Recent Posts
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- demandpaging
- 아마존온라인마케팅
- deadlockavoidance
- 링크드인온라인마케팅
- 소구포인트
- archimedeanprinciple
- contiguousmemoryallocation
- safetyalgorithm
- 성과측정지표
- 이메일마케팅
- supremum
- busywaiting
- 소셜미디어마케팅
- densityofrationals
- 검색엔진광고실시방안
- 매출액분섯법
- completenessaxiom
- e-커머스마케팅
- 인스타그램온라인마케팅
- 유튜브온라인마케팅
- deadlockprevention
- pagereplacement
- 행태데이터
- structureofthepagetable
- pagereplacementalgorithms
- 트래픽중심의성과지표
- 3c전략
- 페이스북온라인마케팅
- infimum
- Binary Tree
Archives
- Today
- Total
Codeπ
Descriptive Statistics 과 Inferential Statics 의 차이점 본문
Descriptive Statistics (기술통계학)
- 목적 : 주어진 데이터를 요약, 정리하고 설명하는 것이 목적. 주어진 데이터 집합의 특성을 이해하고 전반적인 경향을 파악하는데 중점을 둠
- 활용 : 평균, 중간값, 표준편차, 분포 등과 같은 대표적인 통계량을 계산하여 데이터의 특성을 설명
ex) 학급 학생들의 시험점수평균, 표준편차, 최댓값, 최솟값 등을 계산하여 학급 전체의 시험성적을 요약하는 것
Inferential Statics (추론통계학)
Sample ->Population
- 목적 : 표본 데이터를 사용하여 모집단에 대한 일반적인 특성을 추론하고 예측하는 것이 목적. 주어진 표본을 기반으로 모집단에 대한 일반적인 특성에 대한 결론을 도출
- 활용 : 가설 검정, 신뢰구간, 회귀 분석 등과 같은 통계적 기법을 사용하여 표본 데이터로부터 모집단의 성질 추론
ex) 특정 학급의 30명 학생들의 시험 성적을 바탕으로 모든 학급의 학생들의 시험 성적에 대한 일반적인 패턴을 예측하거나 가설을 검정하는 것
간단하게, 기술통계는 데이터의 특성을 설명하고 요약하는데 중점을 두며, 추론통계는 주어진 표본을 통해 population(모집단)에 대한 일반적인 특성을 추론하는데 중점을 둔다.
'Coding > 확률통계' 카테고리의 다른 글
Joint Probability(Density) Distribution, Marginal Probability Distribution, Conditional Distribution (0) | 2024.03.31 |
---|---|
Continuous Probability Distributions (2) | 2024.03.28 |
Probability & Statistic - Part.1 (0) | 2024.03.26 |
sampling and sources of bias (0) | 2024.03.11 |