예를 가지고 설명하실 때 (평균-표본값)^2 에서 평균으로 사용한 값만 비교를 하신 것 같은데 이 식에서 표본값도 달라지기 때문에 설명이 틀리지 않았나 싶습니다. (표본평균-표본)^2 합을 (모평균-모집단)^2 합과 비교하여야 하는데, 예시를 통한 설명에서는 (표본평균-표본)^2 합을 (모평균-표본)^2 합과 비교했습니다. 임의의 표본의 분산(n-1로 나눈 표본분산이 아니라 n으로 나눈 표본의 분산)은 모분산보다 클 수도 작을 수도 있지만 그 기댓값이 모분산보다 작은 것인데 설명을 듣고 오해할 수 있지 않을까 싶어 의견 남깁니다!
표본분산과 모분산 비교에서 분모에 있는 n은 서로 다른 것인데 똑같이 n으로 표기하니 둘 다 표본의 갯수로 오해해 모분산은 (모평균-모집단)^2 합을 모집단 원소 개수로 나눠야 하는데 (모평균-표본)^2 합을 표본 갯수로 나눈것을 모분산 혼동하기 쉬운 것 같아 설명하실 때 유의하시면 좋을 것 같습니다
저 혹시 n으로 나눴을 떄의 표본의 분산이 모분산보다 기댓값으로 볼 때 작다는게 어떤 말인지 알려주실 수 있으실까요? 제가 이해한 건 표본을 추출해서 분산을 구하면 일부분만 선별해서 구하는 거다 보니까 전체적인 분포를 계산하는 모분산보다는 아무래도 분산된 정도가 작을 수 밖에 없다 이렇게 생각을 했는데 맞을까요?
와. 유튜브나 블로그에 개소리 뻘소리 많은데, 이게 찐이네요. 모평균이 표본평균보다 크거나 작을 수도 있지만, 분산은 제곱을 사용하여 음수건 양수건 무조건 양수로 바꾸므로 모평균과 표본평균에 차이가 있다는 사실이 무조건 표본분산을 크게 만드는 결과를 가져오는군요(크거나 작게 하는 게 아니라). 좋은 설명 감사합니다.
@@asdf7722 제가 자유도에 대한 정확한 설명을 찾으려고 많이 뒤져봤지만 찾을 수 없었거든요. 사실 오터의 통계님 채널까지 오게 된건 나무위키의 "분산" 항목에 있던 링크 때문이었습니다.(정작 나무위키 설명은 좀 이상합니다. 작성자가 이해를 못 한듯. namu.wiki/w/%EB%B6%84%EC%82%B0#s-3.1 ) 그런데 오터님은 뭘로 공부하셨길래 이렇게 정확한 설명을 하실 수 있는지 여쭤봐도 될까요? 설마 스스로 알아내신 건가요? 궁금합니다!! 제가 통계학을 좀 깊이 공부하고 싶은데, 한국어 자료는 이상한 설명이 워낙에 많아서요.
분산은 평균-데이터 결과를 제곱한 값이므로 추출한 표본에서는 표본 내에서 평균과 다른 값은 무조건 클 수 밖에 없네요. 조금 다르게 표현하면 가장 작은 분산 값은 평균일 때니까 표본 분산 값은 표본 평균이 아니면 모두 클 수 밖에 없네요. 어찌보면 정말 당연한 말인데 제데로 이해를 못한 것 이였네요. 그런데.. n-1은 언제 설명해주십니까 ㅠ.ㅠ 책 아무리 봐도 이해를 못하겠어요 ㅠ.ㅠ
리차드 님 수업 듣다 빡쳐서 직접 만들고 있습니다? 저도 그냥 넘어가면 제가 설명하기는 쉬운데, 듣는 분들께 최대한 "적당한 수준"에서 "유용한" 왜를 설명하려다보니, 매번 만들때마다 스틱스강 근처를 배회하고 있습니다? 참고로, "자유도" 에 대해서 제가 설명한 영상입니다 즐겨주십시오? th-cam.com/video/O4bpaGOd4Hg/w-d-xo.html
왜 그런지 제대로 설명하려면 bias라는 개념부터 시작해서, unbiased를 만들기 위해서는 어떠한 보정을 해줘야하는지 보여줘야하기 때문에 그렇습니다. 그리고 행렬연산을 이용해서 통계적인 결과물을 뽑아냈을 때 특정 행렬에서 선형독립인 벡터의 숫자가 unbiased로 만들어주는 값과 같다는 것, 이런 결과가 나오는 이유를 대수적으로, 기하적으로 이해 시키려면 최소 학부 선형대수, 확률론, 수리통계학1은 들어야하기 때문에 통계학과가 아닌 학과에서 진행하는 수업에서는 무리죠.
