1
00:00:00,180 --> 00:00:01,940
이전 강의에서

2
00:00:01,940 --> 00:00:04,720
회귀선을 어떻게 사용하는지

3
00:00:04,720 --> 00:00:08,090
특히, 모집단에서
회귀선의 기울기에 관하여

4
00:00:08,090 --> 00:00:10,910
추론을 하기 위해
어떻게 표본자료를 바탕으로

5
00:00:10,910 --> 00:00:15,700
회귀선의 기울기를 사용하는지
생각해 보았습니다

6
00:00:15,700 --> 00:00:17,960
이번 시간에는

7
00:00:17,960 --> 00:00:20,260
회귀선을 다룰 때

8
00:00:20,260 --> 00:00:22,610
추론을 위한 조건이
무엇인지 알아보고자 합니다

9
00:00:22,610 --> 00:00:24,900
어떻게 보면

10
00:00:24,900 --> 00:00:27,280
평균, 혹은 비율에 대한
신뢰구간이나

11
00:00:27,280 --> 00:00:30,320
가설검정을 시행할 때 고려했던

12
00:00:30,320 --> 00:00:33,920
추론을 위한 조건과
유사한 부분이 있습니다

13
00:00:33,920 --> 00:00:36,890
하지만 새로운
조건도 있습니다

14
00:00:36,890 --> 00:00:39,860
이 조건들을 기억하기 위해

15
00:00:39,860 --> 00:00:46,940
줄임말 LINER를 기억하세요

16
00:00:46,940 --> 00:00:50,480
와닿지 않는다면
선형(linear)과 유사합니다

17
00:00:50,500 --> 00:00:53,040
여기에 a가 있으면
선형(linear)이 되겠죠

18
00:00:53,040 --> 00:00:54,670
이는 기억할 가치가 있습니다

19
00:00:54,670 --> 00:00:57,140
회귀선에 대해 알아보고 있죠

20
00:00:57,140 --> 00:01:01,240
L은 선형(linear)을 나타냅니다

21
00:01:01,240 --> 00:01:05,000
여기서 조건은 모집단에서

22
00:01:05,000 --> 00:01:08,620
변수 x와 y 사이의
실제 관계가

23
00:01:08,620 --> 00:01:11,290
선형 관계라는 것입니다

24
00:01:11,290 --> 00:01:13,700
선형 관계

25
00:01:13,700 --> 00:01:15,680
선형 관계

26
00:01:15,680 --> 00:01:18,340
선형 관계

27
00:01:18,340 --> 00:01:20,180
선형 관계

28
00:01:20,180 --> 00:01:21,660
x와 y 사이에서

29
00:01:21,690 --> 00:01:23,950
x와 y 사이에서

30
00:01:23,950 --> 00:01:25,910
x와 y 사이에서

31
00:01:25,910 --> 00:01:28,920
대부분의 경우

32
00:01:28,920 --> 00:01:31,270
예를 들어, AP 시험에서

33
00:01:31,270 --> 00:01:33,950
이와 같은 조건은

34
00:01:33,950 --> 00:01:36,400
만족한다고 가정합니다

35
00:01:36,400 --> 00:01:37,720
일반적으로

36
00:01:37,720 --> 00:01:38,600
모든 조건은
만족한다고 가정합니다

37
00:01:38,600 --> 00:01:41,100
이 조건들이 무엇인지
아는 게 더 중요합니다

38
00:01:41,100 --> 00:01:42,810
하지만 생각해 보세요

39
00:01:42,810 --> 00:01:45,660
이 관계가 선형이 아니라면

40
00:01:45,660 --> 00:01:47,250
추론이 탄탄하지 않겠죠

41
00:01:47,250 --> 00:01:50,150
추론이 탄탄하지 않겠죠

42
00:01:50,150 --> 00:01:53,290
다음 조건은

43
00:01:53,290 --> 00:01:55,560
보통 추론을 위한
조건으로 언급되는

44
00:01:55,560 --> 00:01:57,530
독립성(independence)
조건입니다

45
00:01:57,530 --> 00:01:59,960
독립성(independence)
조건입니다

46
00:01:59,960 --> 00:02:01,980
여러 가지 방식으로
생각해보죠

47
00:02:01,980 --> 00:02:04,070
각 개체가

48
00:02:04,070 --> 00:02:05,830
서로 독립이려면

49
00:02:05,830 --> 00:02:09,180
복원추출하면 됩니다

50
00:02:09,180 --> 00:02:11,910
아니면 10% 조건도 있습니다

51
00:02:11,910 --> 00:02:13,430
비율, 혹은 평균에 대한

52
00:02:13,430 --> 00:02:18,200
독립성 조건을 고려할 때
했던 내용이죠

53
00:02:18,200 --> 00:02:20,010
표본의 크기가

54
00:02:20,010 --> 00:02:23,710
모집단의 10%를 넘지 않아야

55
00:02:23,710 --> 00:02:26,070
성립합니다

56
00:02:26,070 --> 00:02:28,140
다음은
일반성(normal) 조건입니다

57
00:02:28,140 --> 00:02:30,230
비율, 평균에 대한 추론을 할 때

58
00:02:30,230 --> 00:02:32,610
했던 부분이죠

59
00:02:32,610 --> 00:02:35,170
