# 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...

# p-값 ## 개요 **p-값**(p-value, probability value)은 통계학에서 **가설검정**(hypothesis testing)의 핵심 개념 중 하나로, 귀무가설(null hypothesis)이 사실일 때 관측된 표본 데이터 또는 그보다 더 극단적인 결과가 나타날 확률을 의미한다. p-값은 데이터의 통계적 유의성을 판단하는 데 사용...

# 유의 수준 ## 개요 **유의 수준**(Significance Level)은 통계학에서 가설검정(hypothesis testing)의 기준이 되는 임계값으로, 귀무가설(Null Hypothesis)이 참일 때에도 이를 기각할 수 있는 허용 오차를 의미한다. 일반적으로 그리스 문자 α(alpha)로 표기되며, 주로 0.05(5%), 0.01(1%), ...

# 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**...

# 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...

# p-값 ## 개요 **p-값**(p-value)은 통계적 가설 검정에서 귀무 가설(null hypothesis)이 참일 경우, 관측된 데이터 또는 그보다 더 극단적인 결과가 발생할 확률을 나타냅니다. 이 값은 연구자가 귀무 가설을 기각할지 여부를 판단하는 기준으로 사용되며, 일반적으로 0.05 또는 0.01과 같은 유의 수준(significance l...