분산의 본질을 잊지않는 선에서 표본편차를 이해해야함. 분산의 본질은 모분산, 즉 모든 데이터를 고려한 퍼짐의 정도를 나타내는 값임. 표본의 분산을 구하는 것도 똑같음. 모든 표본 데이터를 고려해서 퍼짐의 정도를 구해야하는데, 그 기준점을 모르는 상황임. 그 기준점을 정하기 위해 표본 자기들끼리 평균을 구함. 여기서 표본 데이터 1개가 소모되었음(자유도 1개 감소, 데이터1개의 활용도가 제한, 데이터 1개가 평균을 대체). 기준이 생겼으니 데이터 1개가 소모된 상태로 분산값을 구하면 되는거고, 수식화 해보면 n-1형태인 거임.
안녕하세요 감사인사드립니다 모평균과 표본평균이 같을 수가 없기 때문에 자연스럽게 표본의 편차제곱합이 작아지면서 모분산과 차이가 생기는 것! 그래서 n대신 n-1로 나누는 것이군요. (쓰면서도 이게 맞나 다시 몇번을 읽고 있네요....) 영상마다 댓쓰기도 뭣하고 헷갈릴때마다 다시 오고있어서(댕청) 댓을 아끼고 있는데 아무튼 각설하고 계신 방향으로 매일아침 절을 올리고 싶습니다. 감사합니다...😊😊
이 분이 생각하시는 것처럼 (모평균-표본)^2 합/(표본의 갯수)는 (표본평균-표본)^2 합/(표본의 갯수)보다 큰 것은 영상의 설명과 같이 항상 성립하는 것이고 모분산은 (모평균-표본)^2 합/(표본의 갯수) 가 아니라 (모평균-모집합)^2 합/(모집합 원소의 갯수) 이기 때문에 성립 안 할 수도 있는 것이 맞죠 이분 말처럼 극단적인 예시에서는 표본분산은 위에서처럼 1,000/4=250 이어도 표본을 제외한 모집단이 40인 사람 한 명, 65인 사람이 49,999,994명 있으면 모분산은 1,750/50,000,000=0.000035 으로 모분산이 훨씬 작을 수 있죠
너무 재미있게 잘 봤고 추천하고픈 영상입니다. 다만 5:46 정도부터의 설명에서 만약 저 논리라면 모 평균이 대입 됐으므로 개별 값들도 모집단에서의 개별 값들을 가지고 와야 하는 것 같은데 어떤지요? 모평균을 저렇게 대입하는 게 비유로도 맞지 않는 것 같다는 생각이 듭니다. 제가 이해하기로는 모집단과 표본의 분산의 차이는 표본의 '복원 추출'이라는 특성에서 나오는 것으로 알고 있습니다. 예를 들어 모집단과 표본의 크기가 같더라도 분산에 약간의 차이기 나게 되는데 그 특성 때문인것이고요 저는 초심자라 모르는 부분이 많아 질의겸 여쭌 것인데 제 의견에 대해 어떻게 생각하시는지 궁금합니다.
