cquad%20%5Clim%20_%7B%20n%5Cto%20%5Cinfty%20%20%7D%7B%20P(-%5Cquad%20%5Cinfty%20%3C%5Cquad%20Z%5Cquad%20%3C%5Cquad%20%5Cinfty%20%5Cquad%20)%20%7D%5Cquad%20%3D%5Cquad%201%5C%5C%20%5C%5C%20%EC%A6%89%2C%5Cquad%20%EC%B6%94%EC%B6%9C%5Cquad%20%EC%88%98%EC%9D%B8%5Cquad%20n%EC%9D%B4%5Cquad%20%EC%B6%A9%EB%B6%84%ED%9E%88%5Cquad%20%ED%81%AC%EB%A9%B4%5Cquad%20%5Cbar%20%7B%20X%20%7D%5Cquad%20%EC%97%90%EC%84%9C%5Cquad%20%EB%AA%A8%ED%8F%89%EA%B7%A0%5Cquad%20%5Cmu%20%EB%A5%BC%5Cquad%20%EC%95%8C%EC%95%84%EB%82%BC%5Cquad%20%EC%88%98%5Cquad%20%EC%9E%88%EB%8A%94%5Cquad%20%ED%99%95%EB%A5%A0%EC%9D%B4%5Cquad%201%EC%9E%84%EC%9D%84%5Cquad%20%EC%95%8C%5Cquad%20%EC%88%98%5Cquad%20%EC%9E%88%EB%8B%A4.%5Cquad%20%20

이는 t분포에서도 마찬가지이므로 직접 해보길 바란다.


3. 표본평균의 평균 표준편차 분산의 개념 다지기


표본1, 표본2...은 1에서 설명된 작은 원으로 샘플링된 하나하나와 동일하다.


