[Script Info]
Title: 
[Events]
Format: Layer, Start, End, Style, Name, MarginL, MarginR, MarginV, Effect, Text
Dialogue: 0,0:00:00.18,0:00:01.94,Default,,0000,0000,0000,,이전 강의에서
Dialogue: 0,0:00:01.94,0:00:04.72,Default,,0000,0000,0000,,회귀선을 어떻게 사용하는지
Dialogue: 0,0:00:04.72,0:00:08.09,Default,,0000,0000,0000,,특히, 모집단에서\N회귀선의 기울기에 관하여
Dialogue: 0,0:00:08.09,0:00:10.91,Default,,0000,0000,0000,,추론을 하기 위해\N어떻게 표본자료를 바탕으로
Dialogue: 0,0:00:10.91,0:00:15.70,Default,,0000,0000,0000,,회귀선의 기울기를 사용하는지\N생각해 보았습니다
Dialogue: 0,0:00:15.70,0:00:17.96,Default,,0000,0000,0000,,이번 시간에는
Dialogue: 0,0:00:17.96,0:00:20.26,Default,,0000,0000,0000,,회귀선을 다룰 때
Dialogue: 0,0:00:20.26,0:00:22.61,Default,,0000,0000,0000,,추론을 위한 조건이\N무엇인지 알아보고자 합니다
Dialogue: 0,0:00:22.61,0:00:24.90,Default,,0000,0000,0000,,어떻게 보면
Dialogue: 0,0:00:24.90,0:00:27.28,Default,,0000,0000,0000,,평균, 혹은 비율에 대한\N신뢰구간이나
Dialogue: 0,0:00:27.28,0:00:30.32,Default,,0000,0000,0000,,가설검정을 시행할 때 고려했던
Dialogue: 0,0:00:30.32,0:00:33.92,Default,,0000,0000,0000,,추론을 위한 조건과\N유사한 부분이 있습니다
Dialogue: 0,0:00:33.92,0:00:36.89,Default,,0000,0000,0000,,하지만 새로운\N조건도 있습니다
Dialogue: 0,0:00:36.89,0:00:39.86,Default,,0000,0000,0000,,이 조건들을 기억하기 위해
Dialogue: 0,0:00:39.86,0:00:46.94,Default,,0000,0000,0000,,줄임말 LINER를 기억하세요
Dialogue: 0,0:00:46.94,0:00:50.48,Default,,0000,0000,0000,,와닿지 않는다면\N선형(linear)과 유사합니다
Dialogue: 0,0:00:50.50,0:00:53.04,Default,,0000,0000,0000,,여기에 a가 있으면\N선형(linear)이 되겠죠
Dialogue: 0,0:00:53.04,0:00:54.67,Default,,0000,0000,0000,,이는 기억할 가치가 있습니다
Dialogue: 0,0:00:54.67,0:00:57.14,Default,,0000,0000,0000,,회귀선에 대해 알아보고 있죠
Dialogue: 0,0:00:57.14,0:01:01.24,Default,,0000,0000,0000,,L은 선형(linear)을 나타냅니다
Dialogue: 0,0:01:01.24,0:01:05.00,Default,,0000,0000,0000,,여기서 조건은 모집단에서
Dialogue: 0,0:01:05.00,0:01:08.62,Default,,0000,0000,0000,,변수 x와 y 사이의\N실제 관계가
Dialogue: 0,0:01:08.62,0:01:11.29,Default,,0000,0000,0000,,선형 관계라는 것입니다
Dialogue: 0,0:01:11.29,0:01:13.70,Default,,0000,0000,0000,,선형 관계
Dialogue: 0,0:01:13.70,0:01:15.68,Default,,0000,0000,0000,,선형 관계
Dialogue: 0,0:01:15.68,0:01:18.34,Default,,0000,0000,0000,,선형 관계
Dialogue: 0,0:01:18.34,0:01:20.18,Default,,0000,0000,0000,,선형 관계
Dialogue: 0,0:01:20.18,0:01:21.66,Default,,0000,0000,0000,,x와 y 사이에서