표본분산이 모분산보다 무조건 작다... 는 건 보여주신 바에 따라 경험적으로 (귀납적으로) 입증됨을 알겠는데, 그게 왜 그런지 연역적으로 이해가 되지는 않네요... ㅠㅠ 이것도 쉽게 설명 가능하려나요...? 아니면 엄청시리 어려운 증명들을 이해해야 할 수 있는 걸까요...
평균은 기학적으로 무게 중심임니다. 서로 다른 세곳에 사는 친구가 약속을 함니다. 가운데에서 만나자고. 그 가운데가 각점에서 거리의 합이 최소가 되는 점일거란말이죠. 근데 거기서 한사람이 자기 집에서 조금 더 가까운 다른 곳에서 만나자고 제안함니다. 이 순간 첨에 약속한 장소(표본평균)에 비해서 바뀐 장소(모평균)에 모이는데 걸리는 모두의 시간의 합은 늘어나게 되겟죠.
만약에 모평균 = 표본평균이면 n으로 나눠야지 되겟죠? 근데 이게 n 값이 커질수록 거기서 1빠지는게 별로 영향이 없어지게 되요. 예를 들어서 n이 10일때는 10에서 9로 1이 빠져서 나눠지는 게 n이 1000일때 999로 바뀌어서 나눠지는 것보다 값이 많이 바뀌는거죠 아 글로 설명하니까 너무 혼란하다 미안해요 😢 이번주 라방에서 해야겟다 ㅋㅋ 나중에 보세요 이거 추가 설명을 좀 해놀게요 ㅋㅋ
![ลักพาตัว เอาลูกเอิร์นกลับมา...!! [เอิร์นไดเม่]](http://i.ytimg.com/vi/f4NVKlZ5qkk/mqdefault.jpg)
![[Statistics by hand] 2. Degree of freedom(D.O.F) and unbiased estimator (why divide by n-1?)](/img/n.gif)
예를 가지고 설명하실 때 (평균-표본값)^2 에서 평균으로 사용한 값만 비교를 하신 것 같은데 이 식에서 표본값도 달라지기 때문에 설명이 틀리지 않았나 싶습니다.
(표본평균-표본)^2 합을 (모평균-모집단)^2 합과 비교하여야 하는데, 예시를 통한 설명에서는 (표본평균-표본)^2 합을 (모평균-표본)^2 합과 비교했습니다.
임의의 표본의 분산(n-1로 나눈 표본분산이 아니라 n으로 나눈 표본의 분산)은 모분산보다 클 수도 작을 수도 있지만
그 기댓값이 모분산보다 작은 것인데 설명을 듣고 오해할 수 있지 않을까 싶어 의견 남깁니다!
표본분산과 모분산 비교에서
분모에 있는 n은 서로 다른 것인데 똑같이 n으로 표기하니
둘 다 표본의 갯수로 오해해
모분산은 (모평균-모집단)^2 합을 모집단 원소 개수로 나눠야 하는데
(모평균-표본)^2 합을 표본 갯수로 나눈것을 모분산 혼동하기 쉬운 것 같아
설명하실 때 유의하시면 좋을 것 같습니다
저 혹시 n으로 나눴을 떄의 표본의 분산이 모분산보다 기댓값으로 볼 때 작다는게 어떤 말인지 알려주실 수 있으실까요?
제가 이해한 건 표본을 추출해서 분산을 구하면 일부분만 선별해서 구하는 거다 보니까 전체적인 분포를 계산하는 모분산보다는 아무래도 분산된 정도가 작을 수 밖에 없다
이렇게 생각을 했는데 맞을까요?
이것에 대한 답변 좀 부탁드립니다. ㅠ ㅠ
이분이 말씀한신게 뭔가를 잘못집고 말씀하신거라는 것은 어렴풋이 알겠는데
어떤부분을 혼동한것인지가 제머리로는 정확히 정립이 안되서 어지럽습니다 ㅠ ㅠ
댓글님이 말씀하신것은 표본분산에서의 분자값과
모분산의 분자값 그 둘 자체 비교하신것이고
오터님이 말씀하신 것은
모분산의 값을 추정하기 위한 추정치로서 표본분산의 분자값은 언제나 실제보다 적게 추정되는 경향이 있기에 분모를 n-1로 나누어야한다가 맞을까요?
