대학원 수업듣는데 개념들을 그냥 나열만 시켜놓고 따로따로 공부하니, 이개념들이 머리에는 잇는데 서로 따로 노는상황이었어요. 이 동영상들덕분에 이런 분포개념, 공식개념들이 '왜' 생겼는지와 서로 '어떻게' 연관이 되어있는지가 클릭클릭하면서 이해가 확실히 더 쉬워졌습니다. 포뮬라 하나하나에 집중보다 큰그림으로 통계를 가르쳐주는 고급영상 너무 감사드려요 ! 대학원수업보다 훨씬 이해도 잘가네요. 정말 감사드려요 정주행중입니다.
진심으로 감사드립니다. 이렇게 양질의 교육을 무료로 받을 수있다니.. 제가 할 수 있는것은 이렇게 댓글로 감사함을 표현하는것 밖에는 없는것 같습니다. 비록 학부과정이기는 하지만 통계학을 전공한 학생으로써, 약간의 자만심을 가지고 복습한다는 생각으로 강의를 보기 시작했는데 조각조각 되어있던 얕은 지식들이 하나의 큰 덩어리로 연결되는 느낌을 받았습니다. 항상 이걸 왜 하는지에 대한 근본적인 답을 강조하시고, 전달해주시기 위해 노력해주시는 것에 감명을 받았습니다. 처음부터 이렇게 공부했더라면 더 좋았을 것을 하는 생각도 들었고, 한편으로는 그래도 한번씩은 다루어봤던 개념들이기 때문에 지금 듣고있는 강의의 효과가 더 클수있다는 생각도 들었습니다. 다시한번 이렇게 좋은 교육을 제공해주셔서 감사드립니다.
영상 너무 잘보고 있습니다. 근데 질문이 있는데요.. 표준편차 만 있으면 될 텐데 왜 분산 개념을 사용하는거지요? ANOVA 도 그렇고 회귀분석도 그렇고... 이게 도무지 이해가 안가요.. ㅠㅠ 분산과 평균을 이용해서 데이터를 이해할수 있다는거 까지는 알겠는데.. ANOVA 는 분산만 이용해서 데이터를 분석하던데.. 이게 가능한건가요? 너무 무식한 질문 같아서 죄송합니다.
안녕하세요. 공부하다가 궁금한 것이 생겨 질문하고 싶습니다 ㅜㅜ 디자인 시안 A,B,C 를 홈페이지에 적용시켜 고객반응을 [클릭/지나침] 두 개로 놓고 반응을 관찰한 상황을 가정해보았습니다. 예를 들어 A 의 [클릭/지나침] 수가 [36, 78] B 의 [클릭/지나침] 수가 [24, 57] C 의 [클릭/지나침] 수가 [87, 203] 이렇게 나왔고 (세 시안 모두 고르게 노출시켜야 맞겠지만...상황을 좀 더 꼬아서) 귀무가설은 디자인 시안 3개 모두 차이가 없다 로 두고 풀어가고 싶습니다. (기각시키고 시각화해서 효과 좋은 시안을 찾거나, 시안 3개 다 큰 효과가 없다는 걸 파악하는게 실용적인 목표) ANOVA를 쓸 상황이라고 판단되는데 어떻게 적용해야할까요? 클릭 or NOT이 아니라 고객의 페이지 체류시간과 같이 A : [24초, 15초, 4초 ... ] 이렇게 분포가 나왔더라면 시중 툴에 집어넣으면 바로 나와서 괜찮은데 클릭 or NOT 상황이라 확신이 잘 안 서네요. (지금 파이썬 scipy나 statmodlels만 사용중입니다) 설계된 상황은 [클릭 or NOT] 의 개념이니 이항분포라고 보고 A의 전환률 p는 36/78(0.4615...) 이런식으로 ABC의 p를 구한 다음에 p(1-p)로 A의 분산을 산정하고(이게 within variance가 되는 건가요?) 전체 분산은 (36+24+87) / (78 + 57 + 203) 를 p로 두고 구하면 되나요...? 아니면 일원카이제곱검정 식으로 관찰빈도를 36, 24, 87로 두고 기대빈도를 112__(78+57+203)/3의 값__ 둬서 p를 구하면 되는 걸까용...? 시중에 AB테스트라고 하여 여러 방법론은 많은데 ABC 테스트, 혹은 그 이상의 테스트도 검정하고 싶어서 질문드립니다! 늘 좋은 강의 감사드립니다.
