Data Science/ML

ML 0. 통계분석

희스레저 2022. 10. 22. 23:44

통계분석(Statistical Analsis)

1. 통계학과 기술통계

2. 확률분포

3. 통계적 추론과 통계적 검정

 

1. 기술통계

데이터의 속성을 특정한 통계량을사용해 정리, 요약, 설명하는 방법

중심척도 중심경향성: 중심적인 경향을 나타내는 주요한 기술통계 산술평균, 중앙값, 최빈치
산포척도 데이터가 퍼져있는 정도를 설명하는 기술통계 범위, 분산, 표준편차, 사분위수 범위(IQR)
분포모양 데이터가 퍼져있는 형태를 나타낸 것 도수분포, 비대칭도(왜도, 치우친 정도),
첨도(뾰족한가 완만한가)

 

1) 산포척도

- 범위: 최대값과 최소값의 차이

- 제곱의 합(Sum of Squares)

편차는 다 더하면 0이 되는 딜레마가 생긴다 → MSE(제곱하여 합) / MAE(절대값의 합)

잘 알려진 예는 표준편차, std

 

① 분산(Variance, Mean Square)

평균에서 각 데이터까지의 거리를 제곱한 수치의 평균. 즉, 각 데이터에서 평균을 뺀 수의 제곱의 합을 하여 데이터 수로 나눔

→ sum of squares를 데이터 수로 나눈 것

이는 표본분산을 구하는 것으로,

n-1을 나누어주는 불편분산을 시행해줌

 

모분산의 경우 n으로 나눈다.

 

 

 

 

 

② 표준편차(Standard Deviation, s)

분산에 제곱근을 하여 구한 값

특이치(outlier, 이상치)에 민감하고 영향을 받음

 

 

2) 분포모양

① 도수분포(도수: frequency)

범주형 자료 정리 시 가장 많이 사용됨

도수란, 범주에 속한 관측 개체의 수(=빈도, frequency)

- 상대도수(비율), 누적도수(누적된 데이터 수), 누적상대도수(누적비율)

 

② 비대칭도(왜도, Skewness)

왜도가 양수일 때 왼쪽으로 치우쳐진 모양

최빈값 > 중앙값 > 평균

 

왜도가 음수일 때 오른쪽으로 치우쳐진 모양

평균 > 중앙값 > 최빈값

 

 

 

 

 

③ 첨도(Kurosis)

분포모양이 얼마나 뾰족한가, 완만한가를 나타내는 정도

첨도가 커질수록 모양이 뾰족해지고

첨도가 작아질수록 모양이 완만해짐

 

 

 

 

데이터 유형

- 연속형(Continuous) 데이터: 등간척도, 비율척도

- 이산형(Discrete) 데이터(범주형 데이터): 명목척도, 서열척도

 

명목척도 서열척도 등간척도 비율척도
- 대상을 단순히 구분하기 위해 숫자를 부여함 - 대상의 속성에 크기에 따라 순위, 서열을 부여함 - 측정된 변수간 가감 연산(+, -) 가능
- 같은 간격을 가지지만 절대영점이 없어 비율관계는 성립하지 않음
- 상대적 차이로만 나타남		 - 절대영점 존재
- 등간척도 + 비율 개념
- 가감승제와 같은 모든 사칙연산이 가능함
성별, 품질(양품/불량),
운동선수 백넘버,
주민등록번호		 만족도(1~5), 학교성적등급,
크기(S,M,L)		 온도, 물가지수 중량(kg), 강도
중심경향치를 나타낼 때, 최빈값 중심경향치를 나타낼 때, 중위값 중심경향치를 나타낼 때,
산술평균		 중심경향치를 나타낼 때,
산술평균, 기하평균
빈도분석, 비모수통계 비모수통계 모수통계

 

 

 

2. 확률분포

확률

- 확률: 특정 사건이나 결과가 발생할 가능성

- 확률의 조건

1_Random Process

2_Mutually Exclusive outcomes: 동시에 두 사건이 발생할 수 없음

3_Law of Large Numbers: 시행 회수를 많이 할 수록 특정 결과가 발생할 비율은 자체의 가능성에 점점 수렴함

4_ Independence

 

- 표본공간

실험결과 발생할 수 있는 모든 가능한 결과의 집합

- 확률변수

표본공간상의 모든 가능한 결과에 특정 수치를 부여하는 것

ex) 앞면(H) → 1, 뒷면(T) → 2

 

 

1) 확률변수

이산확률변수 연속확률변수
확률변수가 취하는 값이 유한개일 때
ex) 동전을 세 번 던지고, 그 결과를 기록하는 실험의 표본공간 S에서 이산확률변수 X = 동전 앞면의 수		 구간내의 임의의 모든 점을 취할 수 있는 때
ex) 막대기의 길이, 공을 던지는 독립시행에서 던져진 거리, 확률밀도함수 f(x)와 확률 F(X)

 

 

확률분포

- 확률함수

확률변수(x)에 대하여 정의된 실수를 0과 1사이의 실수(확률)에 대응시키는 함수

 

이산확률함수(PMF) 연속확률함수(PDF)



= 확률질량함수
Probability Mass Function


= 확률밀도함수
Probability Density Function

 

- 누적확률함수(Cumulative Probability Distribution Function, CDF)

 확률변수 X가 x 이하의 값을 취할 확률

(F(x) = P(X ≤ x))

 

