데이터 분석
close
프로필 배경
프로필 로고

데이터 분석

  • 분류 전체보기 (205)
    • 내일배움캠프 (35)
    • SQL (33)
    • Python (15)
    • 데이터 전처리 & 시각화 (22)
    • 프로젝트 (50)
    • 통계 (Statistics) (18)
    • 머신러닝 (10)
    • Tableau (10)
    • 자격증 (3)
      • ADsP (1)
      • SQLD (2)
  • 홈
  • 태그
  • 방명록
[통계/인강] 챕터2(1) : 모집단과 표본 | plt.hist( ) | np.random.normal( ) | np.random.choice( )

[통계/인강] 챕터2(1) : 모집단과 표본 | plt.hist( ) | np.random.normal( ) | np.random.choice( )

1. 모집단과 표본1) 모집단 : 관심의 대상이 되는 전체 집단예: 한 국가의 모든 성인2) 표본 : 모집단에서 추출한 일부예: 그 국가의 성인 중 일부를 조사3) 왜 표본을 사용하는 거지?현실적인 제약 : 비용과 시간(예: 자동차 성능테스트 등), 접근성대표성 : 잘 설계된 표본은 모집단의 특성을 반영할 수 있다 ➡️ 표본에서 얻은 결과를 모집단 전체에 일반화 가능무작위 추출 ➡️ 편향을 최소하, 모집단의 다양한 특성 포함데이터 관리 : 데이터 처리의 용이성, 데이터 품질 관리모델 검증 용이 : 모델 적합도 테스트(표본 데이터으로 통계적 모델 검증)4) 전수조사 : 모집단 전체를 조사하는 방법.5) 표본조사 : 표본만을 조사하는 방법. 표본이 대표성을 가져야 함.2. 실제로 어떻게 사용되어질까?1) 실..

  • format_list_bulleted 통계 (Statistics)
  • · 2025. 9. 22.
  • textsms
  • navigate_before
  • 1
  • navigate_next
전체 방문자
오늘
어제
전체
전체 카테고리
  • 분류 전체보기 (205)
    • 내일배움캠프 (35)
    • SQL (33)
    • Python (15)
    • 데이터 전처리 & 시각화 (22)
    • 프로젝트 (50)
    • 통계 (Statistics) (18)
    • 머신러닝 (10)
    • Tableau (10)
    • 자격증 (3)
      • ADsP (1)
      • SQLD (2)
최근 글
Copyright © 쭈미로운 생활 All rights reserved.
Designed by JJuum

티스토리툴바