표본분산과 불편분산의 개념에 대해 알아보자. 표본분산(sample variance)이란?
전체 데이터를 모집단(population)이라고 하는데, 표본 분산은 표본(sample)의 분산을 말한다. 표본분산을 구하는 이유는, 모집단의 분산을 추정하기 위함이다.
(표본 - 표본평균)의 제곱을 다 더하고, 표본의 갯수로 나눈 것을 의미한다. 표본분산은 위와 같이 구할 수 있다.
불편분산(unbiased variance)이란? '불편'성이란, 편하지 않다(incovenience)는 뜻이 절대 아니고 한쪽으로 편향되어 있지 않다(unbiasedness)의 뜻이다.
표본분산을 보고 모분산과 정확히 일치하는 것은 거의 불가능하며, 실제로 비슷하다 하더라도 모분산을 모르는 상태에서 절대로 표본분산의 값을 확신할 수 없다. 따라서, 표본분산은 모분산의'좋은 추정량'이 아니며 여기에 '자유도'라는 개념이 사용된다.
자유도(degree of freedom)의 의미가 무엇인가? 표본평균과 표본분산은 같은...
#
bda
#
판다스
#
파이썬
#
통계학
#
통계
#
자유도
#
빅데이터분석학회
#
불편분산
#
데이터분석
#
데이터
#
pyhton
#
pandas
#
bdaa
#
표본분산
원문 링크 : 표본분산과 자유도의 개념 이해하기(with 파이썬)
