표집분포2 29. 표집분포, 대수의 법칙, 중심극한정리 모집단의 모수를 알 수 없기 때문에 이론적으로 표본에서 추출한 모든 표본에 대해 통계량을 계산할 수는 없다. 따라서, 표본에서 얻은 통계량이나 검정통계량 등이 어느 정도의 변동성을 가지는지에 대한 정보를 이용하여 추론을 하게 된다. 이 때, 표본에서 얻은 통계량의 분포를 표집분포(sampling distribution)라고 부르며, 표집분포를 이용하여 통계적 추론을 수행한다. (1) 표집분포 (sampling distribution) ▶ 표집분포는 통계량의 확률분포이다. ▶ 통계량은 측정가능한 확률표본의 함수이다. ▶ 관심통계량 표본평균(표본비율) 표본분산, 표본표준편차, 극한값 : 최대값 - 최소값 → 범위 순위 (rank) 이런 통계량들이 모수와 연관되어 있기 때문에 이들에 대해 아는 것이 중요하다.. 2023. 5. 11. 28. 확률표본과 통계량 그리고 표집분포 통계학 관점에서 표본을 뽑는 이유는 ? ⇒ 모집단에 대한 추론을 하기 위해서이다. 추론은 통계학의 핵심이다. 추론을 통하여 표본에서의 값을 일반적인(모집단) 경우로 확대 적용하는 것이다. (1) 확률표본( Random sample ) 확률표본(random sample)은 모집단에서 무작위로 추출한 표본으로, 각각의 표본은 동일한 확률로 추출된다는 특징을 가지고 있다. 이를 통해 표본이 모집단을 대표하고 있다고 가정할 수 있으며, 통계적 추론을 할 때 이를 이용하여 모집단의 특성을 추정하거나 가설 검정을 수행한다. 즉, 확률표본은 통계적 추론의 첫걸음이다. 확률표본은 모집단에서 추출한 표본으로, 이를 통해 확률분포를 추정할 수 있다. 확률분포는 확률표본으로부터 구한 통계량의 분포를 의미한다. 예를 들어, .. 2023. 5. 10. 이전 1 다음
