|
추정하는 기법을 적용할 수 없다 - 모집단을 알 수 없기 때문에 모집단과 표본과의 비교 불가능
(3) 유의도 검증을 위한 통계기법을 사용하는데 한계가 있다. - 일반적으로 통계기법들은 확률이론과 무작위 과정 (random process)을 기반으로 하고
|
|
|
과관계에 따른 분류
2) 속성에 의한 분류
2. 측정과 척도
1) 측정(measurement)
2) 척도(scale)
3. 모집단, 표본, 표집
1) 모집단(population)
2) 표본(sample)
3) 표집(sampling)
4. 모수치와 추정치
1) 모수치(parameter)
2) 추정치(estimates)
5. 기술통계와
|
|
|
과의 확률은 0과 1사이에 있어야 하고, 확률의 합은 1이어야 함
고전적 방법과 상대도수 방법을 주관적 방법과 결합하여 최적 확률을 추정할 수 있음
확률의 기본관계
여사건 : 사건A의 여사건은 A에 포함되지 않은 표본점들의 집합
합집합 : 사
|
|
|
과의 측정에 고려해야할 변수가 매우 많다.
따라서 우리는 유상증자의 장기효과의 측정에 의한 효과의 결과에 대한 해석보다 방법론에서의 정교성과 정당성을 먼저 논의해야 할 것이다.
참고문헌
김효진, 채권 수익률곡선의 추정과 투자전
|
|
|
과 분산도
4장. 확률변수의 분포
5장. 이항확률분포의 기대치와 분산
6장. 정규분표의 기대치와 분산
7장. 모집단과 표본
8장. 표본평균의 분포와 확률계산
9장. 모평균에 관한 통게적 추정
10장. 모평균에 관한 통계적 가설검
|
|
|
과정 실무지침, 서울대학교출판문화원, 614~620p
3. 약학정보원 의약품검색 의약품 상세정보
https://www.health.kr/searchDrug/search_detail.asp
4. 배하나. (2014). 성인에서의 한글판 로젠버그 자기존중감 척도의 신뢰성과 타당성 연구
https://scienceon.kisti.re.kr
|
|
|
척도로 답하게 되어 있으며 득점 범위는 최저 0점에서 최고 20점에 이른다. 점수가 높을수록 불안이 많다. 요인분석 결과, 나타난 두 가지 주요한 요인은 부정적인 평가에 대한 두려움(문항 1, 2, 5, 6, 8, 10)과 사회적 회피와 스트레스(문항 3, 4, 7,
|
|
|
과 같이 변형된 식을 사용한다.
여기서
수정항(correction term) ;, (번째 표본의 총합)
변 인
급 간
급 내
전 체
F의 값이 크면 클수록 대립가설이 참일 가능성이 높아지는데, 의 분포는 하에서 자유도가 인 분포라는 것이 알려져 있으므로 검정기준
|
|
|
확률적 프로그래밍언어이다. WinBUGS나 JAGS처럼 사후분포에서 표본을 추출한다. R인터페이스인 rstan과 함께 python과 matlab 인터페이스도 공개되어 있다. Stan은 추정 계산 알고리즘으로 해밀토니안 몬테칼로(HMC)의 한 버전인 NUTS(No-U-Turn Sampler)를 사
|
|
|
추정량 은 이고, 모평균에 대한 100(1-α)% 신뢰구간은 이다. 여기서 는 자유도가 n-1인 t분표의 오른쪽 꼬리에서부터의 누적확률이 가 되는 점이다.
이상의 내용과 관련하여 R 명령문은 다음과 같다.
t.test(dd$height)
위 결과에 따라 모집단의 평균
|
|
메뉴펼치기
