[TIL]본캠프 31일차

• 귀무가설
  • 기존의 통념으로 기각할 것을 목적으로 하는 가설(기본값에 가까움)
• 대립가설
  • 새롭게 입증, 주장하고자 하는 것
  • 귀무가설일 틀렸을 데이터로 증명하려는 가설
• 가설의 검정
  • 가설을 검정할 수 있는 통계량을 생성(상품 구매량 평균 등)
  • 통계량이 따르는 분포 확인(정규분포 등)
  • 검정을 위한 하나의 검정 통계량(Test Statistics) 생성(x_diff:두 집단의 평균의 차이/표준편차 등)
  • 귀무가설로 x_diff가 0임을 가정
  • 이 때의 검정 통계량이 귀무가설에서 가정한 것보다 지나치게 크거나 작을 경우(p-value로 판단) 귀무가설을 기각
• p-value
  • 귀무가설이 정확하다는 가정 하에서 관찰된 결과만큼 극단적인 검정 결과를 얻을 확률
  • 일반적으로 p-value가 연구를 시작할 때 세운 수치보다 작으면 귀무가설이 틀렸다고 생각
• 통계적 가설검증의 오류
  • 1종 오류: 귀무가설이 맞았는데 기각하는 경우
  • 2종 오류: 귀무가설이 틀렸는데 기각하지 못하는 경우
  • 일반적으로 1종 오류를 더 중요시하며 이를 기준으로 2종 오류를 최소화
  • 1종 오류가 발생하지 않을 가능성: 신뢰수준
  • 1종 오류가 발생할 가능성: 유의수준

---

통계학 강의를 듣는데 꽤나 어렵다....

중,고등학교 때도 경우의 수랑 확률을 제일 싫어했는데...😭