기술통계(서술통계) & 추론통계(추리통계)의 구분

기술통계 & 추론통계

 

통계는 정략적인 데이터를 이용하여 유용한 정보를 만들어내는 과정이에요.

이러한 통계는 두 가지 범주로 구분할 수 있는데요. 바로 기술통계와 추론통계입니다!

 

1. 기술통계

기술통계 또는 서술통계는 영어로 Descriptive Statistics 입니다.

Descriptive라는 의미는 "서술하는", "묘사하는", "기술하는" 의미를 가지고 있는데요.

Descriptive Statistics는 주어진 정량적 데이터를 이해하기 쉽고 보기 좋은 형태로 정리하여 보여주는 통계를 의미합니다!

 

예를 들어 네 명의 수학 시험 성적이 각각 100, 90, 80, 70점일 때, 네 명의 성적을 가장 쉽게 보여줄 수 있는 기술통계는

바로 평균(mean)이겠죠! 

그리고 네 명의 성적이 어떻게 분포가 되어있는지 하나의 수치로 보여줄 수 있는 방법은

분산(variance) 또는 표준편차(standard deviation)이 될 것입니다!

 

이렇듯 평균, 중앙값(median), 최빈값(mode), 범위(range), 사분위수 범위(interquartile range), 분산, 표분편차 등은

기술통계의 대표적인 예라고 할 수 있어요(각각의 자세한 내용은 다른 포스팅에서 다룰 예정이에요).

 

위에서 제시한 값들이 하나의 수치로 데이터에 관한 정보를 제시하는 기술통계라면

시각적인 효과를 통해서 데이터에 관한 정보를 기술하는 통계방법도 있어요.

 

대표적인 방법 중 하나는 산점도(scatter diagram 또는 scatter plot)입니다.

산점도는 관측한 데이터의 값을 x와 y로 할당하여 이를 점으로 표시한 도식이라고 할 수 있죠.

관측한 값에서 변수 간의 대략적인 관계를 파악할 때 주로 사용합니다.

 

또 다른 시각화 방법에는 히스토그램(histogram)이 있어요. 여러 관측값을 가지는 다수의 데이터를 가지고

관측값의 범주 별로 몇 개의 관측이 이루어졌는지를 확인하는 방법이죠,.

이 외에도 도수분포표, 막대그림, 상자그림(box plot) 등 다양한 기술통계 방법이 있습니다.

 

2. 추론통계

추론통계 또는 추리통계는 영어로 Inferential Statistics이에요.

기술통계는 있는 데이터 만을 가지고 보기 좋게 다른 형태로 보여주는 기능을 할 뿐인데요.

추론통계는 데이터에 대한 분석을 바탕으로 데이터를 넘어서는 무엇가를 추론(inference)하는 것 입니다!

 

추론통계에서 추론하는 대상을 주로 표본을 가지고 모집단을 추론하는 것이죠.

그리고 가설을 검증할 때도 추론통계를 사용하게 됩니다.

많은 경우 표본에 대한 가설 검증을 통해 모집단에 대한 추론을 하지만,

정치학의 특정 분야에서는 모집단(모집단이라고 추정되는 데이터)를 가지고 가설을 검증하는 추론통계를 진행하기도 하죠. 

 

추론통계에서 모집단을 추정하는 방법으로는 점추정(point estimate), 구간추정(interval estimate)이 있으며,

가설을 검증하는 방법에는 카이제곱 검정, t검정/평균검검, 카이제곱 검정/독립성 검정, F검정/분산분석, 

상관분석, 회기분석 등이 있습니다!

 

회귀분석에는 종속변수의 성질에 따라 선형회귀, 로지스틱회귀, 포아송 회귀 등이 있죠.

 

 

 

지금가지 기술통계와 추론통계가 어떻게 구분되는지 알아보았는데요. 

통계를 사용하는 과정에서는 기술통계와 추론통계가 계속해서 밀접한 관계를 가지고 상호작용을 하게 됩니다!

다음 포스팅에서는 데이터를 구성하는 자료의 성질에 관해 알아보도록 할게요~!

 

* 참고로 그래프 예시는 Chat GPT 4.0을 활용해 만든 그래프입니다.

 

*자료/데이터(Data)의 성질에 따른 종류(질적, 양적, 명목, 서열, 이산, 연속변수)는 다음을 참고하세요.

2023.11.14 - 자료/데이터(Data)의 종류

자료/데이터(Data)의 종류