차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

--- wiki:hr:statistics_glossary [2025/07/03 05:12] – syjang0803
+++ wiki:hr:statistics_glossary [알 수 없는 날짜] (현재) – 제거됨 - 바깥 편집 (알 수 없는 날짜) 127.0.0.1
@@ 줄 1: / 줄 1: @@
-====== 통계 용어집 ======
-**이 문서는 업무에서 자주 사용되는 통계 용어와 개념을 정리한 가이드입니다.**
-===== 📊 기본 통계 용어 =====
-==== 기술통계량 (Descriptive Statistics) ====
-**평균 (Mean)**
-  * 모든 값의 합을 개수로 나눈 값
-  * 가장 대표적인 중심 경향성 지표
-  * 이상치에 민감함
-**중앙값 (Median)**
-  * 데이터를 크기순으로 정렬했을 때 가운데 값
-  * 이상치에 덜 민감함
-  * 비대칭 분포에서 더 적절한 대표값
-**최빈값 (Mode)**
-  * 가장 자주 나타나는 값
-  * 범주형 데이터에서 유용
-**분산 (Variance)**
-  * 평균으로부터의 편차 제곱의 평균
-  * 데이터의 퍼짐 정도를 측정
-**표준편차 (Standard Deviation)**
-  * 분산의 제곱근
-  * 원본 단위와 같은 단위로 해석 가능
-  * 68-95-99.7 규칙: 정규분포에서 평균±1σ, ±2σ, ±3σ 범위
-==== 확률분포 (Probability Distributions) ====
-**정규분포 (Normal Distribution)**
-  * 종 모양의 대칭 분포
-  * 많은 자연현상이 따르는 분포
-  * 중심극한정리의 기반
-**t-분포 (t-Distribution)**
-  * 정규분포와 유사하지만 꼬리가 더 두꺼움
-  * 표본이 작을 때 사용
-  * 자유도에 따라 모양이 달라짐
-**카이제곱분포 (Chi-square Distribution)**
-  * 항상 양수값만 가짐
-  * 분산 검정, 독립성 검정에 사용
-**F-분포 (F-Distribution)**
-  * 두 분산의 비율 검정에 사용
-  * 분자와 분모 자유도에 따라 모양 결정
-----
-===== 🔍 추론통계 (Inferential Statistics) =====
-==== 가설검정 (Hypothesis Testing) ====
-**귀무가설 (Null Hypothesis, H₀)**
-  * 검정하고자 하는 가설의 반대
-  * "차이가 없다", "효과가 없다"는 주장
-  * 기각되면 대립가설 채택
-**대립가설 (Alternative Hypothesis, H₁)**
-  * 연구자가 증명하고자 하는 가설
-  * "차이가 있다", "효과가 있다"는 주장
-**유의수준 (Significance Level, α)**
-  * 제1종 오류를 범할 확률
-  * 보통 0.05 (5%) 또는 0.01 (1%) 사용
-  * p-value < α이면 귀무가설 기각
-**p-value**
-  * 귀무가설이 참일 때, 관찰된 결과보다 더 극단적인 결과가 나올 확률
-  * 작을수록 귀무가설 기각의 증거가 강함
-==== 신뢰구간 (Confidence Interval) ====
-**신뢰수준 (Confidence Level)**
-  * 보통 95% 또는 99% 사용
-  * 95% 신뢰구간: 100번 중 95번은 모수를 포함
-**신뢰구간 해석**
-  * "모평균이 이 구간에 있을 확률이 95%다" (X)
-  * "이 방법으로 구한 구간 중 95%가 모평균을 포함한다" (O)
-----
-===== 📈 회귀분석 (Regression Analysis) =====
-==== 선형회귀 (Linear Regression) ====
-**단순선형회귀**
-  * Y = β₀ + β₁X + ε