그러나, 회귀선을 다룰 때에는

60
00:02:35,170 --> 00:02:37,580
조금 더 복잡합니다

61
00:02:37,580 --> 00:02:39,590
일반성 조건은 보통

62
00:02:39,590 --> 00:02:42,160
만족한다고 가정했죠

63
00:02:42,160 --> 00:02:43,820
하지만 회귀선을 그려보면

64
00:02:43,820 --> 00:02:44,880
원근법을 사용합니다

65
00:02:44,880 --> 00:02:46,670
3차원 공간입니다

66
00:02:46,670 --> 00:02:48,410
이것은 x축

67
00:02:48,410 --> 00:02:50,500
이것은 y축입니다

68
00:02:50,500 --> 00:02:54,810
모집단에서 회귀선은
이런 모습입니다

69
00:02:54,810 --> 00:02:57,270
따라서 일반성 조건은

70
00:02:57,270 --> 00:03:00,800
모집단에서 주어진
어떠한 x에 대해서도

71
00:03:00,800 --> 00:03:04,640
예상하는 y의 분포는

72
00:03:04,640 --> 00:03:06,580
정규분포를 따릅니다

73
00:03:06,603 --> 00:03:08,810
x가 주어졌을 때

74
00:03:08,810 --> 00:03:10,910
y에 대한 정규분포를

75
00:03:10,910 --> 00:03:11,870
그릴 수 있는지
확인해 봅시다

76
00:03:11,870 --> 00:03:13,990
여기 정규분포가 있습니다

77
00:03:13,990 --> 00:03:16,860
이 x에 대해서

78
00:03:16,860 --> 00:03:21,300
정규분포를 예상할 수 있습니다

79
00:03:21,300 --> 00:03:23,460
이렇게 말이죠

80
00:03:23,460 --> 00:03:24,530
이렇게 말이죠

81
00:03:24,530 --> 00:03:25,380
x가 주어진다면

82
00:03:25,380 --> 00:03:27,760
y의 분포는 정규분포를 따릅니다

83
00:03:27,760 --> 00:03:29,750
보통 이 조건은

84
00:03:29,750 --> 00:03:32,470
만족한다 하고 넘어갈 것입니다

85
00:03:32,470 --> 00:03:34,390
적어도 통계학 입문에서는

86
00:03:34,390 --> 00:03:36,970
여러분이 다루기에
조금 어렵기 때문이죠

87
00:03:36,970 --> 00:03:38,810
다음 조건입니다

88
00:03:38,810 --> 00:03:42,790
동일한(equal) 분산 조건입니다

89
00:03:42,790 --> 00:03:45,090
동일한(equal) 분산 조건입니다

90
00:03:45,090 --> 00:03:46,390
이는 주어진 x에 대하여

91
00:03:46,390 --> 00:03:48,670
이 정규분포들이

92
00:03:48,670 --> 00:03:51,250
산포도가 같아야
한다는 것이죠

93
00:03:51,250 --> 00:03:52,870
따라서 분산이
같다고 할 수 있고

94
00:03:52,870 --> 00:03:54,520
아니면 표준편차가 같다고
할 수 있습니다

95
00:03:54,520 --> 00:03:56,360
아니면 표준편차가 같다고
할 수 있습니다

96
00:03:56,360 --> 00:03:59,880
예를 들어
여기 주어진 x가

97
00:03:59,880 --> 00:04:02,580
이런 모습을 나타내며

98
00:04:02,580 --> 00:04:03,620
분산이 작다면

99
00:04:03,620 --> 00:04:06,890
추론을 위한 조건을
만족하지 않게 되겠죠

100
00:04:06,890 --> 00:04:10,430
마지막으로
우리에게 익숙한 조건입니다

101
00:04:10,430 --> 00:04:12,300
임의성(random) 조건입니다

102
00:04:12,300 --> 00:04:14,600
이 조건은 자료들이

103
00:04:14,600 --> 00:04:17,170
잘 설계된 임의표본이나

104
00:04:17,170 --> 00:04:19,200
한 무작위 실험으로부터
나왔다는 것입니다

105
00:04:19,200 --> 00:04:23,040
또한 이 조건은 지금까지
추론을 위한 조건으로

106
00:04:23,040 --> 00:04:25,760
모든 경우에서 쓰였습니다

107
00:04:25,760 --> 00:04:27,140
그냥 넘어갈게요

108
00:04:27,140 --> 00:04:28,270
LINER
알아두세요

109
00:04:28,270 --> 00:04:30,470
시험에 잘 나옵니다

110
00:04:30,470 --> 00:04:32,960
하지만 대부분의 경우
문제를 풀 때

111
00:04:32,960 --> 00:04:36,130
통계학 입문에서는

112
00:04:36,130 --> 00:04:38,720
추론을 위한 조건이
만족되었다고 가정할 것입니다

113
00:04:38,720 --> 00:04:40,910
아니면 추론을 위한 조건에
무엇이 있는지 물어볼 것입니다

114
00:04:40,910 --> 00:04:42,970
그러나 증명하라고는
안할 것입니다

115
00:04:42,970 --> 00:04:46,010
예를 들어, 일반성 조건이나
동일한 분산조건은

116
00:04:46,010 --> 00:04:47,040
통계학 입문에서 다루기엔

117
00:04:47,040 --> 00:04:49,763
조금 과합니다