- 확률분포

확률변수가 특정 값을 가질 확률, 즉 상대적 가능성

시행횟수가 늘어날수록 정규분포에 가까워짐

- 확률분포의 종류

확률변수 데이터 유형에 따른 이산확률분포와 연속확률분포

연속확률분포 정규분포
표준정규분포
t 분포
x^2 분포(카이제곱 분포)
F 분포
와이블 분포
이산확률분포 베르누이 분포
이항 분포
포아송 분포
초기하 분포

 

- 연속확률분포

① 정규분포(Normal Distribution)

평균을 중심으로 좌우 대칭인 종모양 분포(Gauss 분포)

x의 평균 µ와 그 표준편차 σ인 두 모수에 의해 그 분포의 특징이 결정됨

용도: 수집된 자료의 분포를 근사하는 데 자주 사용됨. 중심극한정리에 의하여 독립적인 확률변수들의 평균은 정규분포에 가까워지는 성질이 있기 때문

* 확률밀도함수 = 연속확률함수(PDF)

 

정규분포의 특징

・ 평균 = µ(분포위치), 분산 = σ2(분포모양)

・ 종모양이며, µ를 중심으로 대칭

・  기호: X ~ N(µ, σ2)

 

② 표준정규분포(Standard Normal Distribution)

정규분포 밀도함수를 통해 X를 Z로 정규화함으로써 평균이 0, 표준편차가 1인 표준정규분포로 나타냄

용도: z-분포로 하는 검정(test)을 z-검정(z-test)이라고 한다.

・  기호: Z ~ N(0, 1)

 

- 확률계산

정규분포를 표준정규분포로 변환하여 표준정규분포표를 이용하여 확률을 계산

 

③ t-분포

정규분포의 평균을 측정할 때 주로 사용, 정규분포처럼 평균을 중심으로 대칭

표준정규분포보다 평평하고 기다란 꼬리를 가짐(양쪽 꼬리가 두터운 형태)

자유도에 따라 t분포의 모양이 바뀜

용도: 모집단의 평균 추정, 검정

 

모평균의 추・검정에서 모표준편차를 모를 때 정규분포 대신 사용됨

표본의 크기가 더 적으면 적을수록 분포의 꼬리는 더 평평해짐

 

 

④ 카이제곱(Chi-square) 분포

정규분포를 따르는 모집단에서 크기가 N개인 표본을 무작위로 반복하여 추출하였을 때,

각 표본에 대해 구한 표본분산들은 카이제곱 분포를 따름

(N개의 표본들을 단순히 더하지 않고 제곱을 하여 더하면 양수만을 가지는 분포가 된다. 이것이 카이제곱분포)

 

용도: 모집단의 분산 추정, 빈도 기반의 분포 또는 형태 적합도 검정(범주형 자료의 적합도 검정), 여러 집단 간의 독립성/동질성

0이 없음. 분산으로 그려서.

자유도가 커질수록 정규분포모양이랑 비슷해짐

 

t-분포 카이제곱(Chi-square) 분포
모집단의 평균 추정 모집단의 분산 추정

 

⑤ F분포

두 모집단의 분산에 대한 비의 추정으로, 분산분석과 회귀분석의 통계적 추론에서 기준이 되는 표본분포

집단수-1과 표본수-1이라는 두 개의 자유도 n1, n2에 의해 분포 모양이 결정된다.

 

카이스퀘어 분포와 마찬가지로, 분산을 다룰 때 사용하는 분포이며 종형의 대칭 분포가 아니다.

카이스퀘어 분포가 한 집단의 분산을 다뤘다면, F분포는 두 집단의 분산을 다룬다.

(자유도에 따라 형태가 달라지며, n1과 n2가 클수록 정규분포에 근사한 형태)

0보다 큰 영역에서만 그려진다.

https://math100.tistory.com/46

참고

 

F분포란?

F분포는 카이제곱분포와 마찬가지로 “분산”을 다룰 때 사용하는 분포인데, 카이제곱분포가 한 집단의 분산을 다뤘다면, F분포는 두 집단의 분산을 다룬다. 그리고 두 집단의 분산이 크기가 서

math100.tistory.com

 

 

- 이산확률분포

① 이항분포

베르누이 실험을 여러 번 시행해서 특정한 횟수의 성공/실패 또는 양품/불량품이 나타날 확률을 알고자할 때, 사용되는 분포

*베르누이 분포의 경우 시행횟수가 n=1인 이항분포(특수한 경우)

일반적으로 확률(p)가 0.5이고 시행횟수가 무한대일때 이항분포는 정규분포에 가까워짐

 

1) 확률밀도함수 P(X=x) - nCx * p^x * (1-p)^(n-x)

2) 기대값 E(x) = np

3) 분산 V(X) = np(1-p)

 

- 표본의 평균 분포

✔️ 중심극한정리 (★★★)

평균이 µ이고 분산이 σ^2인 임의의 확률분포를 따르는 모집단으로부터 크기 n인 확률표본을 취했을 때,

이 확률표본의 표본평균의 분포는 표본의 크기 n이 충분히 클 때 대략 정규분포를 따름

(표준오차: σ/√ n)

1) 모집단이 정규분포이면 표본평균은 표본크기에 상관없이 언제나 정규분포임

2) 모집단이 적어도 대칭형이면, 표본 크기는 5~20이면 표본평균은 정규분포에 가까워짐

3) 모집단이 정규분포에서 얼마나 벗어났느냐와 상관없이 표본크기가 30이상일경우 표본평균은 정규분포에 가까워짐

 

 

 

 

통계적 추론은 다음 글에~

저작자표시 비영리 동일조건