Dialogue: 0,0:01:21.69,0:01:23.95,Default,,0000,0000,0000,,x와 y 사이에서
Dialogue: 0,0:01:23.95,0:01:25.91,Default,,0000,0000,0000,,x와 y 사이에서
Dialogue: 0,0:01:25.91,0:01:28.92,Default,,0000,0000,0000,,대부분의 경우
Dialogue: 0,0:01:28.92,0:01:31.27,Default,,0000,0000,0000,,예를 들어, AP 시험에서
Dialogue: 0,0:01:31.27,0:01:33.95,Default,,0000,0000,0000,,이와 같은 조건은
Dialogue: 0,0:01:33.95,0:01:36.40,Default,,0000,0000,0000,,만족한다고 가정합니다
Dialogue: 0,0:01:36.40,0:01:37.72,Default,,0000,0000,0000,,일반적으로
Dialogue: 0,0:01:37.72,0:01:38.60,Default,,0000,0000,0000,,모든 조건은\N만족한다고 가정합니다
Dialogue: 0,0:01:38.60,0:01:41.10,Default,,0000,0000,0000,,이 조건들이 무엇인지\N아는 게 더 중요합니다
Dialogue: 0,0:01:41.10,0:01:42.81,Default,,0000,0000,0000,,하지만 생각해 보세요
Dialogue: 0,0:01:42.81,0:01:45.66,Default,,0000,0000,0000,,이 관계가 선형이 아니라면
Dialogue: 0,0:01:45.66,0:01:47.25,Default,,0000,0000,0000,,추론이 탄탄하지 않겠죠
Dialogue: 0,0:01:47.25,0:01:50.15,Default,,0000,0000,0000,,추론이 탄탄하지 않겠죠
Dialogue: 0,0:01:50.15,0:01:53.29,Default,,0000,0000,0000,,다음 조건은
Dialogue: 0,0:01:53.29,0:01:55.56,Default,,0000,0000,0000,,보통 추론을 위한\N조건으로 언급되는
Dialogue: 0,0:01:55.56,0:01:57.53,Default,,0000,0000,0000,,독립성(independence)\N조건입니다
Dialogue: 0,0:01:57.53,0:01:59.96,Default,,0000,0000,0000,,독립성(independence)\N조건입니다
Dialogue: 0,0:01:59.96,0:02:01.98,Default,,0000,0000,0000,,여러 가지 방식으로\N생각해보죠
Dialogue: 0,0:02:01.98,0:02:04.07,Default,,0000,0000,0000,,각 개체가
Dialogue: 0,0:02:04.07,0:02:05.83,Default,,0000,0000,0000,,서로 독립이려면
Dialogue: 0,0:02:05.83,0:02:09.18,Default,,0000,0000,0000,,복원추출하면 됩니다
Dialogue: 0,0:02:09.18,0:02:11.91,Default,,0000,0000,0000,,아니면 10% 조건도 있습니다
Dialogue: 0,0:02:11.91,0:02:13.43,Default,,0000,0000,0000,,비율, 혹은 평균에 대한
Dialogue: 0,0:02:13.43,0:02:18.20,Default,,0000,0000,0000,,독립성 조건을 고려할 때\N했던 내용이죠
Dialogue: 0,0:02:18.20,0:02:20.01,Default,,0000,0000,0000,,표본의 크기가
Dialogue: 0,0:02:20.01,0:02:23.71,Default,,0000,0000,0000,,모집단의 10%를 넘지 않아야
Dialogue: 0,0:02:23.71,0:02:26.07,Default,,0000,0000,0000,,성립합니다
Dialogue: 0,0:02:26.07,0:02:28.14,Default,,0000,0000,0000,,다음은\N일반성(normal) 조건입니다
Dialogue: 0,0:02:28.14,0:02:30.23,Default,,0000,0000,0000,,비율, 평균에 대한 추론을 할 때
Dialogue: 0,0:02:30.23,0:02:32.61,Default,,0000,0000,0000,,했던 부분이죠
