# 대립 가설 ## 개요 **대립 가설**(alternative hypothesis)은 통계학에서 **가설 검정**(hypothesis testing)의 핵심 요소 중 하나로, 연구자가 실제로 입증하고자 하는 주장 또는 기대되는 결과를 수학적으로 표현한 것이다. 대립 가설은 **귀무 가설**(null hypothesis)의 반대 개념으로 설정되며, 표본...

# 효과 크기 ## 개요 **효과 크기**(Effect Size)는 통계학에서 두 집단 간의 차이, 변수 간의 관계, 또는 실험적 처치의 효과를 정량적으로 나타내는 척도이다. 통계적 유의성 검정(예: *p*-값)이 단지 "결과가 우연일 가능성이 낮은가?"를 묻는 데 그친다면, 효과 크기는 "그 결과가 실제로 얼마나 중요한가?"에 대한 답을 제공한다. 즉...

# 귀무 가설 ## 개요 **귀무 가설**(Null Hypothesis, 기호: \( H_0 \))은 통계학에서 가설 검정의 출발점이 되는 기본 가설로, 관찰된 데이터에 특별한 효과나 차이, 관계가 없다는 주장을 담고 있습니다. 즉, 실험이나 연구에서 발견된 결과가 단순한 우연의 산물일 가능성을 전제로 하는 가설입니다. 귀무 가설은 연구자가 실제로 입증...

# 제1종 오류 ## 개요 제1종 오류(Type I Error)는 통계학에서 가설 검정을 수행할 때 발생할 수 있는 두 가지 주요 오류 중 하나로, **귀무가설(null hypothesis)이 실제로 참임에도 불구하고 이를 기각하는 오류**를 의미합니다. 이는 "거짓 양성"(False Positive)이라고도 불리며, 통계적 의사결정에서 중요한 개념 중...

# 양측 검정 ## 개요 **양측 검정**(two-tailed test)은 통계학에서 가설 검정의 한 형태로, 모수(parameter)가 특정 값과 **다르다**(≠)는 것을 검정하고자 할 때 사용된다. 즉, 관심 있는 모수(예: 모평균, 모비율 등)가 기준값보다 **크거나 작을 가능성 모두**를 고려하여 귀무가설을 기각할지를 판단하는 방법이다. 이는 ...

# 본페로니 보정 ## 개요 **본페로니 보정**(Bonferroni correction)은 다중 비교 문제(multiple comparisons problem)에서 제1종 오류(Type I error, 귀무가설이 참인데 기각하는 오류)의 발생 확률을 제어하기 위해 널리 사용되는 통계적 방법이다. 여러 통계 검정을 동시에 수행할 경우, 전체적으로 제1종...

# 귀무가설 ## 개요 **귀무가설**(Null Hypothesis)은 통계학에서 가설 검정의 출발점이 되는 기본적인 가설로, 일반적으로 "효과가 없다", "차이가 없다", "상관이 없다"는 주장을 담고 있다. 기호로는 보통 **H₀** (H-zero 또는 H-nought)로 표기하며, 연구자가 검정을 통해 기각하거나 기각하지 못할 가능성을 가진 가설이...

# 유의수준 ## 개요 **유의수준**(significance level)은 통계학에서 **가설검정**(hypothesis testing)을 수행할 때 사용하는 기준값으로, 귀무가설($H_0$)이 참일 경우에도 이를 기각할 수 있는 허용 가능한 오류의 확률을 의미한다. 일반적으로 그리스 문자 알파(α)로 표기되며, 주로 **0.05**, **0.01**...

# 생물 통계 ## 개요 **생물 통계**(Biostatistics)는 생물학, 의학, 공중보건, 임상 연구 등 생명과학 분야에서 데이터를 수집, 분석, 해석하기 위해 통계학의 원리와 방법을 적용하는 학문입니다. 생물 통계는 실험 설계, 관찰 연구, 유전체 분석, 임상 시험, 역학 조사 등 다양한 생명과학적 질문에 대한 과학적 근거를 제공하는 데 핵심적...

# 측정 오류 측정 오류(Measurement Error는 데이터 수집 과정에서 관측값이 실제 값과 일치 않는 경우 발생하는차를 의미합니다. 이는 실험, 조사, 관측 등 다양한 데이터 수집 방에서 불가피 나타날 수 있으며, 특히 데이터과학 및 통계 분석에서는의 신뢰성과 정확성에 큰향을 미칩니다. 측정 오류는 분석 결과의 왜곡, 추치의 편향, 모델의능 저하...

# A/B 테스트 ## 개요 **A/B 테스트**(A/B Testing)는 두 개 이상의 변형(예: 버전 A와 버전 B)을 비교하여 어떤 것이 더 나은 성과를 내는지 판단하는 **통계적 가설 검정 방법**입니다. 주로 웹사이트, 모바일 앱, 마케팅 캠페인, 제품 기능 등에서 사용자 행동에 미치는 영향을 분석하기 위해 활용되며, 데이터 기반 의사결정(Da...