부트스트랩 1-표본(Bootstrap 1-Sample)

부트스트랩 1-표본은 복원추출로 뽑은 동일한 크기의 재표본 수천 개로 통계량의 표본분포를 추정합니다. 데이터가 정규분포를 따르지 않거나, 표본이 작거나, 통계량에 간단한 공식이 없을 때 사용합니다. 평균, 중앙값, 합계, 분산, 표준편차 중에서 통계량을, 최소 1,000회(이상적으로는 5,000~10,000회)의 재표본 수를, BCa, Percentile, Basic 중에서 구간 방법을 선택합니다. 출력은 통계량과 그 신뢰구간입니다.

최종 검토

핵심 요점

부트스트랩 1-표본은 데이터 분포를 가정하지 않고 원래 데이터를 복원추출로 반복 재표본추출하여 평균, 중앙값, 표준편차와 같은 통계량의 신뢰구간을 구합니다.

이 페이지 내용
  1. 부트스트랩 1-표본이란?
  2. 부트스트랩 1-표본은 언제 사용합니까?
  3. 부트스트랩 1-표본의 올바른 사용 지침
  4. 대안: 부트스트랩 1-표본을 사용하지 않아야 할 때
  5. 부트스트랩 1-표본 예제
  6. 부트스트랩 1-표본 방법

부트스트랩 1-표본이란?

부트스트랩 1-표본은 원래 데이터 집합에서 복원추출로 무작위 표본을 반복해서 뽑아 평균, 중앙값, 표준편차와 같은 통계량의 표본분포를 추정하는 재표본추출 기법입니다. 재표본추출된 각 데이터 집합의 크기는 원래와 같으며, 관심 통계량을 재표본마다 다시 계산하여 수천 번의 반복에 걸친 그 통계량의 분포를 만듭니다.

부트스트랩의 핵심 강점은 데이터의 기저 분포에 대해 어떤 가정도 하지 않는다는 점입니다. 그래서 정규성을 가정할 수 없고 모수적 검정이 적절하지 않을 때 강력한 대안이 됩니다.

간단한 정의: 데이터 분포에 대한 가정 없이, 자신의 데이터를 수천 번 반복해서 재표본추출하여 계산한 통계량(예: 평균)이 얼마나 신뢰할 수 있는지를 추정하는 기법입니다.

부트스트랩 1-표본은 언제 사용합니까?

  • 데이터가 정규성 가정을 충족하지 않아 모수적 신뢰구간이 타당하지 않을 수 있을 때 사용합니다.
  • 표본 크기가 작아 정규 근사에 기반한 전통적 방법을 신뢰할 수 없을 때 사용합니다.
  • 중앙값, 절사평균, 두 양의 비와 같이 간단한 해석적 공식이 없는 통계량 의 신뢰구간을 추정할 때 사용합니다.
  • 부트스트랩 신뢰구간을 전통적으로 계산한 구간과 비교하여 모수적 검정의 결과를 검증 할 때 사용합니다.

부트스트랩 1-표본의 올바른 사용 지침

  • 부트스트랩 분포가 안정적이고 신뢰할 수 있도록 충분히 많은 수의 부트스트랩 재표본 을 사용하십시오. 최소 1,000회, 이상적으로는 5,000~10,000회 반복합니다.
  • 부트스트랩은 원래 표본이 모집단을 대표할 때 가장 잘 작동합니다. 치우치거나 대표성이 없는 표본은 치우친 부트스트랩 추정값을 만듭니다.
  • 부트스트랩을 충분한 데이터 수집 의 대체 수단으로 사용하지 마십시오. 부실하게 설계된 연구나 부족한 표본 크기를 보완할 수는 없습니다.
  • 무작위 재표본추출 때문에 실행마다 결과가 약간 달라질 수 있으므로, 결과를 보고할 때는 난수 시드를 설정하여 재현성을 확보하십시오.

대안: 부트스트랩 1-표본을 사용하지 않아야 할 때

  • 데이터가 정규분포를 따르고 표본 크기가 충분하다면더 효율적인 1-표본 t 검정 과 같은 표준 모수적 방법을 대신 사용하십시오.
  • 비교 대상이 두 집단인 경우에는 다음을 사용하십시오: 2-표본 t 검정 또는 만-휘트니 검정
  • 주된 관심사가 구간 추정이 아니라 분포 적합이라면 다음을 사용하십시오: 개별 분포 식별

부트스트랩 1-표본 예제

한 제약 회사의 화학자가 새로 개발한 제산제의 반응 시간을 알아내려 합니다. 검정은 다음 단계로 진행합니다.

