일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
- fastapi
- 공간시각화
- webserving
- GPU
- KNN
- Ai
- QGIS설치
- 딥러닝
- K최근접이웃
- 실기
- dl
- 1유형
- streamlit
- CUDA
- DASH
- 빅데이터분석기사
- 캐글
- qgis
- ml 웹서빙
- 공간분석
- Kaggle
- 인공지능
- 예제소스
- 머신러닝
- 3유형
- pytorch
- gradio
- 성능
- 2유형
- ㅂ
- Today
- Total
에코프로.AI
[빅분기] 모르는 용어정리 본문
귀무가설, 대립가설?
귀무가설 (Null Hypothesis)
귀무가설은 일반적으로 연구자가 주장하는 가설이 아닌, 반대의 가설입니다.
연구 결과에 대해 아무런 차이가 없다는 가정을 나타냅니다.
흔히 "H0"로 표기되며, 기존에 받아들여진 상태를 설명합니다.
대립가설 (Alternative Hypothesis)
대립가설은 연구자가 주장하는 가설입니다.
연구 결과에 대해 특정한 차이가 있다는 가정을 제시합니다.
흔히 "H1"이나 "Ha"로 표기되며, 연구자의 관심사를 반영합니다.
예를 들어, 어떤 연구에서 두 그룹 간의 평균 차이를 검정한다고 가정해보겠습니다. 이때,
귀무가설(H0): 두 그룹의 평균은 같다.
대립가설(H1): 두 그룹의 평균은 다르다.
통계적 가설검정을 통해 귀무가설을 기각하고 대립가설을 채택하거나, 귀무가설을 기각하지 못하고 대립가설을 기각하는 등의 결론을 도출할 수 있습니다.
※ "기각하다"는 어떤 제안, 요구, 혹은 청구를 거부하거나 반대하는 것을 의미합니다.
모수, 비모수
모수(Parameter): 모집단의 특성을 나타내는 수치적인 척도로, 모집단의 평균, 분산, 상관계수 등을 의미합니다. 보통 우리가 실제로 조사하고자 하는 대상이 되는 모집단의 특성을 나타냅니다.
비모수(Statistic): 표본의 특성을 나타내는 수치적인 척도로, 표본의 평균, 분산, 상관계수 등을 의미합니다. 모수와 대비되며, 주어진 데이터에 대한 통계적 특성을 설명합니다.
모수는 모집단의 특성을 대표하는 값으로 정확성을 추구하는 반면, 비모수는 표본의 특성을 설명하므로 추정치에 대한 신뢰성이 덜합니다. 주어진 상황에 따라 어떤 경우에는 모수적 방법을 사용하는 것이 적절하고, 때로는 비모수적 방법이 더 적합할 수 있습니다.