%ED%91%9C%EB%B3%B81%5Cquad%20%3D%5Cquad%20%5C%5B%20%5Ccombi%20_%7B%2011%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2012%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2013%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2014%20%7D%7B%20x%20%7D%2C%5Cquad%20%5Ccdot%20%5Ccdot%20%5Ccdot%20%5Ccombi%20_%7B%201N%20%7D%7B%20x%20%7D%5C%5D%20%5Cquad%20%5Cto%20%5Cquad%20%22%ED%91%9C%EB%B3%B81%EC%9D%98%22%5Cquad%20%5Cquad%20%ED%8F%89%EA%B7%A0%5Cquad%20%5Ccombi%20_%7B%201%20%7D%7B%20%5Cbar%20%7B%20x%20%7D%20%7D%2C%5Cquad%20%ED%91%9C%EC%A4%80%ED%8E%B8%EC%B0%A8%5Ccombi%20_%7B%201%20%7D%7B%20s%20%7D%5C%5C%20%ED%91%9C%EB%B3%B82%5Cquad%20%3D%5Cquad%20%5C%5B%20%5Ccombi%20_%7B%2021%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2022%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2023%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2024%20%7D%7B%20x%20%7D%2C%5Cquad%20%5Ccdot%20%5Ccdot%20%5Ccdot%20%5Ccombi%20_%7B%202N%20%7D%7B%20x%20%7D%5C%5D%20%5Cquad%20%5Cto%20%5Cquad%20%22%ED%91%9C%EB%B3%B82%EC%9D%98%22%5Cquad%20%5Cquad%20%ED%8F%89%EA%B7%A0%5Cquad%20%5Ccombi%20_%7B%202%20%7D%7B%20%5Cbar%20%7B%20x%20%7D%20%7D%2C%5Cquad%20%ED%91%9C%EC%A4%80%ED%8E%B8%EC%B0%A8%5Ccombi%20_%7B%202%20%7D%7B%20s%20%7D%5C%5C%20%ED%91%9C%EB%B3%B83%5Cquad%20%3D%5Cquad%20%5C%5B%20%5Ccombi%20_%7B%2031%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2032%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2033%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%2034%20%7D%7B%20x%20%7D%2C%5Cquad%20%5Ccdot%20%5Ccdot%20%5Ccdot%20%5Ccombi%20_%7B%203N%20%7D%7B%20x%20%7D%5C%5D%20%5Cquad%20%5Cto%20%5Cquad%20%22%ED%91%9C%EB%B3%B83%EC%9D%98%22%5Cquad%20%5Cquad%20%ED%8F%89%EA%B7%A0%5Cquad%20%5Ccombi%20_%7B%203%20%7D%7B%20%5Cbar%20%7B%20x%20%7D%20%7D%2C%5Cquad%20%ED%91%9C%EC%A4%80%ED%8E%B8%EC%B0%A8%5Ccombi%20_%7B%203%20%7D%7B%20s%20%7D%5C%5C%20....%5C%5C%20%ED%91%9C%EB%B3%B8i%5Cquad%20%3D%5Cquad%20%5C%5B%20%5Ccombi%20_%7B%20i1%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%20i2%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%20i3%20%7D%7B%20x%20%7D%2C%5Ccombi%20_%7B%20i4%20%7D%7B%20x%20%7D%2C%5Cquad%20%5Ccdot%20%5Ccdot%20%5Ccdot%20%5Ccombi%20_%7B%20iN%20%7D%7B%20x%20%7D%5C%5D%20%5Cquad%20%5Cquad%20%5Cquad%20%5Cquad%20%5Cto%20%5Cquad%20%22%ED%91%9C%EB%B3%B8i%EC%9D%98%22%5Cquad%20%5Cquad%20%ED%8F%89%EA%B7%A0%5Cquad%20%5Ccombi%20_%7B%20i%20%7D%7B%20%5Cbar%20%7B%20x%20%7D%20%7D%2C%5Cquad%20%ED%91%9C%EC%A4%80%ED%8E%B8%EC%B0%A8%5Ccombi%20_%7B%20i%20%7D%7B%20s%20%7D%5C%5C%20%5C%5C%20n%EA%B0%9C%EB%A5%BC%5Cquad%20%EC%B6%94%EC%B6%9C%ED%96%88%EC%9D%84%5Cquad%20%EB%95%8C%5Cquad%20%EB%8B%A4%EC%9D%8C%EA%B3%BC%5Cquad%20%EA%B0%99%EC%9D%80%5Cquad%20%EC%84%B1%EC%A7%88%EC%9D%84%5Cquad%20%EB%94%B0%EB%A5%B8%EB%8B%A4.%5C%5C%20%ED%91%9C%EB%B3%B8%ED%8F%89%EA%B7%A0%EB%93%A4%EC%9D%98%5Cquad%20%ED%8F%89%EA%B7%A0%2C%5Cquad%20%EB%B6%84%EC%82%B0%2C%5Cquad%20%ED%91%9C%EC%A4%80%ED%8E%B8%EC%B0%A8%EB%8A%94%5C%5C%20E(%5Cbar%20%7B%20x%20%7D)%5Cquad%20%3D%5Cquad%20%5Cmu%20%2C%5Cquad%20V(%5Cbar%20%7B%20x%20%7D)%5Cquad%20%3D%5Cquad%20%5Cfrac%20%7B%20%5Ccombi%20%5E%7B%202%20%7D%7B%20%5Csigma%20%20%7D%20%7D%7B%20n%20%7D%2C%5Cquad%20%5Csigma%20(%5Cbar%20%7B%20x%20%7D)%5Cquad%20%3D%5Cquad%20%5Cfrac%20%7B%20%5Csigma%20%20%7D%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%5C%5C%20%ED%91%9C%EB%B3%B8%5Cquad%20%ED%91%9C%EC%A4%80%ED%8E%B8%EC%B0%A8%EB%93%A4%EB%93%A4%EC%9D%98%5Cquad%20%ED%8F%89%EA%B7%A0%5C%5C%20E(S)%5Cquad%20%3D%5Cquad%20%5Csigma%20%20 



4. Z분포와 Z분포의 예

ⅰ. Z분포란

Z%5Cquad%20%3D%5Cquad%20%5Cfrac%20%7B%20%5Cbar%20%7B%20X%20%7D%5Cquad%20-%5Cquad%20%5Cmu%20%20%7D%7B%20%5Cfrac%20%7B%20%5Csigma%20%20%7D%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%20%7D%20 


ⅱ. Z분포의 예


어떤 모집단에서 n=10인 표본을 샘플링 했을 때, 아래와 같았다고 한다.

 

1.23.22.11.82.73.51.52.82.21.3

이때, 표본평균이 2.2 이고 모집단의 포본평균σ이 1.1로 알려져 있다고 할때 95%로 모평균을 추정하라.



