brunch

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by 브래드 Apr 06. 2023

통계학, 한 걸음부터

feat. 주요 통계학 개념

안녕하세요, 브래드입니다.

오늘은 통계학의 큰 틀과 더불어 주요 개념들을 함께 살펴보겠습니다.

단순히 데이터를 추출해서 의사결정하는 것을 넘어서, 통계학의 뼈대를 인지하고 심층적으로 데이터를 파악하는 것이 현대시대에서는 더욱 중요해졌습니다.

따라서, 통계학 학문을 숫자가 많다는 이유로 혹은 복잡하다는 이유로 기피하는 것이 아닌 기초를 닦는 느낌으로 공부해 둔다면 데이터에 기반한 의사결정에 있어서 큰 도움을 받을 수 있으리라 생각합니다.

그럼 본격적으로 시작하겠습니다.

데이터에서 정보로

통계학은 데이터를 정보로 변환해 주는 역할을 수행합니다.

즉, 기업에서 얻는 유저들에 대한 raw 데이터를 통계학에 기반한 분석 툴을 활용하여 정제된 데이터로 변환하여 의사결정을 진행할 수 있습니다.

이에 통계학에 대한 이해 없이 데이터를 추출 및 작업한다면 신뢰성이 의심될 뿐만 아니라 세부적인 부분을 놓칠 수 있습니다.

통계학은 크게 기술통계학과 추론통계학으로 구분됩니다.

기술통계학은 데이터를 편리하게 정보를 나타내는 방식으로 정리, 요약, 설명하는 방법을 다룹니다. 대표적으로는 그래프 기법이 존재합니다.

기술통계학에서 평균(mean)과 중앙값(median)은 데이터의 중심 위치를 나타내기 위해 널리 사용되는 척도입니다.

추가적으로 범위(range), 분산(variance), 표준편차(standard deviation)는 데이터의 변동성을 나타내기 위해 사용되는 척도로 많이 활용됩니다.

추론통계학은 표본데이터에 기초하여 모집단의 특성에 관한 결론을 얻거나 추론하기 위해 사용되는 통계방법론입니다.

예를 들어, 10만 명의 도시 거주자가 존재한다고 가정하면, 만약 해당 도시 거주자들 전부를 대상으로 설문조사를 실시한다고 하면 사실상 불가능한 일이 될 것입니다.

따라서 300명을 추출한다면, 표본데이터로 10만 명이 아닌 300명을 대상으로 하여 설문조사를 실시하여 결과를 얻을 수 있을 것입니다.

기술통계학은 분석되는 데이터에 대해 설명해 주지만, 모집단에 관한 결론을 내리거나 추론할 수 없습니다. 이때 추론통계학이 필요하며 표본데이터에 기초하여 모집단의 특성에 관한 결론을 내리거나 추론할 수 있습니다.

- 모집단(Population)

모집단은 모든 항목들의 그룹을 의미합니다. 일반적으로 모집단은 매우 크고 무한히 클 수도 있습니다. 앞서 예시에서 살펴본 10만 명의 거주자가 모집단으로 볼 수 있습니다.

- 표본(Sample)

표본은 모집단으로부터 추출된 데이터 집합을 의미합니다. 표본 또한 숫자가 클 수도 있지만 모집단보다는 작은 특성을 가지고 있습니다. 앞서 예시에서의 300명이 표본으로 볼 수 있습니다.

- 모수(Parameter)

모수는 모집단(population)의 특성을 나타내는 기술적 척도를 의미합니다. 모평균, 모분산, 모비율 등이 존재합니다.

- 통계량(Statistic)

통계량은 표본(Sample)의 특성을 나타내는 기술적 척도입니다. 표본평균, 표본분산, 표본비율 등이 존재합니다.

- 신뢰수준(confidence level)

신뢰수준은 표본추출이 매우 많은 수로 반복되는 경우 추정과정이 정확한 결과를 제공하는 표본의 비율을 의미합니다.

ex) 95% 신뢰수준

- 유의수준(significance level)

유의수준은 표본추출이 매우 많이 반복되는 경우 결론이 잘못인 경우가 발생되는 표본의 비율을 의미합니다.

*신뢰수준과 유의수준을 합하면 항상 1을 나타낸다.

오늘은 개략적으로 통계학의 주요한 개념부터 통계학의 큰 가지 부분을 학습했습니다.

다음 시간에는 기술통계학 및 추론통계학에 대해 더욱 세부적으로 함께 알아보아요.

브래드였습니다. 감사합니다.

브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari