통계학 5. 통계학 표본분포와 추정

N=5와 N=25의 가장 중요한 차이는 분산 정도입니다. 상기의 샘플 사이즈(n)가 작을수록 SEM이 커지는 것을 이미 설명하고 있다. 실제 샘플이 클수록 시뮬레이터 분포가 좋다. 실제로 중심 극한 정리를 확립하기 위해서는 샘플 분포를 구성하는 샘플이 충분히 커야 한다(n). 이에 대한 수학적 기준은 없지만 통계학자들의 전통적인 합의는 표본 분포가 30보다 큰 표본(n 3030)이면 정규 분포에 가깝다는 것이다. 이 시뮬레이터에서 지원되는 샘플 사이즈는 충족되지 못했지만 아쉽게도 정규 분포 대신 이 작은 샘플들이 사용되고 있습니다.이것은 학생분포라고 불리는 정규분포와 비슷합니다. 이 경우 표본이 작을수록 분포의 자유도가 작아지고 분산은 크지만 벨의 형태 자체는 사라지지 않기 때문에 방법론은 그렇다.

아래 구간 추정절에서는 t 분포 자체에 대해 자세히 논의하고 표본 분포에 t 분포의 다른 영향이 있을 경우 모집단의 확산에 대한 정보를 실제로 알 수 있는지 여부를 묻는다. 지금까지 설명한 샘플 분포의 다양한 내용은 인구표준편차를 암묵적으로 인식한다는 전제 아래 소개돼 왔다(). 당신이 알고 있는 가치관의 평균적인 샘플 분포는 정상적인 분포에 따르고 있다는 것조차 알고 계십니까? 이 일반적이며, 드물지 않습니다. 평균 샘플 분포는 값 값이 무엇인지 알고 있는지 및 값이 참인지 거짓인지에 따라 정규 분포를 따를 수 있습니다. 하지만 만약 당신이 가격을 모른다면? 일반 대중은 표본표준 편차를 꿩 대신 닭으로 써야 한다고 할지 모르지만 수학적으로는 보다 엄격한 논의가 필요하다. 샘플 표준편차는 실제로 부모 표준편차를 적절히 나타낼 수 있는 신뢰할 수 있는 수치입니까(). 이 질문은 다음에 소개될 포인트 추정의 문제의식과 관련이 있습니다.

처음에 설명했듯이 추론통계는 간접수를 사용하는 매개변수의 불확실성에 관한 연구이다. 다만 샘플링으로 얻은 수치는 파라미터와 같아 의문이 있는 사람은 그렇게 말하면 받아들일 수 있다는 게 일반 대중의 직감이다. 그러나 엄밀한 수학적 관점에서 보면, 이런 것은 손 안의 숫자가 알고 싶은 숫자를 얼마나 잘 가리키고 있는지를 증명하고(포인트 추정), 알고 싶은 숫자가 보통 가리키는 방향으로 포함되어 있다는 것을 증명할 필요가 있습니다.

추정치는 크게 점수 추정치와 간격 추정치로 나뉘는데 실제 점수 추정치는 교육적 의미밖에 없어 가르칠 게 많고 용도도 많다. 따라서, 일부 사회통계 커리큘럼은 통과점 추정치인 것처럼 섹션 추정치를 도입하거나 생략한다. 그러나 핵심 추정을 강조하지 않는 것은 추론 통계의 중요한 정당화 논리 중 하나다. 이런 논리는 언뜻 사회통계 교육과정에서 깊이 가르치지 않아 자연스러워 보이지만 한번 파고들면 두렵다. 추정의 수학적 근거도 회귀 분석에 의존하고 있기 때문에 나중에 배우고 돌아가 깊이 파고드는 것이 완벽하다.

본격화하기 전에 단어추정기는 파라미터를 추정할 수 있을 것으로 생각되는 통계의 후보를 가리키고 단어추정기는 샘플링 결과로부터 얻은 추정치의 관측치를 가리킨다. 예를 들어 표본의 평균이 14.88인 경우 추정치는 표본 평균이고 추정치는 14.88입니다. 그러나 추정금액 추정치의 번역이 반드시 합의되는 것은 아니며 경우에 따라서는 추정금액 추정치와 같은 다른 번역을 사용해 혼선을 일으킬 수 있다. 통계방법의 세계에서 번역은 종종 학문적 비용을 수반하는 심각한 문제이며, 우리말이 아닌 영어 단어로만 기억해도 나쁘지 않은 선택이다.