마무리: 질문에 맞는 도구를 골라

"통계 도구는 스스로 거짓말하지 않아. 하지만 질문과 조건이 다른데 숫자만 가져오면 우리가 거짓말을 만들 수 있어."

이 트랙에서 묶은 것

신뢰구간은 반복 절차의 커버리지를, 가설검정은 H₀ 아래에서 자료가 얼마나 극단적인지를, p-value는 선택한 통계량의 꼬리확률을 다뤄. p-hacking과 다중비교는 분석 선택을 숨겼을 때 오류율이 어떻게 무너지는지 보여주고, 제1종·제2종 오류는 결정의 두 실패를 구분해.

이 도구들이 모두 똑같은 CLT 조건에 서 있는 것은 아니야. 정규근사, t분포, 정확검정, 순열검정, 부트스트랩, 설계 기반 추론처럼 서로 다른 방법이 있어. 자료 생성 과정과 질문에 맞는 절차를 고르고, 그 절차가 요구하는 조건을 확인해야 해.

트랙 06으로 가는 다리

다음 트랙은 통계적 검정과 형사재판이 모두 오류 비용의 비대칭을 다룬다는 점을 비교해. 무죄추정과 높은 입증책임은 무고한 유죄판결을 줄이려는 법적 원칙이야. 그러나 합리적 의심은 고정된 α가 아니고, 배심원 판단은 가설검정과 같은 계산도 아니야. 비유의 공통점과 경계를 함께 볼 거야.

트랙 08로 가는 다리

베이즈 추론은 사전분포와 가능도를 결합해 모수나 가설에 대한 사후분포를 만들어. 빈도주의와 베이즈 방법은 질문과 해석이 다르지만, 어느 쪽도 모형·표본선정·측정오류에서 자유롭지 않아. 법정의 유죄확률도 단순한 공식 하나로 계산되는 값이 아니며, 증거의 의존성과 대안가설, 법적 기준을 따로 다뤄야 해.

가지고 갈 원칙

p-value, 신뢰구간, 효과 크기, 검정력은 서로 다른 정보를 줘. 하나를 다른 것의 뜻으로 바꾸지 말고, 연구 설계와 전체 증거를 함께 읽어. 트랙 06과 08에서는 같은 규율을 법적 증거와 베이즈 갱신에 적용할 거야.

Code

Frequentist 출력 cheat-sheet: IS vs NOT·python

# 종합 cheat-sheet: 각 frequentist 출력이 뭐고, 뭐가 아닌지.
print("""
FREQUENTIST 출력         IS (참)                            NOT (아님)
---------------------    -------------------------------   --------------------------------
p-value                  P(이만큼 극단 | H0 참)             P(H0 참 | 데이터)
95% CI                   방법의 장기 95% 적중률              '모수가 여기 있을 확률 95%'
'0.05 에서 유의'          거짓 알람 관용 = 5%               대립이 참이라는 증거
Type I 오류율 (a)         P(H0 기각 | H0 참)                 기각이 주어졌을 때 P(H0 참)
Power (1 - b)            P(H0 기각 | H1 참)                 '효과가 실재일 가능성'
""")

# 이 cheat-sheet 출력하고 숫자에서 통계 주장을 만들 때마다 재읽기.
# 'NOT' 열이 시민이 조용히 invoke 하는 것이고, 다음 두 트랙 (06, 08) 이 분해할 것.
""""""

Exercise

다음 24시간 동안 만난 통계 주장 세 개를 기록해. 각각이 p-value, 신뢰구간, 효과 크기, 검정력, 단순 비율 중 무엇인지 구분하고, 그 숫자가 직접 말하지 않는 것을 한 줄로 적어.

Hint

전문용어를 많이 쓰는 게 목표가 아니야. 숫자 하나가 답하는 질문을 정확히 한 문장으로 말할 수 있으면 돼.

이 트랙에서 묶은 것

트랙 06으로 가는 다리

트랙 08로 가는 다리

가지고 갈 원칙

Code

External links

Exercise

Progress

댓글 0