학선생 블로그 학선생 블로그

전 시간에 모집단과 단일 사례(한 명)을 비교해 봤으니 이번에는 모집단과 20명의 단일 집단을 비교해 봐야겠지? 대신 초경험적(내가 만든 용어, 인간의 능력으로 경험할수 없는 데이터를 컴퓨터의 힘을 빌려 경험하는 것) 표집 분포와 이론적 표집 분포를 둘 다 보도록 할게! - 초경험적 표집 분포 먼저 우리가 만든 모집단(M=7, S=2)에서 20명을 무선 추출 한 다음에 평균을 구하고, 또, 20명을 추출한 다음에 평균을 구하고, 또 20명을 추출.. 하는 짓을 몇 번이나 반복해야 '초경험적'이라고 할 수 있을까? 우리가 마지막으로 만든 모집단의 사례수가 10만 개 였으니까.. 표본의 크기가 20인 표본을 1만 번 정도 추출 해 볼까? 1만 번은 인간이 쉽게 계산하기 힘든 수치니까 초경험적이라고 할 수 있..

고전적 조건형성에 대해서는 내 블로그에서 충분히 다룬거 같고.. 이제는 도구적(조작적) 조건형성 위주로 글을 써볼랑께 잘 보숑~~ 원래는 동기에 대해서 글을 쓸라고 했는데.. 내 포스트를 보니까 정적, 부적 강화, 처벌에 대한 글이 없드라구.. 그래서 기본적인 거니까 정리하고 넘어갈게! 결국 강화와 처벌이 4부까지 연장됐네.. ㅋㅋㅋㅋ 그리고 내 블로그 안에서만이라도 용어의 확립이 필요할거 같아서.. 매번 도구적 혹은 조작적 조건형성 이라고 길게 쓰는게 넘 귀찮아.. 구글에서 Operant Conditioning (조작적 조건형성) 으로 검색하면 검색 결과가 약 1,570,000개가 나오고, Instrumental Conditioning (도구적 조건형성) 으로 검색하면 18,900,000개가 나오드라구..

먼저 모집단에서 딱 한 명을 뽑을거야. 이 피험자에게 15개의 단어를 외우게 한 다음 파이소스티그민을 투여하고 1시간 20분 뒤에 몇 개의 단어를 기억했는지 알아보고 모집단과 비교를 해 보자구! 우리에겐 모집단이 있잖아! - 단일 사례의 표준화 먼저 한 명의 피험자가 11개의 단어를 기억했다고 가정해 볼게. 11개를 기억한 것이 95%의 확률을 넘어선 것일까?! 를 알아보려면 표준화를 해야겠지. 표준 점수로 환산했을 때 1.96보다 크거나 -1.96보다 작으면 극단의 5%에 속하는 것이기 때문에 우연이 아니라고 치부할 것이라고 했었잖아? 그리고 단일 점수를 표준화 하려면 평균을 빼 준 다음 표준 편차로 나눠주기만 하면 돼! 11에서 모집단의 평균을 뺀 다음 모집단의 표준 편차로 나눠주면 되는 것이지. 아..

이제 가설 검증에 대해 배웠으니 파이썬으로 간단한 가설 검증을 해 볼까? 우선 가설 검증을 하기 위해서는 모집단의 정보를 알아야 돼. 전 시간에 일반인들에게 15개의 단어를 주고 외우게 시킨 다음 1시간 20분 뒤에 검사를 했을 때! 모집단의 평균(M)이 7이고 표준 편차(S)가 2였지? 그러나 우리에겐 평균이 7이고 표준 편차가 2인 모집단이.. 없잖아? 없으니까.. 모집단을.. 만들자! - normalvariate() random 모듈을 사용해서 표본 집단을 추출해 보긴 했는데, 집단을 만들어 본 적은 없지? 집단을 만들 때에도 random 모듈을 사용해 볼거야. random 모듈을 사용하면 난수를 생성할 수 있었지? 특히 random 모듈에서 평균과 표준 편차를 정해놓고 난수를 생성하는 normal..