와. 유튜브나 블로그에 개소리 뻘소리 많은데, 이게 찐이네요. 모평균이 표본평균보다 크거나 작을 수도 있지만, 분산은 제곱을 사용하여 음수건 양수건 무조건 양수로 바꾸므로 모평균과 표본평균에 차이가 있다는 사실이 무조건 표본분산을 크게 만드는 결과를 가져오는군요(크거나 작게 하는 게 아니라). 좋은 설명 감사합니다.
깔끔하게 이해하셨네요 제가 다 속이 시원함
@@asdf7722 제가 자유도에 대한 정확한 설명을 찾으려고 많이 뒤져봤지만 찾을 수 없었거든요. 사실 오터의 통계님 채널까지 오게 된건 나무위키의 "분산" 항목에 있던 링크 때문이었습니다.(정작 나무위키 설명은 좀 이상합니다. 작성자가 이해를 못 한듯. namu.wiki/w/%EB%B6%84%EC%82%B0#s-3.1 ) 그런데 오터님은 뭘로 공부하셨길래 이렇게 정확한 설명을 하실 수 있는지 여쭤봐도 될까요? 설마 스스로 알아내신 건가요? 궁금합니다!! 제가 통계학을 좀 깊이 공부하고 싶은데, 한국어 자료는 이상한 설명이 워낙에 많아서요.
아 한국자료 부족한거 너무 공감됩니다 저도 GJ Lee님처럼 깊게 하고싶었는데.. 자료가 마땅치 않아서 혼자 틈나는대로 생각하고 확인해보고 이렇게 영상만들고 하고 잇습니다 ㅋㅋ
ㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋㅋ 개소리뻘소맄ㅋㅋ 마쟈요.. 정작 들어가보면 무슨얘길하는지몰겠음요..
댓글 잘 안다는데 와...설명 정말 잘하시네요 영상 매우매우 감사합니다
감사함니다.. !
이건 좀 충격적이당... 이게 이렇게 설명이된다고??.....대박...
와 진짜... 천재세요 정말 이해가 잘 되고 영상도 깔끔하고 최고네요 ㅠㅠ!!
미쳤네... 감사합니다 정말
블로그 뻘소리 주구장창 보다가 보니까 한번에 훅 와닿네요
메타분석을 하면서 통계를 다시 하게 되었습니다. 감사합니다.
그런데 1+1은 귀요미 아닙니까.
2+2는?
진짜 대박이네요... 너무 잘 가르치십니다.
4:27 이거는 아주 특수한 경우를 제외했을때 얘기죠...? 단순하게 생각해서 모집단이 60 70 80 90 100 이고 표본이 70 80 90이면 평균이 같아지잖아요
우와... 진짜 큰 도움되었습니다 감사합니다!
이해하고 바로 구독눌렀습니다.
정말 쉽게 이해했습니다
그래서 왜 하필 n-1인것인가요!!!!!!!!
🤔🤔🤔🤔
여러 자료를 봐도 이해가 잘 안되서 그냥 이해도 못한채로 자유도 때문에 n-1로 나눈다고 암기했는데 영상보고서 왜 분산값이 클수밖에 없는지 이해가 되네요 감사합니다! 다음 영상 보러가야겠네요ㅎ
한참 듣다가 화면보고 액정에 금간줄 알았어요 ㅎㅎ
좋은강의 감사합니다!
영상이 끝날떄 쯤이면 "아~" 라는 탄성이 절로 나게 되네요. 학생으로서 정말 큰 도움이 되었습니다
어떻게 이 어려운 내용을 어렵지 않으면서도 가볍지 않게 직관적으로 잘 설명하실 수 있는거죠.. 선생님의 강의력을 배우고 싶습니다.영상 올려주셔서 정말 감사합니다!
