에듀테크 PM 프로덕트 매니저(10)

 

(1) 모집단의 평균이 궁금할 때

z-검정(z-test)

큰 표본 크기(보통 30 이상)에서 모집단의 평균을 검정할 때 사용합니다. 모집단의 분산이 알려져 있어야 하며, 정규 분포를 따르는 데이터에 적용됩니다.

t-검정(t-test)

모집단의 평균에 대해 가설을 세우고 이를 검정할 때 사용합니다.

 

• 작은 표본 크기에서도 사용할 수 있으며, 모집단의 분산이 알려지지 않았을 때 유용합니다.
• t-검정에는 한 표본 t-검정, 독립 두 표본 t-검정, 대응 두 표본 t-검정 등이 있습니다.

 

 

(2) 모집단의 분산이 궁금할 때

카이제곱 분산 검정(Chi-square test for variance)

한 모집단의 분산이 특정 값과 같은지를 검정하거나, 두 모집단의 분산이 같은지를 비교할 때 사용합니다. 분산의 차이를 검정하기 위해 카이제곱 분포를 사용합니다.

F-검정(F-test)

주로 두 모집단의 분산이 동일한지를 비교하는 데 사용됩니다. F-분포를 기반으로 하며, 두 표본 분산의 비율을 계산하여 F-값을 구한 후 이를 분석합니다.

 

 

(3) 추론 통계에서 중요한 분포

1. 정규분포 (Normal Distribution)
   • 가장 기본적인 분포로, 많은 자연 현상 및 사회 과학 데이터가 이 분포를 따릅니다. 신뢰구간 계산, 가설 검정에서 기본 가정으로 사용됩니다.
2. t-분포 (t-Distribution)
   • 작은 표본 크기로부터 추정된 평균이 정규분포를 따르지 않을 때 사용합니다. 특히, 표본 크기가 작을 때 모집단의 평균에 대한 가설 검정과 신뢰구간을 계산하는 데 사용됩니다.
3. 카이제곱 분포 (Chi-Squared Distribution)
   • 두 범주형 변수 간의 독립성 검정, 적합도 검정에서 사용됩니다.
   • 또한, 분산 분석에서 분산의 비교에도 사용됩니다.
4. F-분포 (F-Distribution)
   • 두 표본 분산의 비율을 검정할 때 사용되며, 분산 분석(ANOVA)에서 두 이상의 그룹 간 평균의 차이를 검정하는 데 사용됩니다.

 

 

(4) 가설 검정의 오류

• 1종오류 : 즉, 실제로는 아무런 현상이나 효과도 없는데 그것이 존재한다고 잘못 판단한 경우.
• 2종오류 :즉, 실제로는 어떤 현상이나 효과가 존재하는데 그것이 존재하지 않는다고 잘못 판단한 경우.

 

---

 

 

결과 해석

• 그룹 A의 평균 학습 시간은 2시간
• 그룹 B의 평균 학습 시간은 2.5시간
• t-검정 결과: p-value = 0.05

결과를 해석해 보세요.

• solution
  • p-value가 0.05로, 유의수준 0.05와 동일합니다. 이 경우, 결과가 경계선에 있으므로 매우 신중하게 해석해야 합니다. 일반적으로 p-value가 유의수준보다 작거나 같으면 귀무가설을 기각합니다. 따라서, 맞춤형 학습 추천 시스템이 학습자의 학습 시간을 증가시킨다고 할 수 있지만, 결과가 강력하지는 않습니다. 추가 데이터 수집이나 추가 연구가 필요할 수 있습니다.

 

가설 검정의 오류

(1) 1종오류와 2종오류

1종오류란 무엇인가요?

• solution
  • 1종 오류(α 오류): 귀무가설이 참인데, 잘못하여 귀무가설을 기각하는 경우입니다.

2종오류란 무엇인가요?

• solution
  • 2종 오류(β 오류): 귀무가설이 거짓인데, 귀무가설을 기각하지 않는 경우입니다.

1종 오류의 예시를 만들어 보세요.

• solution
  • 맞춤형 학습 추천 시스템이 학습 시간에 영향을 주지 않는데, 연구 결과가 우연히 p-value가 매우 낮게 나와 귀무가설을 기각한 경우입니다.

2종 오류의 예시를 만들어 보세요.

• solution
  • 맞춤형 학습 추천 시스템이 실제로 학습 시간을 증가시키는데, 연구 결과가 충분히 강력하지 않아 귀무가설을 기각하지 못하고 대립가설을 채택하지 못한 경우입니다.
  • 즉, 맞춤형 학습 추천 시스템이 실제로는 학습 시간에 영향을 주지만, 영향을 주지 않는다고 잘못 결론 내리는 것입니다.

 

(2) 오류 평가

1종 오류의 심각성을 평가해 보세요. 어떠한 영향을 줄지 생각해 보세요.

• solution
  • 1종 오류(α 오류): 맞춤형 학습 추천 시스템이 실제로는 학습자의 학습 시간에 영향을 주지 않음에도 불구하고, 영향을 준다고 잘못 결론 내리는 상황입니다.
  • 영향: 이 오류를 범하면, 플랫폼은 비효과적인 기능에 자원을 낭비할 수 있습니다. 추가적으로, 학습자와 교육자에게 잘못된 정보를 제공하여, 교육적 의사 결정에 부정적인 영향을 미칠 수 있습니다.

2종 오류의 심각성을 평가해 보세요. 어떠한 영향을 줄지 생각해 보세요.

• solution
  • 2종 오류(β 오류): 맞춤형 학습 추천 시스템이 실제로 학습자의 학습 시간을 증가시키는데, 이를 인식하지 못하고 영향이 없다고 잘못 결론 내리는 상황입니다.
  • 영향: 이 오류를 범하면, 효과적인 학습 도구의 잠재력을 간과하게 되며, 학습 효율성과 학습자 만족도를 증진시킬 기회를 놓치게 됩니다. 결과적으로, 교육 플랫폼의 개선과 학습자의 학습 경험 향상이 지연될 수 있습니다.

 

 

---