통계검정에서 1종오류가 2종오류보다 중요한 이유

강의록 링크
hsm-edu.tistor...
#통계강의 #통계

[@O.B.E271]

좋은 강의였다 . 유튜브영상을 제작해주신 것에 깊은 감사함을 느낀다 . ❤

[@eostatistics]

1종오류가 중요한 경우에 해당되는 예시입니다. 2종오류가 더 중요한 경우도 있습니다. 상황에 따라 다릅니다.

[@justine7a]

머리카락 수가 더 적어진다도 포함해야 하지 않나? 귀무를 머리카락수가 같거나 적다로 하거나, 대립을 머리카락 수가 다르다고 해야 하지 않을런지

[@waterminus3917]

강의를 보면서 궁금한게 있는데요!! 귀무가설과 대립가설의 개념부분에서 헷갈리는게있어서요 귀무가설은 안바뀌려하는 보수적인 의견 ,그대로인상태를 유지하려는거고 대립가설은 문제에서 연구하고자하는 즉 연구가설이 맞나요??

[@eostatistics]

네 그렇게 보셔도 됩니다

[@waterminus3917]

@@eostatistics 빠른답변 감사합니다ㅠ!! 제가 관련된 공부중인데 양측검정과 단측검정에서는 양측검정은 다르다,아니다 등 이고 양측검정은 예를들어 80%이상인것처럼 이상,이하 방향성을 가지는 검정이 맞나요? 정의가헷갈려서요

[@eostatistics]

@@waterminus3917 hsm-edu.tistory.com/146 이 글 참고하셔요

[@은채조-e4l]

강의를 보면서 궁금한것이 있습니다. spss테이블을 보고, P value에 따라 이것이 귀무가설일 것이다 라고 추측은 했는데, 이것이 참이고, 거짓인지 확신하는 방법을 모르겠어요...

[@eostatistics]

p value 로 귀무가설이 무엇인지 추측하는것이 아닙니다. 귀무가설을 먼저 세워놓고 p value 를 구하고,p값에 따라 귀무가설 기각 여부를 결정합니다

[@kimpap1]

심봉사 눈을 떴습니다 고맙습니다

[@HaeunYi-o4g]

진짜 설명력+목소리 최고에요 진짜 진짜 감사합니다 ㅠㅠ

[@eostatistics]

감사합니다!

[@kangsinuk3399]

목소리도 좋고 강의력도 좋고 커리큘럼도 좋고

[@염경철-y7h]

대비되는 2개의 현상 중 어느 하나의 현상을 기준현상으로 정하고 기준현상을 반대현상으로 잘못판단하는 오류를 통계적 오류중 첫번째 오류인 1종오류라 칭하고, 반대현상을 기준현상으로 잘못 판단하는 통계적 오류를 두번째 오류 즉 2종오류라고 칭한것입니다. 우리나라 사람들은 1종 2종 이런 용어를 잘 사용하지 않죠. 첫번째로 정의한 유형의 오류와 두번째로 정의한 유형의 오류로 어느것이 중요하다라고 할수는 없읍니다. 보통 통계학책에서 기준현상을 true 반대현상은 fault라고 영어로 표현하여 이것을 진실과 거짓으로 해석하는 과오를 저지르게 되는데 그냥 fault 와 true 는 반대되는 즉 contrast(대비. 대조)되는 2개의 현상입니다. 하늘과 땅하고 같은 개념입니다. 그런데 인간은 아주 나쁜 버릇을 갖고 있죠? 선택의 동물이기에 그렇겠지만 니편 내편을 가르고, 내편이 옳고 다른편은 그르다라는 편향오류를 범하고 삽니다. 그게 통계적 검정까지 오면 더 심한 옳고 그름의 판단요구에 빠지게 되죠.. 귀무가설이 옳은데 귀무가설을 기각하는 오류를 1종오류, 대립가설이 옳은데 귀무가설을 채택하는 오류를 2종오류라고..... 단 귀무가설의 부정을 위한 판단기준을 1종오류 알파에 의한다는 것인거죠. 이게없다면 판정기준이 없으니 아예 오류을 감안한 결정조차도 내릴수 없겠죠?

