스파르타 내일배움캠프_본캠프_data11기 김선영_TIL_Day 33

[오늘의 학습]

• [Basic] 통계 3~4회차
• 강의: 기초 통계학

내배캠 시작 초반에 기초 통계학 강의 들었을 때는 진짜 하나도 못 알아 들었는데 판다스, 시각화, 통계 등 라이브 세션을 듣고 나서 강의들으니까 많은 부분을 알아듣고 있었다.

감계무량 😭
성장을 느낄 수 있는 하루였다 ⭐️

---

[학습내용 정리]

# [Basic] 통계 3~4회차 라이브 세션

• 산포도 구하기 (편차, 분산, 표준편차)
  : 데이터가 평균 근처에 몰려 있는지, 퍼져 있는지 그 정도를 나타내는 것.

어쩔 수 없는 바보라서 여기까지 옴....

https://youtu.be/naJQNDMbViY?si=6YQXnDkP-pMtVOAw

 

 

• 분산 vs 표준편차
  -> 본질적인 의미(퍼짐의 정도)는 같지만, 우리가 체감하는 느낌은 표준편차가 훨씬 정확
  -> 이때 사용되는 평균은 순수 산술 평균 (순수한 데이터로 구한 평균)
  • 분산을 쓰는 이유: 데이터와 평균의 차이(편차)를 그냥 더하면 합이 0이 되어버립니다. 이를 방지하기 위해 각 차이를 제곱하여 합산하며, 이 과정에서 수학적으로 다루기 쉬운 성질을 갖게 됩니다.
  • 표준편차를 쓰는 이유: 분산은 제곱을 했기 때문에 수치가 너무 커지고 단위도 변합니다(예: '키'를 계산하는데 단위가 (cm^{2})가 됨). 이를 다시 루트로 되돌려 놓으면 원래 데이터와 같은 스케일로 비교할 수 있어 훨씬 직관적입니다

구분	분산	표준편차
정의	편차(관측값-평균)를 제곱한 값들의 평균	분산에 제곱근(루트)을 씌운 값
단위	원래 데이터 단위의 제곱 (예: (cm^{2}))	원래 데이터와 동일 (예: (cm))
용도	통계적 이론 전개 및 수식 계산 시 편리	데이터의 분포를 직관적으로 파악할 때 유용

• 추론통계
  1. 샘플링: 모집단의 일부로 샘플(표본)을 만듦
  2. 표본을 분석하여 데이터를 얻음. = 통계량
  3. 통계량으로 모수(파라미터)를 추정함.

 

• 이산형 분포
  • 확률변수가 유한하거나 셀 수 있는(가산) 값을 가질 때, 각 값에 대응하는 확률(ex. 주사위, 동전 던지기)
    
    • 베르누이 분포: 1회 시행에서 성공(1) 아니면 실패(0)만 나오는 경우 (예: 동전 던지기).
    • 이항 분포 (Binomial Distribution): 독립적인 베르누이 시행을 n번 반복했을 때 성공 횟수의 분포 (예: 10번 중 앞면 횟수). (A/B 테스트에 적용 가능한 개념)
• 연속형 분포
  • 정규분포 (Normal Distribution): '평균'과 '분산'을 모수로 하는 가장 일반적인 분포로, 실제 자연/사회 현상을 설명하는 데 사용.
    • 특징:
      - 가운데를 중심으로 대칭
      - 표준화 가능
  • t-분포 (t-Distribution): 정규분포와 유사하나 표본 크기가 작을 때 평균 추정에 사용

# [강의] 기초 통계학

• 시각화 Histogram vs Plot
  
  • Histogram: 수치형 데이터를 시각화 할 때 사용함.
    x축의 범위(범주)를 정해서 사용함
  • Plot: 범주형 데이터, 이산형 데이터를 시각화 할 때 사용함.
    x축에 올 유한의 값이 정해져 있기 때문에 범위를 지정하지 않고 사용함.
• 상관관계
  • 양의 상관관계(Positive Correlation) : 두 데이터의 값이 같은 방향으로 변화함.
  • 음의 상관관계(Negative Correlation) : 두 데이터의 값이 다른 방향으로 변화함.
  • 상관계수 : 두 데이터의 관계의 강도를 숫자로 표현한 것. -1과 1 사이의 값으로 나타냄.

상관계수	-1	-0.4	0	0.4	1
의미	강한 음의 상관관계	약한 음의 상관관계	관계 없음	약한 양의 상관관계	강한 양의 상관관계