5.t분포와 t분포의 예

ⅰ.t분포란

                                              t%5Cquad%20%3D%5Cquad%20%5Cfrac%20%7B%20%5Cbar%20%7B%20X%20%7D%5Cquad%20-%5Cquad%20%5Cmu%20%20%7D%7B%20%5Cfrac%20%7B%20S%20%7D%7B%20%5Csqrt%20%7B%20n%20%7D%20%7D%20%7D%20 

t분포는 Z분포와 매우 흡사하나 Z분포는 모집단의 표본평균σ이 알려있을 때 사용하는 반면, t분포는 모집단의 표본평균σ이 알려져 있지 않을 때도 표본포준편차 S를 이용하여 모집단을 추정할 수 있다.


ⅱ.예

어떤 모집단에서 n=10인 표본을 샘플링 했을 때, 아래와 같았다고 한다.

 

1.23.22.11.82.73.51.52.82.21.3

이때, 표본평균이 2.2 이고, 표본표준편차 S가 0.8이고 모집단의 포본평균σ이 미지라고 할때, 95%로 모평균을 추정하라. 


ⅲ. t분포표 보는법

위 문제에서 95%로 추정하기 위해서는 t분포표가 필요하며, t분포표를 보는 법은 표준정규분포표와 매우 상이하기 때문에 따로 알아둘 필요가 있다.



위에서 V는 자유도를 의미하는데 자유도란 쉽게 설명하면 n-1을 의미한다. 따라서 위의 예의 자유도는 10-1 = 9 가 된다. 위의 예를 통해 분포표를 분석해보자.


%EC%9C%84%EC%9D%98%5Cquad%20%EC%98%88%EC%97%90%5Cquad%20%EC%9D%98%ED%95%98%EB%A9%B4%5Cquad%2095%25%5Cquad%20%EB%A1%9C%5Cquad%20%EC%B6%94%EC%A0%95%ED%95%B4%EC%95%BC%5Cquad%20%ED%95%9C%EB%8B%A4.%5C%5C%20%EC%A6%89%2C%5Cquad%20%EC%9E%90%EC%9C%A0%EB%8F%84%5Cquad%209%EC%9D%BC%EB%95%8C%5Cquad%20P(a%5Cquad%20%3C%5Cquad%20t%5Cquad%20%3E%5Cquad%20b)%5Cquad%20%3D%5Cquad%200.95%EC%9D%B8%5Cquad%20a%EC%99%80%5Cquad%20b%EB%A5%BC%5Cquad%20%EC%B0%BE%EC%95%84%EB%82%B4%EC%95%BC%5Cquad%20%ED%95%9C%EB%8B%A4.%5C%5C%20%EB%B6%84%ED%8F%AC%ED%91%9C%EC%97%90%5Cquad%20%EC%9D%98%ED%95%98%EB%A9%B4%5Cquad%20%EC%9E%90%EC%9C%A0%EB%8F%84%5Cquad%209%EC%9D%BC%EB%95%8C%5Cquad%2095%25%EB%A1%9C%5Cquad%20%EC%B6%94%EC%A0%95%ED%95%98%EA%B8%B0%5Cquad%20%EC%9C%84%ED%95%B4%EC%84%9C%EB%8A%94%5Cquad%20%EA%BC%AC%EB%A6%AC%5Cquad%20%ED%99%95%EB%A5%A0%EC%9D%B4%5Cquad%200.025%EC%97%AC%EC%95%BC%ED%95%98%EB%AF%80%EB%A1%9C%5C%5C%20b%5Cquad%20%5Cfallingdotseq%20%5Cquad%202.262%EA%B0%80%5Cquad%20%EB%90%98%EB%A9%B0%2C%5Cquad%20t%EB%B6%84%ED%8F%AC%EB%8A%94%5Cquad%20%EC%A4%91%EC%8B%AC%EC%9D%B4%5Cquad%200%EC%97%90%5Cquad%20%EB%8C%80%ED%95%9C%5Cquad%20%EB%8C%80%EC%B9%AD%EC%9D%B4%EB%AF%80%EB%A1%9C%5Cquad%20a%5Cquad%20%5Cfallingdotseq%20%5Cquad%20-2.262%EA%B0%80%5Cquad%20%EB%90%9C%EB%8B%A4.%20 




6.카이제곱분포와 카이제곱분포의 예


%5Ccombi%20%5E%7B%202%20%7D%7B%20%5Cchi%20%20%7D%5Cquad%20%EB%B6%84%ED%8F%AC%5Cquad%20%3A%5Cquad%20U%5Cquad%20%3D%5Cquad%20%5Cfrac%20%7B%20(n-1)%5Ccombi%20%5E%7B%202%20%7D%7B%20S%20%7D%20%7D%7B%20%5Ccombi%20%5E%7B%202%20%7D%7B%20%5Csigma%20%20%7D%20%7D%5Cquad%20%20 

ⅰ.카이제곱분포란

카이제곱분포는 n과 표본표준편차S를 통해서 모표본평균σ을 추정할 수 있는 도구이다.  


