Descriptive와 Inferential Statistics의 차이: 표본 분석에서 모집단 추론으로 확장하는 과정
통계분석은 크게 두 단계로 나눌 수 있습니다. 첫 번째는 지금 가지고 있는 Data를 설명하는 단계입니다. 두 번째는 그 Sample을 이용해 더 큰 Population에 대해 추…
Skewness와 Extreme Value의 영향: 비대칭 분포와 극단값이 통계량을 왜곡하는 방식
데이터의 Mean과 Standard Deviation을 계산했더라도 Distribution이 한쪽으로 크게 치우쳐 있거나 일부 Extreme Value가 존재한다면 그 숫자만으로 …
Summary Statistics Task의 구조: SAS Enterprise Guide에서 기술통계를 생성하는 원리
앞선 글들에서는 Mean, Median, Standard Deviation, Quartile, IQR, Skewness처럼 Data를 이해하기 위한 다양한 Descriptive S…
Distribution을 먼저 확인해야 하는 이유: 데이터의 위치·산포·형태를 점검하는 과정
통계분석에서 Mean, Standard Deviation, p-value 같은 숫자를 계산하는 것은 중요합니다. 하지만 숫자만으로 Data의 전체 모습을 이해할 수는 없습니다. 예…
Percentile과 Quartile의 구조: 데이터의 상대적 위치와 분포를 해석하는 방식
데이터를 분석할 때 Mean이나 Median만으로는 각 Observation이 전체 Distribution에서 어느 위치에 있는지 알기 어렵습니다. 예를 들어 시험점수가 85점이라…
Range와 Interquartile Range의 차이: 이상치 영향을 줄여 산포를 측정하는 방법
데이터의 중심을 Mean이나 Median으로 설명했다면 다음으로 확인해야 할 것은 Data가 얼마나 넓게 퍼져 있는가입니다. 이를 나타내는 개념이 Dispersion, 즉 산포입니…
Variance와 Standard Deviation의 의미: 평균만으로 데이터 변동성을 설명할 수 없는 이유
데이터를 요약할 때 가장 먼저 확인하는 값은 보통 Mean입니다. 하지만 Mean이 같다고 해서 두 Dataset이 같은 특성을 가진 것은 아닙니다. 예를 들어 다음 두 Datas…
Mean·Median·Mode의 차이: 데이터 분포에 따라 중심값을 선택하는 기준
데이터의 중심을 설명할 때 가장 자주 사용하는 통계량은 Mean, Median, Mode입니다. 세 값은 모두 Data의 대표적인 위치를 설명한다는 공통점이 있지만, 계산 방식과 …
Descriptive Statistics의 목적: 본격적인 분석 전에 데이터를 진단해야 하는 이유
통계분석을 시작하면 많은 사람이 가장 먼저 p-value나 Regression Coefficient를 확인하려고 합니다. 하지만 실제 분석에서는 그 전에 반드시 해야 할 단계가 있…