확률은 불확실한 일이 일어날 가능성을 수로 나타내고, 통계는 실제로 모은 자료에서 전체에 대한 결론을 이끌어 낸다. 확률이 ‘모델에서 자료를 예측’한다면 통계는 ‘자료에서 모델을 추론’하는 방향이다.
무엇을 배우나요
경우의 수와 확률
모든 경우가 같은 정도로 일어날 때 사건 $A$의 확률은 $P(A)=\frac{n(A)}{n(S)}$이다. 순열과 조합으로 경우의 수를 센다.
$${}_nP_r=\frac{n!}{(n-r)!}, \qquad {}_nC_r=\binom{n}{r}=\frac{n!}{r!\,(n-r)!}$$
조건부확률과 독립
$B$가 일어났을 때 $A$가 일어날 확률은 $P(A\mid B)=\frac{P(A\cap B)}{P(B)}$이다. 이를 뒤집어 원인을 추정하는 것이 베이즈 정리이다.
$$P(A\mid B)=\frac{P(B\mid A)\,P(A)}{P(B)}$$
확률변수와 분포
확률변수 $X$의 평균(기댓값)과 분산은 $E(X)=\sum x\,P(X=x)$, $V(X)=E(X^2)-\{E(X)\}^2$이다. 대표적인 분포로 이항분포 $B(n,p)$와 정규분포 $N(\mu,\sigma^2)$가 있다.
$$f(x)=\frac{1}{\sigma\sqrt{2\pi}}\,e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$
통계적 추정과 검정
표본평균 $\bar X$로 모평균 $\mu$를 추정하고, 신뢰구간을 구한다. 모표준편차가 $\sigma$일 때 모평균의 95% 신뢰구간은 $\bar x\pm1.96\frac{\sigma}{\sqrt n}$이다. 가설검정은 자료가 어떤 주장과 얼마나 어긋나는지를 확률로 판단한다.
대표 정리
- 큰수의 법칙: 시행 횟수가 커지면 상대도수는 확률에 가까워진다.
- 중심극한정리: 표본의 크기가 충분히 크면, 모집단의 분포와 상관없이 표본평균의 분포는 정규분포에 가까워진다.
선수 지식
중등 경우의 수와 자료의 정리. 연속확률분포는 적분(해석학)을 사용한다.
학습 로드맵
- 경우의 수 → 순열과 조합 → 확률의 뜻과 성질
- 조건부확률 → 독립 → 베이즈 정리
- 이산확률분포 → 연속확률분포와 정규분포
- 표본분포 → 추정 → 가설검정 → 회귀분석