코로나에 걸린 관계로 글이 좀 늦어졌네.. 흑흑.. 이제부터의 내용은 본격적으로 재밌어 질텡게 잘 따라오숑~ ^0^ - 가설 검증 리미트리스, 루시란 영화가 있어. 스포일러가 될 수 있어서 영화 내용을 자세하게 말하지는 못하겠지만 두 영화 모두 어떤 약물이 사람을 똑똑하게 만든다는 내용이야. 정말 가능할까? 과학자들은 '파이소스티그민(physostigmine)' 이라는 약을 개발했어. 과학자들은 이 약을 먹으면 똑똑해 진다고 주장했지. 어떻게 이 주장을 증명할 수 있을까? 만약 일반인들에게 15개의 단어를 주고 외우게 시킨 다음 1시간 20분 뒤에 기억해 보라고 했을 때, 보통은 7개의 항목만을 기억한다고 해. 표준 편차는 2개이고 말야. 이 기준을 모집단이라고 했을 때 M=7, S=2가 되겠지? 이제 ..

추론 통계에서는 하나의 표본에서 계산된 통계적 수치가 표집 분포의 모수치를 추정하기 위해 사용될 수 있으니까, 실제로는 경험적(empirical) 표집 분포를 구할 필요가 전~혀~ 없어. 대신 표집 분포를 설명하기 위한 수단으로 경험적 표집 분포에 대해 알고 있으라는 것이지! 어차피 표집 분포는 이론적(theoretical) 표집 분포로 계산될 수 있으니 굳이 경험적 표집 분포를 사용할 필요가 없는 것이지. 앞으로 '표집 분포'라고 하면 당연히 '이론적 표집 분포'겠구나! 라고 생각하면 돼! 하지만 이는 어디까지나 인간의 한계에서 경험이 제한 당할 때의 일이고, 컴퓨터의 힘을 빌리면 경험적 표집 분포라고 해도 이론적 표집 분포와 맞먹을 정도가 될 수 있다는 것을 알고있지? 파이썬으로 표본을 엄청나게 늘릴..

앞서 표집 분포를 살펴 봤잖아? 그 중에서도 표본들의 평균들의 평균들을 봤었지. 표본을 무수히 많이 추출할 수 있다면, 아니 컴퓨터의 힘을 빌려서 크기가 4인 1만 개의 표본정도만 추출할 수 있어도 모집단의 평균과 거의 같게 된다는 것을 볼 수 있었어. 그리고 표준편차에 대해서는 이야기를 하지 않았지. 쏘옥~ 빼먹었어! 하핫! 표본들의 평균들을 가지고 또 다시 평균들을 구할 수 있었거니와, 표본들의 평균들을 가지고 표준편차도 구할 수있을거야. 실제로 파이썬으로 표본들의 평균들의 표준편차도 구해 봤잖아? 이번 시간에는 이 표본들의 평균들의 표준편차에 대한 이야기를 해 볼거야. - 표본 통계치와 표집 통계치 전 시간에 표본 분포(sample distribution)와 표집 분포(sampling distrib..

물론 이론적 표집 분포는 이론일 뿐이지. 모집단에서 표본집단을 무수히 추출해서 표집 분포를 구해내는 것이 불가능 하니까. 그럼 무조건 경험적 표집을 해야만 할까? 이전 시대에는 불가능 해 보였던 일들이 기술의 발전으로 가능해 졌어. 무수히 많지는 않지만 옛날 사람들에게는 무수히 많은 것 처럼 보일만큼의 일들을 컴퓨터가 해낼 수 있게 되었거든. 우리가 지금 통계학을 배우는 목적이기도 하지. 데이터 분석을 위한 통계학! 우리는 앞서 김교수의 갑작 시험의 사례를 통해 표본을 10번 추출하는 것만으로도 평균(mean)들의 평균이 모집단의 평균(mu)와 비슷해 지는 것을 보았어. 그렇다면, 10번이 아니라 100번, 1000번, 그 이상의 표본들로 표집 분포를 구해보면 어떨까? 과거에는 불가능 하다고 생각되었던 ..