저희 asdf stat는 딥러닝으로 텍스트와 웹의 통계관련 학습해서 최적 솔루션을 음성 합성 기술로 구현하고 있습니다.
는 개뿔 만드느라 죽을것 같습니다. 살려주세요
@@asdf7722 나오지 마시고 그냥 거기 갇히셔서 영상 더 찍어내주세요. 더! 더!! 통계 모지리들 구원해주시길 ㅋㅋㅋㅋ
@@jiminshin5975엌ㅋㅋㅋㅋ
후... 감사함니다
영상이 도움이 많이 됐습니다. 감사합니다.
통계학에서 제일 중요한 요점들만 집어서 영상을 올려주셔서 너무 유용하네요. 이런 유용한 강의는 돈을 내고라서도 볼 생각이 있습니다.
저도 이런 댓글만 달리면 돈내고 만들겟습니다
와 박사님....감탄하고 갑니다
완전히 정확한 설명은 아닙다.. 사실 표본분산의 기대값이 모분산보다 작다는 것인데 그걸 표현하기가 마땅치않아서 지금과 같이 설명했습니다 참고하시길...
영상 잘 봤습니다
왜 n-1인지도 얼른 설명해주세요 현기증나네요 ㅠㅠ
ㅎㄷㄷ 잊고 있었네요 조만간 ㄱㄱ 합니다.. 아 연말에 너무 바쁘네여
@@asdf7722 아직 설명동영상 안올라온거죠?넘 궁금해요
아.. 이거.. 마음의 짐 ㅋㅋㅋ ㅈㅅ함니당...
감사합니다
설명 정말 잘하시네요...우리 교수님은 책읽으세요...
저도이해하려고하는중ㅋㅋㅋ
와우 그냥 외우려고 했는데 이거보고 알겠어요ㅠㅠ
형 사랑해,,,,
Me too
내가 원했던 설명이 여기 있었네...
와 개쩐다 감사합니당
😁😄
쌈박한 설명이네요.....표본 분산 계산 할 때, 표본평균이 아니라 원래는 모평균을 사용했어야 한다.....가 핵심이네요...
분산은 평균-데이터 결과를 제곱한 값이므로 추출한 표본에서는 표본 내에서 평균과 다른 값은 무조건 클 수 밖에 없네요.
조금 다르게 표현하면 가장 작은 분산 값은 평균일 때니까
표본 분산 값은 표본 평균이 아니면 모두 클 수 밖에 없네요.
어찌보면 정말 당연한 말인데 제데로 이해를 못한 것 이였네요.
그런데.. n-1은 언제 설명해주십니까 ㅠ.ㅠ 책 아무리 봐도 이해를 못하겠어요 ㅠ.ㅠ
오 완벽하게 이해하심.. 어떻게보면 당연한거죠 ㅋㅋ 이게 진짜 하고 싶었던말인데 이해해주셔서 ㄱㅅ함니다
n-1은... 외면중... ㅋㅋㅋㅋㅋㅋㅋㅋ
목소리 좋아요. degree of freedom 나오면 교수님들 "그냥 넘어가자" ㅋㅋㅋ "그냥 이렇게 쓰라고만 말하고 "왜"는 설명 안한건지 못한건지 ㅋㅋㅋ
리차드 님
수업 듣다 빡쳐서 직접 만들고 있습니다?
저도 그냥 넘어가면 제가 설명하기는 쉬운데,
듣는 분들께 최대한 "적당한 수준"에서 "유용한" 왜를 설명하려다보니,
매번 만들때마다 스틱스강 근처를 배회하고 있습니다?