  1. 필요한 데이터를 수집했습니다.
Bootstrap 1-Sample — figure 1
  1.  이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
  2.  Bootstrap 1-Sample을 찾으려면 Statistical module> Hypothesis Test> Bootstrap 1-Sample을 선택합니다.
  3.  도구 안에서 다음과 같이 데이터와 다른 입력값을 입력합니다.
Bootstrap 1-Sample — figure 2

5. 위의 도구를 사용하면 다음과 같은 출력을 얻습니다.

Bootstrap 1-Sample — figure 3Bootstrap 1-Sample — figure 4Bootstrap 1-Sample — figure 5

부트스트랩 1-표본 방법

절차는 다음과 같습니다.

  1. Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
  2. 홈 페이지에서 Statistical Tool> Hypothesis Test >Bootstrap 1-Sample을 선택합니다.
  3. 다음으로, 데이터를 직접 업데이트하거나 Excel 시트에서 데이터를 복사(Ctrl+C)하여 여기에 붙여넣습니다(Ctrl+V).
  4. 필요한 옵션을 입력합니다.
  5. 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.

Bootstrap 1-Sample의 도구 화면은 두 부분으로 나뉩니다.

Bootstrap 1-Sample — figure 6

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군을 이룹니다. 데이터를 직접 입력하거나 Excel 시트에서 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.

Load example: 예제 데이터가 로드됩니다.

Load File: Excel 데이터를 직접 로드하는 데 사용합니다.

오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.

  • Sample: 분석하려는 원시 데이터 가 들어 있는 열을 선택합니다. 이는 부트스트랩 재표본을 복원추출로 반복해서 뽑을 원래 데이터 집합입니다. 이 열의 품질과 대표성이 부트스트랩 추정값의 신뢰성을 직접 좌우하며, 치우치거나 대표성이 없는 표본은 치우친 부트스트랩 결과를 만듭니다. 필수 항목입니다.
  • Statistic: 추정하고 그 주위에 신뢰구간을 만들려는 통계 측도를 선택합니다. 다섯 가지 옵션이 있습니다.
  • Mean — 모집단의 평균값을 추정하고 그 주위에 신뢰구간을 만듭니다. 일반적인 공정 분석에서 가장 많이 사용하는 옵션입니다.
  • Median — 모집단의 가운데 값을 추정합니다. 중앙값은 극단값의 영향을 덜 받으므로 데이터가 치우쳐 있거나 특이치가 있을 때 평균보다 더 적절합니다.
  • Sum — 모집단 모든 값의 총합을 추정합니다. 누적 합계가 실무적으로 관심 있는 양일 때 유용합니다.
  • Variance — 표준편차의 제곱으로 나타낸 모집단의 산포를 추정합니다. 전체 변동성을 파악하는 것이 주된 목표일 때 유용합니다.
  • Standard Deviation — 평균 주위 개별 값의 전형적인 산포를 추정합니다. 원래 측정 단위로 표현되므로 분산보다 해석하기 쉽습니다.
  • Number of Resamples: 부트스트랩 분포를 만들기 위해 도구가 데이터를 복원추출로 무작위 재표본추출하는 횟수를 입력합니다. 필수 항목입니다. 기본적인 분석에는 최소 1,000회 를 권장하며, 더 정밀하고 안정적인 신뢰구간 추정에는 5,000~10,000회 가 바람직합니다. 재표본이 많을수록 결과가 더 매끄럽고 신뢰할 수 있지만 계산 시간이 약간 더 걸립니다.
  • Confidence Level: 부트스트랩 신뢰구간의 신뢰수준을 설정합니다. 표준 기본값은 95%이며, 이는 모집단의 실제 통계량이 계산된 구간 안에 있다고 95% 확신한다는 뜻입니다. 99%로 높이면 구간이 넓어지고 확신이 커지며, 90%로 낮추면 구간이 좁아지고 확신이 작아집니다.
  • Type of Interval: 신뢰구간의 형태와 방향을 정의합니다. 세 가지 옵션이 있습니다.
  • Two-Sided — 하한과 상한을 모두 만들어 통계량 주위에 완전한 구간을 형성합니다. 실제 값이 어느 방향으로든 얼마나 벗어날 수 있는지에 관심이 있을 때 사용하며, 대부분의 분석에서 표준 기본값입니다.
  • Lower Bound — 하한만 만들어 실제 통계량이 특정 값보다 큰지를 검정합니다. 예를 들어 공정 평균이 지정된 값 이상임을 확인하는 것처럼 최소 기준만 중요할 때 사용합니다.
  • Upper Bound — 상한만 만들어 실제 통계량이 특정 값보다 작은지를 검정합니다. 예를 들어 변동성이 허용 수준을 넘지 않음을 확인하는 것처럼 최대 기준만 중요할 때 사용합니다.
  • Method: 재표본추출된 분포로부터 부트스트랩 신뢰구간을 계산하는 데 사용하는 수학적 접근 방식을 정의합니다. 세 가지 옵션이 있습니다.
  • Bias-Corrected-Accelerated (BCa) — 대부분의 상황에서 가장 정확하고 권장되는 방법입니다. 부트스트랩 분포의 치우침(부트스트랩 추정값의 체계적 오차)과 왜도를 모두 자동으로 보정하므로, 특히 통계량의 분포가 대칭이 아닐 때 가장 신뢰할 수 있는 신뢰구간을 만듭니다.
  • Percentile — 부트스트랩 분포의 백분위수를 그대로 사용하여 구간 경계를 정합니다. 단순하고 직관적이지만 치우침이나 왜도를 보정하지 않으므로, 부트스트랩 분포가 대략 대칭이고 치우치지 않았을 때 적합합니다.
  • Basic — 반사 백분위수 방법이라고도 하며, 백분위수 경계를 반전시켜 치우침을 간단히 보정합니다. 부트스트랩 분포가 약한 비대칭을 보일 때 단순 백분위수 방법보다 더 신뢰할 수 있습니다.
  • Download as Excel: 관측된 통계량과 그 부트스트랩 신뢰구간을 포함한 부트스트랩 결과를 Excel 파일로 내보냅니다. 보고, 동료와의 공유, 또는 분석의 공식 기록 보관에 사용합니다.