[@jwhan0531]

사랑해요ㅋㅋㅋㅋ 시험준비 막막했는데 너무너무너무너무 명쾌한 설명 감사합니다!!!! 구독 좋아요 누르고 가요!

[@eostatistics]

감사합니다!

[@삑스]

진짜 여러 다른강의 보다 깔끔~!!인정!!!감사합니다

[@sati867]

와우...목소리..정말 매력적이시네요. 설명의 사례도 귀에 쏙 들어오네요.

[@eostatistics]

감사합니다^^

[@flyingpinkwhale]

너무 감사합니다. 너무 헷갈렸는데 자세한설명이 크게 도움이 되었습니다

[@centreville4048]

설명 정말 잘하시네요!! 덕분에 쉽게 이해했습니다~

[@eostatistics]

감사합니다~

[@jehwanlee3281]

현 시국과 너무 와닿네요 트럼프의 소독약 처방

[@eostatistics]

감사합니다~!

[@asdfasdfasdf74281]

안녕하세요. 영상 감사합니다. 저에게 도움이 많이 되었습니다. 다만, 궁금한 점이 있어 댓글 남깁니다. 1:20 에서 귀무가설을 기각시키고 싶은 가설이라고 하시었는데 2:20 에서 귀무가설이 참일 때 참으로 판별 한다면 기각하지 않나요?? 왜 기각x인지 궁금합니다. 감사합니다.

[@eostatistics]

발생할 수 있는 모든 상황을 예로 든 것입니다. 귀무가설이 실제 거짓이고 기각하는 것이 우리가 원하는 상황이지만, 그렇지 않은 상황도 발생합니다. 귀무가설을 거짓이라고 주장하는 것이 "기각"입니다. 귀무가설을 참인 채로 두는 것이 "기각 하지 않음"입니다.

[@asdfasdfasdf74281]

@@eostatistics 답변 정말 감사드립니다. 궁금증이 해결이 되었습니다. 의사결정을 기각하는 것이 아닌 귀무가설을 기각하는 것이군요. 다시 한 번 감사합니다!

[@육경인]

와 설명 기가 막히네요, 감사합니다ㅎㅎ ㅠ

[@eostatistics]

감사합니다~

[@킷캣녹차맛]

4:57

[@킷캣녹차맛]

6:46

[@킷캣녹차맛]

7:00

[@heoyeaji0426]

통본님 질문있습니다!! 만약 귀무가설을 “A가 주는 해로운 영향이 없다” 와 같이 정의를 내리면 1종오류(해로운 효과이 없는데 있다고하는것) 보다 2종오류(해로운 효과가 있는데 없다고하는것)가 더 심각한 오류 아닌가요...??

[@eostatistics]

네 그렇게 놓는다면 1종오류가 위험한 것은 맞습니다. 하지만 귀무가설은 우리가 부정하고 싶은 가설입니다. 따라서 참이 되면 우리에게 이로운 것을 귀무가설로 놓지 않습니다. 제발 참이 아니길 바라는 것을 귀무가설로 놓습니다. 우리가 개발하려는 약이 해롭지 않다는 것은 부정하고 싶은 사실이 아닙니다. 따라서 이를 귀무가설로 놓는 경우는 없을 것입니다~

[@heoyeaji0426]

통계의 본질 EOStatistics 아....! 그렇군요....!!! 사랑합니다

[@나니망-h3x]

저희 교수님보다 설명이 좋아여 감사합니다ㅠㅠ

[@eostatistics]

감사합니다^^

[@kyungeunlee8042]

오 정말 큰 도움이 되었습니다!!

[@eostatistics]

감사합니다!