참고로, "자유도" 에 대해서 제가 설명한 영상입니다 즐겨주십시오?
th-cam.com/video/O4bpaGOd4Hg/w-d-xo.html
왜 그런지 제대로 설명하려면 bias라는 개념부터 시작해서, unbiased를 만들기 위해서는 어떠한 보정을 해줘야하는지 보여줘야하기 때문에 그렇습니다. 그리고 행렬연산을 이용해서 통계적인 결과물을 뽑아냈을 때 특정 행렬에서 선형독립인 벡터의 숫자가 unbiased로 만들어주는 값과 같다는 것, 이런 결과가 나오는 이유를 대수적으로, 기하적으로 이해 시키려면 최소 학부 선형대수, 확률론, 수리통계학1은 들어야하기 때문에 통계학과가 아닌 학과에서 진행하는 수업에서는 무리죠.
@@lpspace8913 정답 .. 근데 ㅋ 바이어스 언바이어스를 말하려면 estimator 를 날씀드려야 되는데 제가 아직 마음의 준비가 안되었습니다.. 설명할 자신이 없음
@@asdf7722 말씀하시는 걸 보니 한국인이십니다? 좋은 영상 잘 보고 갑니다?
@@user-rd6nt7vv5q 왱알왱알
분산의 본질을 잊지않는 선에서 표본편차를 이해해야함. 분산의 본질은 모분산, 즉 모든 데이터를 고려한 퍼짐의 정도를 나타내는 값임.
표본의 분산을 구하는 것도 똑같음. 모든 표본 데이터를 고려해서 퍼짐의 정도를 구해야하는데, 그 기준점을 모르는 상황임. 그 기준점을 정하기 위해 표본 자기들끼리 평균을 구함. 여기서 표본 데이터 1개가 소모되었음(자유도 1개 감소, 데이터1개의 활용도가 제한, 데이터 1개가 평균을 대체).
기준이 생겼으니 데이터 1개가 소모된 상태로 분산값을 구하면 되는거고,
수식화 해보면 n-1형태인 거임.
개인적으로 궁금증이 하나 생겼는데
모평균를 알고있을때 표본표준편차는 n-1로 나눌 필요가 없는건가?
대단합니다
이무리 이해하려고 했던
것을
예쓰예쓰예쓰
안녕하세요 감사인사드립니다
모평균과 표본평균이 같을 수가 없기 때문에 자연스럽게 표본의 편차제곱합이 작아지면서 모분산과 차이가 생기는 것! 그래서 n대신 n-1로 나누는 것이군요. (쓰면서도 이게 맞나 다시 몇번을 읽고 있네요....)
영상마다 댓쓰기도 뭣하고 헷갈릴때마다 다시 오고있어서(댕청) 댓을 아끼고 있는데 아무튼 각설하고 계신 방향으로 매일아침 절을 올리고 싶습니다. 감사합니다...😊😊
또한 분산을 구하는 과정의 제곱 부분에서 극단적인 표본이 포함되는 모집단의 분산이 표본의 분산보다 클 수 밖에 없겠군요!
헷갈리는 부분이 있는데요.. 표본에서 모평균을 빼서 분산을 구하면 표본평균에서 뺀거보다 클수밖에 없는건 당연한건데, 그게 모분산이 표본분산보다 무조건 작다 로 이어지는건 이해가 안되서요. 예를들어서 표본이 50 60 70 80 90 인것의 모집단이 50 58 60 70 80 83 90 이라고 하면, 모평균을 표본들에 빼서 만든 분산은 표본평균보다 크지만 실제 모분산은 표본평균보다 더 작게 되는데요.. 학교다닐땐 그냥 외우다가 이해하려고하니 어렵네요
편차제곱합을 n-1로 나누면 표본분산이 더 크지 않나요??
