|
만을 보는 것이 아니라, 데이터의 본질적 맥락을 이해하는 분석이 필요함을 시사한다.
4.2 극단값 제외가 신뢰성 있는 결과를 도출한 사례
소비자 물가 지수 산출에서 특정 품목의 가격 급등이 전체 물가에 큰 영향을 미치는 현상은 통계 분석
|
|
|
값이 아니었다는 결론에 도달하게 되었다.
극단값은 그 자체로 불편함을 준다. 전체 평균을 왜곡시키고, 때로는 분석 결과를 혼란스럽게 만든다. 그러나 본인은 그런 불편함을 피하지 않고 직면해야만 한다고 느낀다. 극단값 속에는 사회의
|
|
|
급변하는 상황에 더 잘 대응할 수 있도록 도와준다.
---
5 극단값을 제외하는 것과 제외하지 않는 것의 비교
극단값을 제외하는 것은 일반적으로 안정적이고 신뢰성 높은 결과를 도출하는 데 유리하지만, 극단값을 제외하지 않는 경우에는 예
|
|
|
값 x1, x2, …, xn에 대한 평균
μ = =
표본평균 : n개로 구성된 표본의 각 자료값 x1, x2, …, xn에 대한 평균
= =
산술평균의 문제점은 다음과 같다. 산술평균은 ‘극단치에 민감’하다는 특성 때문에 데이터를 대표하지 못할 때가 있다. 산술평균은
|
|
|
극단값에 민감하게 영향을 받는다는 것이다. 자료에서 특이하게 작은 값 또는 큰 값을 극단값이라고 한다. 자료집단에 극단값이 있을 때 대표치로 산술평균을 사용하면 자칫 자료의 특성을 왜곡하기 쉽다.
예를 들면 { 1, 2, 3, 4, 5, 33 }의 산술
|
|
 |
값을 통해 고객 신념의 절대값을 가졌고, 평균 극단 값을 계산했다(?) 예를 들어 실험 1에서, gentleness 신념의 신념 extremity 점수는 베이비 오일이 2.13, 베이비 파우더 2.10, cotton balls 1.94, cotton swabs 1.81, 일회용 밴드 1.46, 치실 1.15였다. 이 점수는 고
|
|
|
값은 유출의 경우 0.977~0.987(통행/인)이며, 유입의 경우 0.692~3.256(통행/인)로 나타나 유형구분이 필요한 것으로 나타났다.
넷째, 2002년의 가구통행실태조사 자료를 활용하여 실측검증을 수행하였으며, 유출 및 유입의 경우 기존 모형보다 적합도
|
|
메뉴펼치기