@@jaju1866 답변 감사합니다. 방향을 잡는데 큰 도움이 되었습니다. 컨딘전시 테이블이 아래처럼 나오고 # 디자인시안 A, B, C 순으로 click = [36, 24, 87] no_click = [78, 57, 203] 카이제곱 돌려보니 p가 0.94, 크래머 v는 디자인 시안별로 Design_A 0.032152 Design_B 0.038144 Design_C 0.02015 라고 나오네요. 결국 p값으로 보아 이 abc 테스트는 귀무가설 기각도 못 시키고 크래머 v를 보아 디자인 시안(독립변수)마다 클릭 성과(종속변수)에도 큰 상관관계가 없어 어느 시안이 더 낫다고 판단하기도 부족한 상황이라고 해석했습니다.
정말 항상 감사드립니다. 이렇게 좋은 영상 찍어주셔서 감사해요 ㅜㅜ 혹시 질문이 있는데 "성별과 연령(50대미만, 50대 이상)에 따른 복지 만족도" 는 무슨 검정일까요..? 변인은 성별과 연령 두가지 이므로 two way이고, (성별- 남,녀 / 연령- 50대미만,이상) 로 그룹이 각각 두개씩이니까 아노바가 아니라 t검정이라고 생각했는데 그럼 two way 독립t검정인가요? ㅋㅋㅋ 이런건 없는것같은데.. ㅜㅜ
공부 하다 궁금한 점이 있어서 질문 드립니다. * 10,000명의 모집단에서 500명의 표본을 무작위로 추출한 뒤 광고시안 A B C 중에 가장 누르고 싶은 것을 고르도록 합니다. 여기서 선호도는 A>B>C 순으로 나왔습니다. * 이후 같은 모집단에서 500명의 서로 다른 표본 3개를 더 추출한 뒤 각각 광고시안 A, B, C를 노출합니다. 이 때 각 표본에 노출된 광고시안의 전환률도 A>B>C 순이 될까요? 너무 궁금해서 질문 드립니다 ㅠㅠ
다른 댓글도 쭉 읽다가, 답변 달아봅니다.. 전공한 사람은 아니니 참고만 해주세요. 500명 짜리 표본에서 선호도가 A>B>C 이렇게 나왔다고 하면 광고 시안을 결정할 때 A가 더 좋겠구나 라고 참고하는 것은 가능할 것 같아요. 그리고 A가 통계적으로 유의미하게 선호도가 높았다라고 주장하는 것도 가능할 것 같아요. 하지만 500명 표본의 모든 사람들이 A>B>C라고 판단한 것은 아니니 500명 중에서 3개 표본을 더 추출한다고 했을 때 각 표본에 노출된 광고 시안의 전환률도 A>B>C가 되리라는 보장은 없습니다. 하지만 A>B>C로 전환률이 나올 확률은 다른 경우(ex, B>A>C 혹은 C>A>B) 보다는 높긴 하겠지요!
대학원 수업듣는데 개념들을 그냥 나열만 시켜놓고 따로따로 공부하니, 이개념들이 머리에는 잇는데 서로 따로 노는상황이었어요. 이 동영상들덕분에 이런 분포개념, 공식개념들이 '왜' 생겼는지와 서로 '어떻게' 연관이 되어있는지가 클릭클릭하면서 이해가 확실히 더 쉬워졌습니다. 포뮬라 하나하나에 집중보다 큰그림으로 통계를 가르쳐주는 고급영상 너무 감사드려요 ! 대학원수업보다 훨씬 이해도 잘가네요. 정말 감사드려요 정주행중입니다.