이 분이 생각하시는 것처럼 (모평균-표본)^2 합/(표본의 갯수)는 (표본평균-표본)^2 합/(표본의 갯수)보다 큰 것은 영상의 설명과 같이 항상 성립하는 것이고
모분산은 (모평균-표본)^2 합/(표본의 갯수) 가 아니라 (모평균-모집합)^2 합/(모집합 원소의 갯수) 이기 때문에 성립 안 할 수도 있는 것이 맞죠
이분 말처럼 극단적인 예시에서는
표본분산은 위에서처럼 1,000/4=250 이어도 표본을 제외한 모집단이 40인 사람 한 명, 65인 사람이 49,999,994명 있으면 모분산은 1,750/50,000,000=0.000035 으로
모분산이 훨씬 작을 수 있죠
와 감사합니다
혹시 대학생이신가요?
@@asdf7722 고졸입니다. 대학 갈지 말지 고민이긴합니다.
표본샘플로 모집단을 추정할때 표본평균과 모평균을 같다고 가정하고 증명하여 사용하는 것으로 알고 있는데 이건 틀린건가요?
"표본평균의 기댓값이 모평균과 같다" 입니다. 편하게 생각해보면 (우리의 상식이 비추어) 표본평균은 모평균과 같을 수 없겟죠?
너무 재미있게 잘 봤고 추천하고픈 영상입니다. 다만 5:46 정도부터의 설명에서 만약 저 논리라면 모 평균이 대입 됐으므로 개별 값들도 모집단에서의 개별 값들을 가지고 와야 하는 것 같은데 어떤지요? 모평균을 저렇게 대입하는 게 비유로도 맞지 않는 것 같다는 생각이 듭니다.
제가 이해하기로는 모집단과 표본의 분산의 차이는 표본의 '복원 추출'이라는 특성에서 나오는 것으로 알고 있습니다. 예를 들어 모집단과 표본의 크기가 같더라도 분산에 약간의 차이기 나게 되는데 그 특성 때문인것이고요
저는 초심자라 모르는 부분이 많아 질의겸 여쭌 것인데 제 의견에 대해 어떻게 생각하시는지 궁금합니다.
이거다음 내용보려면 어떤영상봐야되나요?
못만들엇습니다
죄송합니다
그게 왜 하필이면, n-1인지는 언제 알려주시나요 쓰앵님!
좀만 기다려줘잉
잘 봤습니다! 영상에 움직이는 배경을 넣은 이유는 무엇인가요? 집중을 위한 장치일까요?
감사합니다 ~ 이렇게 n -1을 이해할 수 있게 해주시니 감사합니다!! 왜 자유도라는 말을 쓰는지도 좀 알려주세요!!!^^ 너무 염치가 없나요?
제가 고맙죠 이거 제가 담주에 올리겟습니다 왜 자유도라는 명칭을 쓰냐는거죠?
안녕하세요. 통계 공부를 하고 있는 학생입니다. 우연히 영상 봤는데 너무 잘 가르쳐주셔서 이해가 한번에 됐어요!! 괜찮으시면 제 블로그에 링크 올려도 될까요??
그럼요
출처만 밝혀주심 되용
그래서 그 다음은요? 왜 하필 n-1인거죠?
여백이 부족해서 못적겠습니다
넘재밋쪙!!
고마워 도라에몽 좋은 하루 보내렴
@@asdf7722코로나조심하라긩!!
@@SHyeonJO 도라에몽! 너도 입이커서 마스크 쓰는게 보통일이 아니겟다. 얼른 코로나 끝나고 같이 캠핑가자!@
@@asdf7722 좋아!
ANOVA의 모분산추정이랑 모평균 추정도 올려주세요 ㅠㅠ 엉엉
울지말고 자세히 말해봐요
편차제곱합이 크다고 해서 1을 빼면 왜 해결이 되는지가 잘 모르겠어요 ㅠㅠ
선생님, 만약에 표본의 크기가 모집단의 크기랑 같다면 그때도 n-1로 나눈다면 뭔가 문제가 생길 것 같은데 이 문제는 어떻게 생각해야 할까요?
그러면 표본을 뽑는게 아니라 모집단 전수조사를 하는거니까 그때는 표본이라고 말할 수 없지 않을까요?
