통계하면 t test, p value, ANOVA, chi square statistic 등 알 수 없는 용어들로 가득하다. 처음에 이러한 개념들을 찔끔찔끔 배우다 보니 전체 그림이 잡히지 않아, 기본 통계 공부를 시작하기로 했다. 교재는 OpenIntro Statistics로 정했다.
그 이유는
- 공짜다.
- 실무자가 함께 만들었다.
- 설명이 쉽고 직관적이다.
- 나는 재미있게 공부하고 싶다.
그래서 이 책으로 공부를 시작했다. 작년 10월부터 시작한 것 같은데 주말마다 조금씩 공부해서 이제 거의 고지가 보인다. 그럼 지금부터 내 맘대로 책 요약을 해보도록 하겠다.
책이 영어책이라 한글 용어를 정확하게 알지 못하니, 평소 내가 좋아하는 방식은 아니지만 굳이 한글이 있는 단어를 영어로 쓰는 경우가 있을 것이다.
Statistical Inference는 가설을 검증하는 것이다.
그리고 가설을 검증하는 것은 곧 가설과 실제를 비교하는 것이다.
더 구체적으로 말하면 가설적 수치와 실제 수치를 비교하여 가설이 맞는지 틀리는지를 판단하는 것이다.
가설 검증은 데이터 특성에 따라 크게 두 갈래로 나뉜다.
- Inference for Numerical Data: 숫자로 된 데이터
- Inference for Categorical Data: 몇 개의 레이블로 구성된 데이터
크게는 위와 같은 데이터의 속성에 따라 가설 검증 방법이 달라지지만,
세부적으로는
- 충분한 샘플의 확보 여부
- category의 수 (categorical data의 경우에)
- 비교하고자 하는 group의 수
등에 의해 가설 검증 방법이 달라지기도 한다.
언제 어떤 방법으로 가설을 검증해야 하는지 간단하게 표로 정리하여 보았다!
좀 더 구체적으로 각 가설 검증 방법에 해당하는 데이터 형태를 정리하여 보았다.
group이 더 추가되는지,
category가 더 추가되는지에 따라
가설 검증 방법이 달라지는 것을 볼 수 있다.
목표한 속도로 책을 완전히 마무리 하지는 못했지만, 그래도 2월 미니 프로젝트를 마무리하는 것이 내가 지식을 소화하는 데 더 도움이 되리라 판단하고, 새로운 것을 배우기 보다는, 배운 것을 정리하는 데 시간을 들이기로 했다. 남은 챕터는 출근시간에 틈틈이 보도록 해야겠다!
그래도 모호하기만 했던 통계가 이제야 좀 뭔가 보이는 것 같다.
이제 써 먹을 일만 남았다!
써먹을 수 있는 지식이 되도록 해야지~