자주 묻는 질문

1-표본 부트스트랩이란 무엇입니까?

1-표본 부트스트랩은 원래 데이터에서 복원추출로 무작위 표본을 반복해서 뽑아 평균, 중앙값, 표준편차와 같은 통계량의 표본분포를 추정합니다. 각 재표본의 크기는 원래와 같으며 재표본마다 통계량을 다시 계산하여, 데이터 분포를 가정하지 않고 신뢰구간을 만드는 데 사용하는 분포를 얻습니다.

t 검정 대신 부트스트랩을 사용해야 하는 경우는 언제입니까?

데이터가 정규성 가정을 충족하지 않거나, 표본이 작아 정규 근사를 신뢰할 수 없거나, 중앙값처럼 간단한 공식이 없는 통계량의 구간이 필요할 때 부트스트랩을 사용하십시오. 데이터가 정규분포를 따르고 표본 크기가 충분하다면 1-표본 t 검정이 더 효율적입니다.

부트스트랩 재표본은 몇 번이나 필요합니까?

기본적인 분석에는 최소 1,000회, 안정적이고 정밀한 신뢰구간을 위해서는 이상적으로 5,000~10,000회를 사용하십시오. 재표본이 많을수록 결과가 더 매끄럽지만 시간이 약간 더 걸립니다. 무작위 재표본추출 때문에 실행마다 결과가 약간 달라질 수 있으므로, 난수 시드를 설정하면 보고된 결과를 재현할 수 있습니다.

어떤 부트스트랩 신뢰구간 방법을 선택해야 합니까?

Bias-Corrected-Accelerated (BCa)는 부트스트랩 분포의 치우침과 왜도를 보정하므로 대부분의 상황에서 권장됩니다. Percentile 방법은 분포의 백분위수를 그대로 사용하며 대략 대칭이고 치우치지 않은 경우에 적합합니다. 반사 백분위수 방법이라고도 하는 Basic 방법은 치우침을 간단히 보정하며 약한 비대칭을 단순 백분위수 방법보다 잘 처리합니다.