데이터 과학을 위한 통계: 데이터 분석에서 머신러닝까지 50가지 핵심 개념

19

1

장

탐색적 데이터 분석

단일 학문으로서의 통계학은 지난 한 세기 동안 대부분의 발전을 이루었다. 통계학의 수학적

기반이라고 할 수 있는 확률론은

17

세기에서

19

세기에 걸쳐, 토머스 베이즈, 피에르시몽 드 라

플라스, 카를 가우스가 이룬 업적을 기반으로 발전해왔다. 확률의 순수 이론적인 측면과는 달

리, 통계학은 데이터 분석과 모델링을 다루는 일종의 응용과학이라고 할 수 있다. 엄밀한 의미

의 과학적 학문의 하나로서, 현대 통계학은

1800

년대 후반 프랜시스 골턴과 칼 피어슨까지 그

기원을 거슬러 올라간다.

20

세기 초

실험계획법

과

최대우도추정

의 핵심 개념을 소개한 로널드

피셔는 현대 통계학의 대표적인 선구자다. 이 두 개념을 비롯한 여러 통계 개념은 데이터 과학

곳곳에 깊숙이 자리하고 있다. 이 책의 중요한 목표는 이러한 개념들을 분명히 이해하고, 데이

터 과학과 빅데이터라는 측면에서 그것들이 왜 중요한지, 동시에 부족한 것은 무엇인지를 정확

히 파악하는 데 있다.

이 장에서는 모든 데이터 과학 프로젝트의 첫 걸음이라고 할 수 있는 자료 탐색에 대해 알아본

다.

탐색적 데이터 분석

exploratory

data

analysis

(

EDA

)은 통계학에서 비교적 새로운 영역이다. 이전의

통계학에서는

추론

, 즉 적은 표본(샘플 )

1

을 가지고 더 큰 모집단에 대한 ...