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

101

3

장

통계적 실험과 유의성 검정

실험설계는 사실상 모든 응용 연구 분야에서 통계분석의 토대가 된다. 실험설계는 어떤 가설

을 확인하거나 기각하기 위한 목표를 갖고 있다. 특히나 데이터 과학자들은 사용자 인터페이스

나 제품 마케팅 실험과 같이 지속적으로 어떤 실험을 수행해야 하는 상황에 있다. 이 장에서는

전통적인 실험설계에 대해 알아보고 데이터 과학에도 적용되는 몇몇 어려움에 대해 논의한다.

또한 통계적 추론에서 자주 인용되는 일부 개념들을 다루고 데이터 과학에서의 의미와 관련성

(또는 무관련성)을 설명한다.

통계적 유의성,

t

검정,

p

값 등에 대한 자료를 찾아보면, 전형적인 통계적 추론이라는 ‘파이프

라인’ 속에 있음을 알 수 있다 (그림

3

-

1

). 이 과정은 ‘약품

A

가 기존의 표준 약품보다 낫다’,

‘가격

A

가 기존 가격

B

보다 수익성이 높다’라는 식의 가설을 세우는 것에서 출발한다. (

A

/

B

검

정과 같은 ) 실험은 가설을 검정하기 위해 설계되고, 원하는 최종적인 결론을 도출할 수 있도록

설계된다. 그리고 데이터를 수집하고 분석한 다음 마침내 결론을 도출한다.

추론

inference

이라는

용어는 제한된 데이터로 주어진 실험 결과를 더 큰 과정 또는 모집단에 적용하려는 의도를 반

영한다.

그림

3-1

전형적인 통계 추론 과정

통계적 실험과 유의성 ...