# 위클리페이퍼 2

Q1. t-test에 대해 설명해 주세요.

t-검정(t-test) 또는 스튜던트 t-테스트(Student's t-test)는 검정통계량이 귀무가설 하에서 t-분포를 따르는 통계적 가설 검정법으로, 두 집단 간의 차이가 통계적으로 유의한지 검정하기 위해 사용된다.

 

2개 집단(범주형 변수)를 연속형 변수로 비교하는 검정기법.

t검정의 결과는 이런 식으로 집단 별 평균, 표준편차, t값, p값에 대해 나오며 p값을 통해 신뢰수준과 t값을 통해 평균이 어느정도 차이 나는 지 알 수 있다. 

 

 

2개 이하의 집단으로 진행해도, 정규성, 독립성, 등분산성에 여부에 따라 다양한 t검정을 사용하게 된다.

 

t검정에는 다양한 종류가 존재하고, 변수 및 상황에 맞게 다른 기법을 사용해야 한다.

 

검정을 위한 집단이 둘인지, 셋 이상인지에 따라 t-test와 ANOVA 중 무엇을 사용할 지 선택해야 한다.

 

Q2. 기술통계와 추론통계는 무엇이고, 어떤 차이가 있나요?

 

✅ 기술통계란?

 

  데이터 자체가 어떤 모습을 하고 있는지 요약 및 정리를 해주는 통계

 주요 값으론 평균, 중앙값, 최빈값, 분산, 표준편차 등이 있다.

 

 전체 데이터를 한눈에 보이게 정리하여 데이터의 분포 및 특징을 직관적으로 파악할 수 있게 만을어주고, 표본이 어떤 상태인지 알려준다.

 

✅ 추론통계란?

 

 현재 가진 표본 데이터를 기반으로 전체 집단을 예측하거나 결론을 내리는 통계

 

 가설검정, 회귀분석, 상관분석 등이 이에 포함되며 전체에 대한 추론, 결론, 예측 등의 통계를 기반으로 단순한 요약 및 정리 이상의 의사결정을 하는데 도움을 준다.

Q3. 데이터 전처리 방법들 (ex. 결측값 처리 등) 에 대해 설명해 주세요.

✅ 데이터 전처리란?

 

 데이터 전처리는 모델 학습이나 통계 분석이 가능하도록 데이터를 정리·정제하는 과정이다.

 원본 데이터에는 결측치·오타·이상치·중복행처럼 분석을 왜곡하는 요소가 많기 때문에, 이를 선제적으로 처리해 분석 신뢰도를 높이는 단계다.

 

✅ 이상치

 

 이상치는 전체 패턴에서 벗어나 비정상적으로 큰/작은 값을 의미한다.
이상치는 모델 결과를 크게 왜곡할 수 있기 때문에 적절한 기준을 세워 제거하거나 조정한다.

대표적인 처리 방법

- IQR(사분위수 범위) 기반: Q1 − 1.5×IQR, Q3 + 1.5×IQR 밖의 값 제거

- Z-score 기반: |z| > 3인 값 제거

- 도메인 기준 활용: 예) 혈당 40 미만, 300 초과는 비현실적 값으로 판단해 제거

 

 이번에 나도 건강검진 공공데이터를 기반으로 분석 리포트를 작성할 때, 사분위수 기반으로 분석을 진행하다가 종속변수로 지정한 공복혈당의 이상치 수가 많이 나오고, 이상치를 제거하는 것보다 활용하는 것이 분석 목적에 맞다고 판단하여 혈당을 기준으로 저혈당쇼크와 고혈당쇼크의 기준점인 50 mg/dL 과 500 mg/dL로 직접 이상치를 제거 했었다.

 

✅ 결측치

 

결측치는 값이 없는 상태로, 분석 과정에서 오류나 편향적인 결과가 나올 수 있다.

 

추가적으로 타입정리(숫자와 문자, 범주형과 수치형 등으로 변환), 단위통일(날짜 형식, 통화 단위, 측정 단위 등)

대표적인 처리 방법

• 삭제법
  • 행 삭제: 결측치가 적을 때 사용
  • 변수 삭제: 특정 컬럼이 대부분 비었을 때

• 대체법
  • 평균·중앙값·최빈값으로 대체
  • 그룹별 평균/중앙값 대체 (ex. 성별별 평균 체중)
  • 회귀·KNN·MICE 같은 모델 기반 대체
  • 시계열이면 전진/후진 채움(Forward/Backward fill)

✅ 중복값 제거

 

중복값은 동일한 레코드가 두 번 이상 기록된 경우를 말한다.
중복이 있으면 집계값이나 평균이 왜곡되기 때문에 정리가 필요하다.

처리 방법

• 완전 일치 중복 제거(drop_duplicates)
• 특정 키 기준 중복 제거
  •  예: 가입자일련번호 + 검사일자 기준으로 한 건만 남기기
• 분석 목적에 따라
  • 첫 번째 행만 유지
  • 최신 데이터만 유지