진심으로 감사드립니다. 이렇게 양질의 교육을 무료로 받을 수있다니.. 제가 할 수 있는것은 이렇게 댓글로 감사함을 표현하는것 밖에는 없는것 같습니다. 비록 학부과정이기는 하지만 통계학을 전공한 학생으로써, 약간의 자만심을 가지고 복습한다는 생각으로 강의를 보기 시작했는데 조각조각 되어있던 얕은 지식들이 하나의 큰 덩어리로 연결되는 느낌을 받았습니다. 항상 이걸 왜 하는지에 대한 근본적인 답을 강조하시고, 전달해주시기 위해 노력해주시는 것에 감명을 받았습니다. 처음부터 이렇게 공부했더라면 더 좋았을 것을 하는 생각도 들었고, 한편으로는 그래도 한번씩은 다루어봤던 개념들이기 때문에 지금 듣고있는 강의의 효과가 더 클수있다는 생각도 들었습니다. 다시한번 이렇게 좋은 교육을 제공해주셔서 감사드립니다.
감사합니다. 저는 통계전공자가 아니라서 사실 제 설명이 통계전공자 입장에서 보면 문제가 있는 부분이 많이 있을 줄 압니다. 부디 너그러이 봐 주시길 부탁드립니다. 감사합니다.
진짜 감사드립니다
개녕이 어려워 헤메는데
정립에 큰 도움되어 전 강의 구독 중입니다
처음에 회귀분석을 접하고 너무 정리가 잘되어서 정주행중입니다!
어떻게 감사함을 표현해드려야 할지....
주변에 통계로 힘들어하는 친구한테 많이 추천할게요^^
감사합니다 ^^ 더 좋은 강의로 노력하겠습니다 ^^
통계 혼자서 공부하면서, 학교에 동영상 청강만 신청해 놨었는데, 정말 그것보다 훨씬 더 이해하기 쉬워요. 너무 감사합니다..!
보고 또보고 헷갈리면 또 보는 제 바이블 같은 영상들입니다.. 감사합니다...
감사합니다 ㅠㅠㅠㅠ최고에요 계속 영상 올려주세용
Sapientia 님은 곧 떡상할것입니다
완전 좋습니다. 좋은 영상 올려주셔서 감사합니다. ^^
감사합니다. ^^ 저도 통계 지식이 부족해서 정주행 하고 있습니다. 설명 매우 매우 감사드립니다. ~! ㅎ
감사합니다 ^^
명쾌한 설명입니다. 학교 졸업 후 10년만에 다시 통계 공부하려고 하는데 감탄했습니다!!
좋은 강의 너무 감사합니다!! 한 가지 질문이 있는데, ANOVA를 하지 않고 Multiple t-test 후에 p-value보정(bonferroni)해서 분석해도 되지 않을까요?? 궁금해서 질문드립니다.
헐..... T 테스트 세 번 돌리면 안 되서 anova 생겼다는게 이제서 알았네요. 완전 감사합니다!
친절한 설명 감사합니다.
감사합니다. ^^
급 질문인데요
그러면 ttest의 유의확률을 1퍼센트대로 내려서 하면 ttest 3번으로도 통계를 낼 수 있나요??
혹은 3그룹의 ttest의 p벨류의 합이 0.15 이하면 유효하다고 할 수 있나요?
귀무가설: 집단 간 평균은 서로 같다.
대립가설: 집단 간 평균은 서로 다르다.
실제로는 A=B=C 이지만,,, 유의수준 0.05로 t-test 3번 돌리면 A
굿 👍 thx
고오오급 강의 감사합니다ㅠㅠ
영상 너무 잘보고 있습니다. 근데 질문이 있는데요.. 표준편차 만 있으면 될 텐데 왜 분산 개념을 사용하는거지요? ANOVA 도 그렇고 회귀분석도 그렇고... 이게 도무지 이해가 안가요.. ㅠㅠ 분산과 평균을 이용해서 데이터를 이해할수 있다는거 까지는 알겠는데.. ANOVA 는 분산만 이용해서 데이터를 분석하던데.. 이게 가능한건가요? 너무 무식한 질문 같아서 죄송합니다.
