추가 적립 안내

이 책은 총 아홉 개의 장으로 구성되어 있다. 1장은 통계적 이론이나 파이썬의 사용에 초보적인 독자들도 쉽게 학습할 수 있도록 파이썬의 기초 사용법 및 필수적인 기본 문법을 포함한 매뉴얼을 제시하였고, 2~6장은 통계 비전공자도 쉽게 이해할 수 있도록 통계학의 기초 이론을 다루었으며, 7~9장은 자료분석을 위한 방법론들을 비교적 상세하게 소개하였다. 초급 통계 또는 중급 분야에서 중요하게 사용되는 분산분석 분야와 회귀분석 분야는 다른 기초 교재보다 다소 높은 수준 정도로 집필하였다.
각 장에 나와 있는 다양하고 수많은 예제는 이 책의 특징이라고 할 수 있다. 독자들이 실무적 문제를 해결하는 데 도움이 될 수 있도록 파이썬 프로그램과 프로그램 실행 결과를 제시하면서 이에 대해 상세히 해설하였다. 또한, 통계 입문서이지만 기존의 파이썬 통계분석 책보다 더욱 심도 있게 다루었으며, 파이썬 프로그램 코드는 초보자가 쉽게 따라 할 수 있도록 훨씬 간결하게 집필하였다.

1장 파이썬 알아보기
1.1 파이썬이란
1.2 파이참 설치 및 실행하기
1.3 주피터 노트북 사용하기
1.4 구글 코랩 사용하기
1.5 파이썬 기본 문법
1.6 예제 파일 실행하기

2장 자료의 특징 파악하기
2.1 모집단과 표본
2.2 대푯값
2.3 퍼짐의 정도
2.4 왜도와 첨도
2.5 도수분포표

3장 확률과 확률분포
3.1 확률과 표본공간
3.2 확률변수의 분류
3.3 확률변수와 확률분포
3.4 기댓값
3.5 베르누이분포
3.6 정규분포
3.7 결합분포와 상관계수
3.8 기댓값과 분산의 응용

4장 표본분포에 대한 이해
4.1 표본
4.2 통계량
4.3 표본평균의 분포
4.4 표본비율의 분포
4.5 표본분산의 분포
4.6 표본추출 방법

5장 통계적 추정
5.1 점추정
5.2 구간추정
5.3 평균에 대한 신뢰구간 추정
5.4 비율에 대한 신뢰구간 추정
5.5 분산에 대한 신뢰구간 추정
5.6 서로 독립인 두 집단의 평균들 차이에 대한 신뢰구간 추정
5.7 짝으로 이루어진 자료의 차에 대한 신뢰구간 추정
5.8 표본크기의 결정

6장 의사결정을 하기 위한 절차(가설검정)
6.1 귀무(영)가설과 대립가설
6.2 검정통계량과 귀무가설의 기각역
6.3 유의수준
6.4 가설검정의 예
6.5 유의확률
6.6 분산에 대한 가설검정
6.7 두 모집단 간의 차에 대한 검정
6.8 짝으로 된 자료에 대한 검정
6.9 두 모집단 비율들의 차에 대한 검정
6.10 두 집단 분산 간의 차에 대한 가설검정

7장 분류된 자료(범주형)에 대한 분석
7.1 다항분포
7.2 적합도검정
7.3 독립성검정
7.4 동질성검정
7.5 연관성 척도

8장 여러 집단 간의 차이(분산분석)
8.1 분산분석의 원리
8.2 분산분석의 가정
8.3 일원배치분산분석
8.4 이원배치분산분석
8.5 다중비교검정(범위검정)
8.6 잔차분석
8.7 자료변환
8.8 비모수적 분산분석: 순위자료에 대한 분산분석
8.9 공분산분석
8.10 두 집단 분산 간의 차에 대한 가설검정
8.11 등분산 가정에 대한 가설검정

9장 회귀분석
9.1 단순선형회귀모형
9.2 ？？hat(β)_1에 대한 통계적 성질
9.3 ？？hat(Y)에 대한 통계적 성질
9.4 결정계수
9.5 잔차분석
9.6 원점을 지나는 회귀모형
9.7 변수변환
9.8 다중선형회귀모형
9.9 표준화
9.10 질적변수의 설명변수 사용
9.11 부분가설검정
9.12 변수선택
9.13 교호모형
9.14 꺾은선 회귀모형
9.15 두 개 이상의 회귀선 비교
9.16 자기상관
9.17 가중최소제곱법

