PE Notes · 확률통계
점추정/구간추정
추정(Estimation): 표본 자료로 모집단의 모수(평균 μ·비율 p·분산 σ²)를 추측하는 통계적 추론
추정(Estimation): 표본 자료로 모집단의 모수(평균 μ·비율 p·분산 σ²)를 추측하는 통계적 추론. 점추정(Point Estimation): 모수를 하나의 값으로 추정 — 예: 표본평균 x̄로 μ 추정.
구조와 칸
| 조건 | 의미 |
|---|---|
| 불편성(Unbiasedness) | 추정량의 기댓값 = 모수, E(θ̂) = θ — 표본분산은 n − 1로 나눠야 불편 |
| 효율성(Efficiency) | 중 분산이 가장 작은 것 |
| 일치성(Consistency) | 표본이 커질수록 모수에 수렴 ( 대수의 법칙) |
| 충분성(Sufficiency) | 모수에 대한 표본 정보를 모두 담음 |
적률법(Method of Moments): 표본 적률(평균·분산)을 모집단 적률과 같다고 놓고 풂. (MLE): 관측된 표본이 나올 가능도를 최대화하는 모수 선택 — 머신러닝 손실 함수의 기반. 최소제곱법(OLS): 오차 제곱합 최소화 — 회귀 계수 추정. 주요 z 값: 90% .645, 95% .96, 99% .576.
점추정 vs 구간추정
| 상황 | |
|---|---|
| 평균, σ 알 때(또는 대표본) | x̄ ± z_(α/2) × σ ÷ √n |
| 평균, σ 모를 때(소표본, 정규 모집단) | x̄ ± t_(α/2, n−1) × s ÷ √n |
| 비율(대표본) | p̂ ± z_(α/2) × √(p̂(1 − p̂) ÷ n) |
| 분산 | [(n − 1)s² ÷ χ²_(α/2), (n − 1)s² ÷ χ²_(1−α/2)] |
| 기준 | 점추정 | 구간추정 |
|---|---|---|
| 형태 | 단일 값(x̄, p̂, s²) | [하한, 상한] + 신뢰수준 |
| 오차 정보 | 없음 | 포함 |
| 대표 기법 | 적률법·MLE·OLS | z·t·χ² 신뢰구간· |
| 예 | "평균 52" | "평균 95% CI [50.04, 53.96]" |
여론조사: "신뢰수준 95%, 표본오차 ±3.1%p" 표기(표본 1,000명). 품질 관리: 공정 평균의 신뢰구간이 규격 안에 있는지 확인. A/B 테스트: 전환율 차이의 신뢰구간으로 효과 크기 제시.
답안은 점추정/구간추정의 정의, 칸, 비교 축을 한 장에 닫습니다.
기술사 답안 포인트
관련 용어
관련 토픽
확률통계
통계적 가설검정과 유의수준
통계적 가설검정(Statistical Hypothesis Test): 모집단에 대한 주장(가설)이 맞는지를 표본 자료로 확률적으로 판단하는 절차
확률통계
중심극한정리/t-검정/z-검정 (대수의 법칙 포함)
대수의 법칙(Law of Large Numbers, LLN): 표본 크기 n이 커질수록 표본평균 x̄가 모평균 μ에 수렴한다는 정리 — 약한 법칙(확률 수렴)·강한 법칙(거의 확실한 수렴)
경영
3C·4C 분석
고객·경쟁·자사 삼각의 3C와 협력자를 더한 4C, 마케팅 4C와의 구분, 거시 환경·산업 구조로 보완하는 법을 정리합니다.