-  * 하나의 독립변수로 종속변수 예측
-**다중선형회귀**
-  * Y = β₀ + β₁X₁ + β₂X₂ + ... + βₖXₖ + ε
-  * 여러 독립변수로 종속변수 예측
-**결정계수 (R²)**
-  * 모델이 설명하는 분산의 비율
-  * 0~1 사이 값, 높을수록 좋은 모델
-  * 조정된 R²: 변수 수를 고려한 보정값
-**회귀계수 (β)**
-  * 독립변수가 종속변수에 미치는 영향력
-  * 양수: 양의 관계, 음수: 음의 관계
-==== 회귀진단 (Regression Diagnostics) ====
-**잔차 (Residuals)**
-  * 실제값 - 예측값
-  * 정규분포를 따르는지 확인 필요
-**다중공선성 (Multicollinearity)**
-  * 독립변수들 간의 높은 상관관계
-  * VIF (Variance Inflation Factor)로 진단
-----
-===== 🎯 비즈니스 통계 =====
-==== A/B 테스트 ====
-**전환율 (Conversion Rate)**
-  * 목표 행동을 수행한 사용자의 비율
-  * 예: 구매율, 가입율, 클릭율
-**통계적 유의성**
-  * 결과가 우연이 아닌 실제 효과인지 판단
-  * 충분한 표본 크기 필요
-==== 시계열 분석 ====
-**추세 (Trend)**
-  * 장기적인 증가/감소 패턴
-**계절성 (Seasonality)**
-  * 일정한 주기로 반복되는 패턴
-**이동평균 (Moving Average)**
-  * 노이즈를 줄이고 패턴을 파악하는 기법
-----
-===== 📊 데이터 시각화 =====
-==== 기본 차트 ====
-**히스토그램**
-  * 연속형 데이터의 분포 확인
-  * 구간별 빈도 표시
-**박스플롯 (Box Plot)**
-  * 사분위수, 이상치, 분포 형태 확인
-  * 여러 그룹 비교에 유용
-**산점도 (Scatter Plot)**
-  * 두 변수 간의 관계 확인
-  * 상관관계, 이상치 파악
-**상관계수 (Correlation Coefficient)**
-  * -1 ~ +1 사이 값
-  * 절댓값이 클수록 강한 상관관계
-----
-===== 🔧 실무 적용 팁 =====
-==== 데이터 전처리 ====
-**결측치 처리**
-  * 삭제, 평균 대체, 회귀 대체 등
-  * 결측 패턴 분석 필요
-**이상치 탐지**
-  * IQR 방법, Z-score 방법
-  * 비즈니스 맥락에서 판단
-**정규화 (Normalization)**
-  * 서로 다른 스케일의 변수들을 비교 가능하게 만듦
-  * Min-Max, Z-score 정규화
-==== 결과 해석 ====
-**통계적 vs 실질적 유의성**
-  * 통계적으로 유의해도 실질적 의미는 없을 수 있음
-  * 효과 크기 (Effect Size) 고려
-**인과관계 vs 상관관계**
-  * 상관관계가 인과관계를 의미하지는 않음
-  * 혼동변수 (Confounding Variable) 주의
-----
-===== 📚 참고 자료 =====
-  * **기초 통계**: 이기적 통계학, 통계학의 정석
-  * **R 프로그래밍**: R을 이용한 데이터 분석, R Cookbook
-  * **비즈니스 통계**: 데이터 분석을 위한 통계적 방법론
-  * **온라인 강의**: Coursera, edX의 통계학 강의
-----
-===== 🔗 관련 문서 =====
-  * [[wiki:hr:r_programming_guide|R 프로그래밍 실무 가이드]]
-  * [[wiki:hr:business_statistics|비즈니스 통계 분석 실무 가이드]]
-  * [[wiki:it:excel_vba|Excel VBA 가이드]]
-----
-> **💡 팁**: 통계는 복잡해 보이지만, 기본 개념을 이해하면 실무에서 매우 유용합니다. 처음에는 간단한 기술통계부터 시작해서 점진적으로 복잡한 분석으로 나아가세요!