Dialogue: 0,0:02:32.61,0:02:35.17,Default,,0000,0000,0000,,그러나, 회귀선을 다룰 때에는
Dialogue: 0,0:02:35.17,0:02:37.58,Default,,0000,0000,0000,,조금 더 복잡합니다
Dialogue: 0,0:02:37.58,0:02:39.59,Default,,0000,0000,0000,,일반성 조건은 보통
Dialogue: 0,0:02:39.59,0:02:42.16,Default,,0000,0000,0000,,만족한다고 가정했죠
Dialogue: 0,0:02:42.16,0:02:43.82,Default,,0000,0000,0000,,하지만 회귀선을 그려보면
Dialogue: 0,0:02:43.82,0:02:44.88,Default,,0000,0000,0000,,원근법을 사용합니다
Dialogue: 0,0:02:44.88,0:02:46.67,Default,,0000,0000,0000,,3차원 공간입니다
Dialogue: 0,0:02:46.67,0:02:48.41,Default,,0000,0000,0000,,이것은 x축
Dialogue: 0,0:02:48.41,0:02:50.50,Default,,0000,0000,0000,,이것은 y축입니다
Dialogue: 0,0:02:50.50,0:02:54.81,Default,,0000,0000,0000,,모집단에서 회귀선은\N이런 모습입니다
Dialogue: 0,0:02:54.81,0:02:57.27,Default,,0000,0000,0000,,따라서 일반성 조건은
Dialogue: 0,0:02:57.27,0:03:00.80,Default,,0000,0000,0000,,모집단에서 주어진\N어떠한 x에 대해서도
Dialogue: 0,0:03:00.80,0:03:04.64,Default,,0000,0000,0000,,예상하는 y의 분포는
Dialogue: 0,0:03:04.64,0:03:06.58,Default,,0000,0000,0000,,정규분포를 따릅니다
Dialogue: 0,0:03:06.60,0:03:08.81,Default,,0000,0000,0000,,x가 주어졌을 때
Dialogue: 0,0:03:08.81,0:03:10.91,Default,,0000,0000,0000,,y에 대한 정규분포를
Dialogue: 0,0:03:10.91,0:03:11.87,Default,,0000,0000,0000,,그릴 수 있는지\N확인해 봅시다
Dialogue: 0,0:03:11.87,0:03:13.99,Default,,0000,0000,0000,,여기 정규분포가 있습니다
Dialogue: 0,0:03:13.99,0:03:16.86,Default,,0000,0000,0000,,이 x에 대해서
Dialogue: 0,0:03:16.86,0:03:21.30,Default,,0000,0000,0000,,정규분포를 예상할 수 있습니다
Dialogue: 0,0:03:21.30,0:03:23.46,Default,,0000,0000,0000,,이렇게 말이죠
Dialogue: 0,0:03:23.46,0:03:24.53,Default,,0000,0000,0000,,이렇게 말이죠
Dialogue: 0,0:03:24.53,0:03:25.38,Default,,0000,0000,0000,,x가 주어진다면
Dialogue: 0,0:03:25.38,0:03:27.76,Default,,0000,0000,0000,,y의 분포는 정규분포를 따릅니다
Dialogue: 0,0:03:27.76,0:03:29.75,Default,,0000,0000,0000,,보통 이 조건은
Dialogue: 0,0:03:29.75,0:03:32.47,Default,,0000,0000,0000,,만족한다 하고 넘어갈 것입니다
Dialogue: 0,0:03:32.47,0:03:34.39,Default,,0000,0000,0000,,적어도 통계학 입문에서는
Dialogue: 0,0:03:34.39,0:03:36.97,Default,,0000,0000,0000,,여러분이 다루기에\N조금 어렵기 때문이죠
Dialogue: 0,0:03:36.97,0:03:38.81,Default,,0000,0000,0000,,다음 조건입니다
Dialogue: 0,0:03:38.81,0:03:42.79,Default,,0000,0000,0000,,동일한(equal) 분산 조건입니다
