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

122

데이터 과학을 위한 통계

든 실험에서 의사 결정을 좌우하는 도구로서 간주해서는 안 된다.

p

값은 어떤 결정에 관련된

정보의 일부일 뿐이다. 예를 들어

p

값은 일부 통계 또는 머신러닝 모델에서 중간 입력으로 사

용되기도 한다.

p

값에 따라, 어떤 피처를 모델에 포함하거나 제외하기도 한다.

주요 개념

• 유의성 검정은 관찰된 효과가 귀무가설 모형에 대한 무작위 변이의 범위 내에 있는지 결정하는 데 사용

된다.

•

p

값은 귀무가설로부터 나올 수 있는 결과가 관찰된 결과만큼 극단적으로 나타날 확률이다.

• 유의수준 (알파 )이란, 귀무가설 모델에서 ‘비정상’이라고 판단할 임계값을 말한다.

• 유의성 검정은 데이터 과학보다는 좀 더 공식적인 연구 보고와 관련이 있다(그러나 공식적인 연구 보고의

경우에도 최근에는 중요성이 희미해지고 있다 ).

3.4.5

더 읽을 거리

• 스티븐 스티글러가 쓴 「

Fisher

and

the

5

%

Level

」(『

Chance

』

21

권,

4

호,

2008

)은 로널드 피셔가

1925

년 발표한 『

Statistical

Methods

for

Research

Workers

』에 대한 짧은 논평이며,

5

% 유의수준의 중요

성에 중점을 둔다.

•

3

.

2

절의 ‘더 읽을 거리’를 참고하자.

3.5

t

검정

데이터가 횟수나 측정값을 포함하는지, 표본이 얼마나 큰지, ...