ⅱ.예

어떤 모집단에서 n=10인 표본을 샘플링 했을 때, 아래와 같았다고 한다.

 

1.23.22.11.82.73.51.52.82.21.3

이때, 표본평균이 2.2 이고, 표본표준편차 S가 0.8일때 모분산σ^2을 95%로 추정하라.

 

ⅲ. 카이제곱분포표 보는법


t분포표보는 법을 이해했다면 카이제곱분포표를 보는 법도 거의 동일하다. 단, 카이제곱분포는 0을 중심으로 대칭이 아닌 0부터 시작하는 비대칭의 분포라는 사실을 인지해야한다.



%EC%9C%84%EC%9D%98%5Cquad%20%EC%98%88%EC%97%90%5Cquad%20%EC%9D%98%ED%95%98%EB%A9%B4%5Cquad%20%EB%AA%A8%EB%B6%84%EC%82%B0%5Cquad%20%5Ccombi%20%5E%7B%202%20%7D%7B%20%5Csigma%20%20%7D%EC%9D%84%5Cquad%2095%25%5Cquad%20%EB%A1%9C%5Cquad%20%EC%B6%94%EC%A0%95%ED%95%B4%EC%95%BC%5Cquad%20%ED%95%9C%EB%8B%A4.%5C%5C%20%EC%A6%89%2C%5Cquad%20%EC%9E%90%EC%9C%A0%EB%8F%84%5Cquad%209%EC%9D%BC%EB%95%8C%5Cquad%20P(a%5Cquad%20%3C%5Cquad%20%5Ccombi%20%5E%7B%202%20%7D%7B%20%5Csigma%20%20%7D%5Cquad%20%3E%5Cquad%20b)%5Cquad%20%3D%5Cquad%200.95%EC%9D%B8%5Cquad%20a%EC%99%80%5Cquad%20b%EB%A5%BC%5Cquad%20%EC%B0%BE%EC%95%84%EB%82%B4%EC%95%BC%5Cquad%20%ED%95%9C%EB%8B%A4.%5C%5C%20%EB%B6%84%ED%8F%AC%ED%91%9C%EC%97%90%5Cquad%20%EC%9D%98%ED%95%98%EB%A9%B4%5Cquad%20%EC%9E%90%EC%9C%A0%EB%8F%84%5Cquad%209%EC%9D%BC%EB%95%8C%5Cquad%2095%25%EB%A1%9C%5Cquad%20%EC%B6%94%EC%A0%95%ED%95%98%EA%B8%B0%5Cquad%20%EC%9C%84%ED%95%B4%EC%84%9C%EB%8A%94%5Cquad%20%5C%5C%20%EC%9A%B0%EC%B8%A1%5Cquad%20%EA%BC%AC%EB%A6%AC%5Cquad%20%ED%99%95%EB%A5%A0%EC%9D%B4%5Cquad%200.025%EC%97%AC%EC%95%BC%ED%95%98%EB%AF%80%EB%A1%9C%5Cquad%20b%5Cquad%20%5Cfallingdotseq%20%5Cquad%2019.023%EC%9D%B4%5Cquad%20%EB%90%98%EB%A9%B0%2C%5Cquad%20%5C%5C%20%EC%A2%8C%EC%B8%A1%5Cquad%20%EA%BC%AC%EB%A6%AC%5Cquad%20%ED%99%95%EB%A5%A0%EC%9D%B4%5Cquad%200.975%EC%97%AC%EC%95%BC%ED%95%98%EB%AF%80%EB%A1%9C%5Cquad%20a%5Cquad%20%5Cfallingdotseq%20%5Cquad%202.7%EC%9D%B4%5Cquad%20%EB%90%9C%EB%8B%A4.%5C%5C%20%EB%94%B0%EB%9D%BC%EC%84%9C%2C%5Cquad%20%EC%9E%90%EC%9C%A0%EB%8F%84%5Cquad%209%EC%9D%BC%EB%95%8C%5Cquad%20P(2.7%5Cquad%20%3C%5Cquad%20%5Ccombi%20%5E%7B%202%20%7D%7B%20%5Csigma%20%20%7D%5Cquad%20%3E%5Cquad%2019.023)%5Cquad%20%3D%5Cquad%200.95%20 


+ Recent posts