글쎄요. 생각해보면 표준편차는 분산을 구해야 나오는 2차산물입니다. 그러니 분산이 더 낫지요. 게다가 루트를 씌워버리면 그 다음부터 오히려 어려워집니다. 뒤 강의를 계속 보시면 이해가 되실겁니다. ^^
드디어 아노바를 이해하기 시작 했습니다... 교수님 감사합니다 ㅠㅠ
안녕하세요. 공부하다가 궁금한 것이 생겨 질문하고 싶습니다 ㅜㅜ
디자인 시안 A,B,C 를 홈페이지에 적용시켜 고객반응을 [클릭/지나침] 두 개로 놓고 반응을 관찰한 상황을 가정해보았습니다.
예를 들어
A 의 [클릭/지나침] 수가 [36, 78]
B 의 [클릭/지나침] 수가 [24, 57]
C 의 [클릭/지나침] 수가 [87, 203]
이렇게 나왔고 (세 시안 모두 고르게 노출시켜야 맞겠지만...상황을 좀 더 꼬아서)
귀무가설은 디자인 시안 3개 모두 차이가 없다 로 두고 풀어가고 싶습니다.
(기각시키고 시각화해서 효과 좋은 시안을 찾거나, 시안 3개 다 큰 효과가 없다는 걸 파악하는게 실용적인 목표)
ANOVA를 쓸 상황이라고 판단되는데 어떻게 적용해야할까요?
클릭 or NOT이 아니라 고객의 페이지 체류시간과 같이 A : [24초, 15초, 4초 ... ] 이렇게 분포가 나왔더라면 시중 툴에 집어넣으면 바로 나와서 괜찮은데 클릭 or NOT 상황이라 확신이 잘 안 서네요.
(지금 파이썬 scipy나 statmodlels만 사용중입니다)
설계된 상황은 [클릭 or NOT] 의 개념이니 이항분포라고 보고
A의 전환률 p는 36/78(0.4615...) 이런식으로 ABC의 p를 구한 다음에 p(1-p)로 A의 분산을 산정하고(이게 within variance가 되는 건가요?)
전체 분산은 (36+24+87) / (78 + 57 + 203) 를 p로 두고 구하면 되나요...?
아니면 일원카이제곱검정 식으로 관찰빈도를 36, 24, 87로 두고 기대빈도를 112__(78+57+203)/3의 값__ 둬서 p를 구하면 되는 걸까용...?
시중에 AB테스트라고 하여 여러 방법론은 많은데 ABC 테스트, 혹은 그 이상의 테스트도 검정하고 싶어서 질문드립니다!
늘 좋은 강의 감사드립니다.
독립변수는 시안 종류(A, B, C), 종속변수는 클릭여부(Y/N)가 되겠네요. 명목변수간 1:1 인과관계 분석이니 Chi-Square test 시행하고, 2*3 table 형태이므로 Cramer's V 계수와 p-value 구하면 되지 않을까요? 방향성 계수 보려면 람다(Lambda)선택하구요. 혹시 수정할 게 있다면 댓글 남겨주세요!
@@jaju1866 답변 감사합니다. 방향을 잡는데 큰 도움이 되었습니다.
컨딘전시 테이블이 아래처럼 나오고
# 디자인시안 A, B, C 순으로
click = [36, 24, 87]
no_click = [78, 57, 203]
카이제곱 돌려보니 p가 0.94, 크래머 v는 디자인 시안별로
Design_A 0.032152
Design_B 0.038144
Design_C 0.02015
라고 나오네요.
결국 p값으로 보아 이 abc 테스트는 귀무가설 기각도 못 시키고
크래머 v를 보아 디자인 시안(독립변수)마다 클릭 성과(종속변수)에도 큰 상관관계가 없어 어느 시안이 더 낫다고 판단하기도 부족한 상황이라고 해석했습니다.
