# 카를로 에밀리오 본페로니 ## 개요 **카를로 에밀리오 본페로니**(Carlo Emilio Bonferroni, 1892년 1월 28일 – 1960년 8월 18일)는 이탈리아의 수학자이자 통계학자로, 현대 통계학에서 널리 사용되는 **본페로니 보정**(Bonferroni correction)의 이름을 남긴 인물이다. 그는 확률론, 통계적 추론, 그리...
검색 결과
"Bonferroni"에 대한 검색 결과 (총 11개)
# 유의수준 ## 개요 **유의수준**(Significance Level)은 통계학에서 **가설 검정**(Hypothesis Testing)을 수행할 때, 귀무가설($H_0$)이 참임에도 불구하고 이를 기각할 수 있는 **허용 가능한 오류의 확률**을 의미합니다. 일반적으로 그리스 문자 $\alpha$(알파)로 표기되며, 통계적 추론에서 가장 중요한 기...
# 다중 비교 문제 ## 개요 **다중 비교 문제**(Multiple Comparisons Problem)는 통계학에서 여러 개의 가설을 동시에 검정할 때 발생하는 오류 확률의 증가 현상을 의미합니다. 일반적으로 하나의 가설 검정에서는 제1종 오류(귀무가설이 참인데 기각하는 오류)의 확률을 유의수준(예: α = 0.05)으로 제어합니다. 그러나 여러 개...
# FWER ## 개요 **FWER**(Family-Wise Error Rate, 족별 오류율)은 다중 가설 검정(multiple hypothesis testing)에서 중요한 개념으로, **적어도 하나의 귀무가설을 잘못 기각할 확률**, 즉 **적어도 하나의 제1종 오류(Type I error)를 범할 확률**을 의미합니다. 단일 가설 검정에서는 제1...
# 총제1종오류율 ## 개요 **총제1종오류율**(Familywise Error Rate, 이하 FWER)은 다중 가설 검정(multiple hypothesis testing) 상황에서 발생할 수 있는 통계적 오류를 관리하기 위한 핵심 개념이다. 단일 가설 검정에서는 제1종오류(Type I error)의 확률을 유의수준(예: α = 0.05)로 제어하지...
# 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%), ...
# 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...
# 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...
# 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...
# 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...