2. 용어
• 모수(Parameter)
– 모집단의 특성을 나타내는 수량화된 값
– 일반적으로 모수는 정해져 있지만 잘 알지 못한다.
• 통계량(Statistic)
– 표본으로부터 계산되는 표본의 특성값
– 관측가능한 확률변수들의 실수값 함수로 통계량은 확
률변수
• 표본분포(Sampling Distribution)
– 한 모집단에서 같은 크기로 뽑을 수 있는 모든 표본에
서 통계량을 계산할 때 이 통계량이 이루는 확률분포
한림대학교 이윤환(http://fb.com/yoonani72)
3. 평균의 표본분포
• 다음 4장의 카드에서 두 장을 랜덤하게 뽑아 평
균을 구해봅시다.
1
2
3
한림대학교 이윤환(http://fb.com/yoonani72)
4
13. 표본평균의 기대값과 분산
• 표본평균의 분산과 모집단의 분산과의 관계
– 모분산이 𝜎 2 이고, 크기가 𝑁인 모집단에서 크기 𝑛인 랜
덤표본을 뽑을 때 표본평균 𝑋에 대하여
• 비복원 추출 : 𝑉𝑎𝑟 𝑋 =
• 복원 추출 : 𝑉𝑎𝑟 𝑋 =
𝑁−𝑛
𝑁−1
∙
𝜎2
𝑛
𝜎2
𝑛
한림대학교 이윤환(http://fb.com/yoonani72)
14. 표본분포의 모양
• 모집단이 정규분포일 경우
모집단의 분포가
정규분포 𝑁 𝜇, 𝜎 2 일때,
표본평균 𝑋는
정규분포 𝑁 𝜇,
를 따른다
한림대학교 이윤환(http://fb.com/yoonani72)
𝜎2
𝑛
15. 표본분포의 모양
• 모집단이 정규분포가 아닐 경우
평균이 𝜇 이고 분산이 𝜎 2 인
무한모집단에서 크기가 𝑛인
랜덤표본을 뽑았을 때
𝑛이 충분히 크면
모집단의 분포 모양에 관계없이
표본평균 𝑋는
근사적으로 정규분포 𝑁 𝜇,
를 따른다
한림대학교 이윤환(http://fb.com/yoonani72)
𝜎2
𝑛
16. 표본비율의 분포
• 관심이 가는 사건의 비율(propotion)
– 성공율, 불량률, 지지율, 사망률 등
– 확률변수 𝑋 =
1,
0,
관심사건의 성공
관심사건의 실패
– 이 때의 확률변수는 각각 베르누이
– 𝑝=
성공의 횟수
𝑛
=
𝑋1 +𝑋2 +𝑋3 +⋯+𝑋 𝑛
𝑛
– 𝑝은 모집단의 성공의 비율 𝑝의 추정량으로
• X는 성공의 횟수, n은 표본의 개수
– 𝑝 역시 확률변수로 기대값과 분산을 갖는다.
한림대학교 이윤환(http://fb.com/yoonani72)
𝑋
𝑛
로 계산
17. 모비율의 분포
• 𝑝의 기대값과 분산
– 𝐸 𝑝 = 𝑝
– Var 𝑝 =
𝑝(1−𝑝)
𝑛
• 중심극한정리 적용
– 𝑝 은 표본평균의 개념과 동일
– n이 충분히 클 경우 다음이 성립 by C. L. T
𝒑~𝑵(𝒑,
𝒑 𝟏− 𝒑
)
𝒏
한림대학교 이윤환(http://fb.com/yoonani72)