어서 자유도 설명해주세요 ㅜㅜ 제가 어설프게 알기론 사실 모분산 추정시에 모평균 값을 사용해야 하는데 그걸 표본평균으로 대체하고 이 경우에서 자유도로 인해 n-1이 된다고 알고있는데 맞는 건가요?
오 맞아요
@@asdf7722 오.... 감사합니다..!!
effective degree of freedom에 대해서도 알려주세요!
Dic계산할때 나오는거 말하는 거임???
Regression effective degree of freedom 이라고 Satterthwaite approximation 으로 구한다는데 의미를 잘 모르겠습니다ㅜㅜ
표본분산이 모분산보다 무조건 작다... 는 건 보여주신 바에 따라 경험적으로 (귀납적으로) 입증됨을 알겠는데, 그게 왜 그런지 연역적으로 이해가 되지는 않네요... ㅠㅠ 이것도 쉽게 설명 가능하려나요...? 아니면 엄청시리 어려운 증명들을 이해해야 할 수 있는 걸까요...
어제 엄청 길게 달았는지 지워짐.. 후..
저녁먹고 ㄱㄱ 하겟습니다
평균은 기학적으로 무게 중심임니다. 서로 다른 세곳에 사는 친구가 약속을 함니다. 가운데에서 만나자고. 그 가운데가 각점에서 거리의 합이 최소가 되는 점일거란말이죠. 근데 거기서 한사람이 자기 집에서 조금 더 가까운 다른 곳에서 만나자고 제안함니다. 이 순간 첨에 약속한 장소(표본평균)에 비해서 바뀐 장소(모평균)에 모이는데 걸리는 모두의 시간의 합은 늘어나게 되겟죠.
혹시 MME에 대한 영상도 가능하신지요?
보쌈족발님, mle 를 말하시는 것인지요?? 만약 mle를 의미하신거면 th-cam.com/video/1Xi-nq0lVPY/w-d-xo.html 에 올려두었습니다 :)
혹시 모평균과 표본평균이 같을때도 성립이 되는건가요 ..? 혹시 된다면 왜인지 설명가능할까욥 ? 영상너무 고퀄리티에요 감사합니다 !!
어제 정신없을때 봐서 제대로 질문을 이해못하고 답햇네요 ㅋㅋ 일단 제 답은 두개가 절대 같을 수가 없다! 가 제 답입니다 같앗더라도 우연적으로 같은거니까 n-1로 나누어야 한다가 제 생각임 ㅋ
@@asdf7722 아 저 표본평균인만큼 표본값에대한 산포도가 제일 가까워지는건 이해했는데 그리고 평균빼기 표본이니 모분산보다 적게나온다고 하셨잖아용 근데 표본평균이랑 모평균이랑 같을때도 성립이 되는지 궁금해서욥!!
만약에 모평균 = 표본평균이면 n으로 나눠야지 되겟죠? 근데 이게 n 값이 커질수록 거기서 1빠지는게 별로 영향이 없어지게 되요.
예를 들어서 n이 10일때는 10에서 9로 1이 빠져서 나눠지는 게 n이 1000일때 999로 바뀌어서 나눠지는 것보다 값이 많이 바뀌는거죠 아 글로 설명하니까 너무 혼란하다 미안해요 😢
이번주 라방에서 해야겟다 ㅋㅋ 나중에 보세요 이거 추가 설명을 좀 해놀게요 ㅋㅋ
@@asdf7722 감사합니다 !!! 어느정도 이해는 됐어요 !! 혹시 하나만 더 여쭤보면 그럼 저 식에선 모평균과 표본평균이 다르다는 가정이 들어간건가요 ..?
그렇죠! 다르기때문에 n 이 아니라 n-1로 나누는거죠
선생님 왜 하필이면 n-1일까요...?
문제 하나가 안 풀리는데 질문 드려도 될까요??
메일주세요
@@asdf7722 메일 남겼습니다!
혹시 읽어보셨나요?
네?
지려따뤼