Taewoong Kong 궁금했는데 결과 알려주셔서 감사합니다!
정말 항상 감사드립니다. 이렇게 좋은 영상 찍어주셔서 감사해요 ㅜㅜ 혹시 질문이 있는데
"성별과 연령(50대미만, 50대 이상)에 따른 복지 만족도" 는 무슨 검정일까요..?
변인은 성별과 연령 두가지 이므로 two way이고,
(성별- 남,녀 / 연령- 50대미만,이상) 로 그룹이 각각 두개씩이니까 아노바가 아니라 t검정이라고 생각했는데
그럼 two way 독립t검정인가요? ㅋㅋㅋ 이런건 없는것같은데.. ㅜㅜ
이 경우 t-test는 아닌 것 같네요. two-way ANOVA를 하셔야 합니다. 독립변수가 두개이므로 t-test는 불가능합니다. 뒤에 나오는 two-way ANOVA를 참고해 주시면 될 것 같습니다. ^^
@@SapientiaaDei 네 감사합니다! 날씨 추운데 몸건강하시길 바랄게요!
공부 하다 궁금한 점이 있어서 질문 드립니다.
* 10,000명의 모집단에서 500명의 표본을 무작위로 추출한 뒤 광고시안 A B C 중에 가장 누르고 싶은 것을 고르도록 합니다. 여기서 선호도는 A>B>C 순으로 나왔습니다.
* 이후 같은 모집단에서 500명의 서로 다른 표본 3개를 더 추출한 뒤 각각 광고시안 A, B, C를 노출합니다. 이 때 각 표본에 노출된 광고시안의 전환률도 A>B>C 순이 될까요?
너무 궁금해서 질문 드립니다 ㅠㅠ
다른 댓글도 쭉 읽다가, 답변 달아봅니다.. 전공한 사람은 아니니 참고만 해주세요. 500명 짜리 표본에서 선호도가 A>B>C 이렇게 나왔다고 하면 광고 시안을 결정할 때 A가 더 좋겠구나 라고 참고하는 것은 가능할 것 같아요. 그리고 A가 통계적으로 유의미하게 선호도가 높았다라고 주장하는 것도 가능할 것 같아요. 하지만 500명 표본의 모든 사람들이 A>B>C라고 판단한 것은 아니니 500명 중에서 3개 표본을 더 추출한다고 했을 때 각 표본에 노출된 광고 시안의 전환률도 A>B>C가 되리라는 보장은 없습니다. 하지만 A>B>C로 전환률이 나올 확률은 다른 경우(ex, B>A>C 혹은 C>A>B) 보다는 높긴 하겠지요!
듣다가 궁금증. 검정? 검증? 이 말의 의미가 서로 다른건가요...?
여러번 할 시에 1종 오류가 발생할 확률은 alpha_FW=1종 오류 유의 확률 = 1-(1회당 정확도)^c=1-(1-alpha)^c~c*alhpa(by Talor Series)가 되는 군요.
아....제가 정확하게 이해하지는 못했는데 아마도 말씀하신게 맞지싶긴 하네요 ^^ 제가 워낙 수알못이라서요 ㅠㅠ
선생님 소리가절로 나오네요
유의하지 않은데 유의하게 나온것이 1종 오류
3분20초에
"실제로는 유의하지 않은데 유의하다고 잘못 판단했을 때 이것을 1종 오류라고 합니다"
이 부분 설명이 맞나요?
2종 오류에 대한 설명 아닌가요?!
혹시 위의 말의 의미가
실제로는 유의한 차이가 없는데(귀무가설이 참인데)
결과는 유의한 차이가 있다고(귀무가설 기각) 했다
이런 의미로 말씀하신건가요?
@@최낙선-q1x 저도 처음에 듣고 ?2종오류 아닌가? 했는데, 답글에 달아주신 것 처럼 실제로 유의하지 않은데(=귀묵가설이 참이다) 로 설명해주신게 맞는 것 같아요