Dialogue: 0,0:03:42.79,0:03:45.09,Default,,0000,0000,0000,,동일한(equal) 분산 조건입니다
Dialogue: 0,0:03:45.09,0:03:46.39,Default,,0000,0000,0000,,이는 주어진 x에 대하여
Dialogue: 0,0:03:46.39,0:03:48.67,Default,,0000,0000,0000,,이 정규분포들이
Dialogue: 0,0:03:48.67,0:03:51.25,Default,,0000,0000,0000,,산포도가 같아야\N한다는 것이죠
Dialogue: 0,0:03:51.25,0:03:52.87,Default,,0000,0000,0000,,따라서 분산이\N같다고 할 수 있고
Dialogue: 0,0:03:52.87,0:03:54.52,Default,,0000,0000,0000,,아니면 표준편차가 같다고\N할 수 있습니다
Dialogue: 0,0:03:54.52,0:03:56.36,Default,,0000,0000,0000,,아니면 표준편차가 같다고\N할 수 있습니다
Dialogue: 0,0:03:56.36,0:03:59.88,Default,,0000,0000,0000,,예를 들어\N여기 주어진 x가
Dialogue: 0,0:03:59.88,0:04:02.58,Default,,0000,0000,0000,,이런 모습을 나타내며
Dialogue: 0,0:04:02.58,0:04:03.62,Default,,0000,0000,0000,,분산이 작다면
Dialogue: 0,0:04:03.62,0:04:06.89,Default,,0000,0000,0000,,추론을 위한 조건을\N만족하지 않게 되겠죠
Dialogue: 0,0:04:06.89,0:04:10.43,Default,,0000,0000,0000,,마지막으로\N우리에게 익숙한 조건입니다
Dialogue: 0,0:04:10.43,0:04:12.30,Default,,0000,0000,0000,,임의성(random) 조건입니다
Dialogue: 0,0:04:12.30,0:04:14.60,Default,,0000,0000,0000,,이 조건은 자료들이
Dialogue: 0,0:04:14.60,0:04:17.17,Default,,0000,0000,0000,,잘 설계된 임의표본이나
Dialogue: 0,0:04:17.17,0:04:19.20,Default,,0000,0000,0000,,한 무작위 실험으로부터\N나왔다는 것입니다
Dialogue: 0,0:04:19.20,0:04:23.04,Default,,0000,0000,0000,,또한 이 조건은 지금까지\N추론을 위한 조건으로
Dialogue: 0,0:04:23.04,0:04:25.76,Default,,0000,0000,0000,,모든 경우에서 쓰였습니다
Dialogue: 0,0:04:25.76,0:04:27.14,Default,,0000,0000,0000,,그냥 넘어갈게요
Dialogue: 0,0:04:27.14,0:04:28.27,Default,,0000,0000,0000,,LINER\N알아두세요
Dialogue: 0,0:04:28.27,0:04:30.47,Default,,0000,0000,0000,,시험에 잘 나옵니다
Dialogue: 0,0:04:30.47,0:04:32.96,Default,,0000,0000,0000,,하지만 대부분의 경우\N문제를 풀 때
Dialogue: 0,0:04:32.96,0:04:36.13,Default,,0000,0000,0000,,통계학 입문에서는
Dialogue: 0,0:04:36.13,0:04:38.72,Default,,0000,0000,0000,,추론을 위한 조건이\N만족되었다고 가정할 것입니다
Dialogue: 0,0:04:38.72,0:04:40.91,Default,,0000,0000,0000,,아니면 추론을 위한 조건에\N무엇이 있는지 물어볼 것입니다
Dialogue: 0,0:04:40.91,0:04:42.97,Default,,0000,0000,0000,,그러나 증명하라고는\N안할 것입니다
Dialogue: 0,0:04:42.97,0:04:46.01,Default,,0000,0000,0000,,예를 들어, 일반성 조건이나\N동일한 분산조건은
Dialogue: 0,0:04:46.01,0:04:47.04,Default,,0000,0000,0000,,통계학 입문에서 다루기엔
Dialogue: 0,0:04:47.04,0:04:49.76,Default,,0000,0000,0000,,조금 과합니다