부록 분포표
1. 표준정규분포표
2. t-분포표
3. F-분포표
4. χ^2-분포표
5. Duncan의 d(r,v)
6. Tukey의 q(k,v)
7. Durbin-Waston
8. Kruskal-Wallis 통계량의 임계값
9. F(max)=S^2(max)/S^2(min)

연습문제 풀이
참고문헌
찾아보기

[머리말]
4차 산업혁명, 디지털혁명이라고 불리는 새로운 시대를 살아가면서 통계학은 대량의 데이터를 수집하고 저장한 뒤 이를 과학적으로 분석하여 사회 전 분야에서 의사결정에 중요한 학문으로 그 역할이 더욱 강조되고 있다.
수년 전까지만 하더라도 일부 전문가들의 영역으로만 다뤄졌던 머신러닝과 딥러닝은 최근 다양한 분야에 널리 사용되는 필수 지식으로 자리 잡아 진입 장벽이 낮아지고 있으며 비전공자들도 너나 할 것 없이 공부하려는 열풍이 불고 있다. 하지만 머신러닝과 딥러닝 공부에 필요한 다양한 수식은 수학 및 통계학이 기반이기에 통계학 지식이 부족한 학생들이나 비전공자들은 이를 공부하는 데 어려움을 겪기도 한다.
왜 파이썬인가? 기존의 통계분석은 전통적인 소프트웨어인 SAS, SPSS, Minitab 등이 주로 사용되어 왔다. 그러나 최근 인공지능(AI), 빅데이터, IoT 등의 디지털 시대에서는 다양한 통계분석 소프트웨어들을 무료로 다운받아서 사용할 수 있게 되었고, 이러한 소프트웨어 분야에서도 탁월한 성능을 구현하며 전 세계적으로 사용자가 급격히 늘어나는 소프트웨어가 있으니 바로 파이썬이다. 오픈 소프트웨어인 파이썬은 기계학습 및 인공지능, 빅데이터 분야에서 데이터를 빠르고 쉽게 처리할 수 있는 필수적인 컴퓨팅 언어라고 할 수 있다.
이에 필자는 통계학뿐만 아니라 자연과학, 컴퓨터공학, 사회학, 인문학, 의학 분야 등의 전공자들이 빅데이터 분석 및 인공지능 분야와의 통계적 통섭을 할 수 있고, 파이썬을 이용하여 통계분석과 인공지능 영역으로 접근하는 데 도움이 되길 바라며 이 책을 집필하게 되었다. 따라서 이 책은 파이썬을 이용하여 통계적 데이터 분석을 수행하고자 하는 전공자, 컴퓨터 관련 분야 전공자, 공학도 등 기타 다양한 분야의 비전공자들을 위한 통계분석 입문서라고 할 수 있다.
이 책은 총 아홉 개의 장으로 구성되어 있다. 1장은 통계적 이론이나 파이썬의 사용에 초보적인 독자들도 쉽게 학습할 수 있도록 파이썬의 기초 사용법 및 필수적인 기본 문법을 포함한 매뉴얼을 제시하였고, 2~6장은 통계 비전공자도 쉽게 이해할 수 있도록 통계학의 기초 이론을 다루었으며, 7~9장은 자료분석을 위한 방법론들을 비교적 상세하게 소개하였다. 초급 통계 또는 중급 분야에서 중요하게 사용되는 분산분석 분야와 회귀분석 분야는 다른 기초 교재보다 다소 높은 수준 정도로 집필하였다.
각 장에 나와 있는 다양하고 수많은 예제는 이 책의 특징이라고 할 수 있다. 독자들이 실무적 문제를 해결하는 데 도움이 될 수 있도록 파이썬 프로그램과 프로그램 실행 결과를 제시하면서 이에 대해 상세히 해설하였다. 또한, 통계 입문서이지만 기존의 파이썬 통계분석 책보다 더욱 심도 있게 다루었으며, 파이썬 프로그램 코드는 초보자가 쉽게 따라 할 수 있도록 훨씬 간결하게 집필하였다.
좋은 책을 위해 최선을 다했지만 부족한 부분이 있을 수 있다. 이 점은 독자 여러분의 양해를 바라며 출간 후 나올 수 있는 수정 사항 등은 자유아카데미 홈페이지(www.freeaca.com) 자료실에 제공할 예정이니 참고하기를 바란다.