• 컴퓨터/IT > 데이터베이스

2025/5 컴퓨터/IT 14위 | 현재 컴퓨터/IT 94위 |

반디앤루니스 리뷰

통계는 단순한 분석 기법을 넘어 데이터의 의미를 해석하고 신뢰할 수 있는 결과를 도출하는 데 필수인 도구다. 하지만 많은 사람이 실무에서 통계를 접하면, 막상 어떻게 적용해야 할지 혼란을 겪곤 한다. 이 책은 바로 그런 실무적 고민에서 출발한다.

네 가지 핵심 상황을 중심으로 통계의 주요 개념들을 체계적으로 짚어나가며, 그동안 잘 다뤄지지 않았지만 실제로는 중요한 주제들과 통계적 의사결정에 결정적인 영향을 미치는 주제들을 중심으로 구성되어 있다. 또한, 수식을 단순히 나열하는 데 그치지 않고 그 의미와 맥락을 하나씩 해설하며 개념을 깊이 이해할 수 있게 이끈다.

출판사 리뷰

실무에서 자꾸 헷갈리는 통계, 이번엔 제대로 이해한다!

통계는 단순한 분석 기법을 넘어 데이터의 의미를 해석하고 신뢰할 수 있는 결과를 도출하는 데 필수인 도구다. 하지만 많은 사람이 실무에서 통계를 접하면, 막상 어떻게 적용해야 할지 혼란을 겪곤 한다. 이 책은 바로 그런 실무적 고민에서 출발한다. 네 가지 핵심 상황을 중심으로 통계의 주요 개념들을 체계적으로 짚어나가며, 그동안 잘 다뤄지지 않았지만 실제로는 중요한 주제들과 통계적 의사결정에 결정적인 영향을 미치는 주제들을 중심으로 구성되어 있다. 또한, 수식을 단순히 나열하는 데 그치지 않고 그 의미와 맥락을 하나씩 해설하며 개념을 깊이 이해할 수 있게 이끈다. 데이터를 단순히 분석하는 데서 그치지 않고 깊이 있는 통계적 인사이트를 도출하고 싶은 실무자들에게 이 책을 추천한다.

* 동영상 강의: https://www.youtube.com/@paintingscientist/featured

데이터 분석을 한다면 공감할 통계학 궁금증,
보다 정확히 이해하고 통계적 인사이트를 얻어 내자!

내가 가진 샘플 데이터에 가장 잘 맞는 확률분포를 찾으려면, 가설 검정을 사용해야 할까? 아니면 최대우도추정을 기반으로 접근해야 할까? 익숙한 통계 용어들이 언뜻 보이지만 막상 이런 질문에 바로 대답하기 어렵다면 이 책을 주목해 보자. 데이터를 다루는 사람이라면 통계가 얼마나 강력한 도구인지 잘 알고 있다. 하지만 여러 개념을 배워도 실제 분석에 적용하려 할 때 이론과 현실 사이에서 괴리감을 느끼는 경우가 많다.

이 책은 크게 네 가지 주요 상황에서 생기는 궁금증을 던지면서 통계학의 큰 틀을 관통하는 개념들을 풀어낸다. 그동안 잘 다뤄지지 않았지만 실제로는 중요한 주제들, 그리고 자주 쓰이는 이론들을 중심으로 설명한다. 비슷한 용어나 개념들이 실제로는 어떻게 다른지 명확히 설명하며, 많은 통계 책이 수식을 최소화하려는 것과 달리 기본 수식부터 시작해 그것이 어떤 결론에 이르는지를 차근차근 설명한다. 수식을 하나하나 뜯어보며 개념을 더욱 깊이 이해하도록 도와주고, 이후에 배우게 될 개념들을 탄탄히 쌓을 수 있도록 기초를 다져준다. 여전히 통계가 헷갈리거나 어렵다고만 느껴진다면 이 책이 분명 도움이 될 것이다.

CHAPTER 1 통계학을 배우면서 드는 기본적인 궁금증
궁금증 01 통계학은 어떤 학문인가?
궁금증 02 확률론은 왜 배워야 하는가?
궁금증 03 통계학 VS 확률론
궁금증 04 머신러닝을 배울 때 왜 등장하는가?
궁금증 05 상관관계가 있다고 해서 인과관계는 아니라는 말이 지닌 통계학적 의미는?
궁금증 06 인과관계를 평가하려면 어떻게 해야 하는가?
궁금증 07 상호 작용 효과를 추가한다는 것의 직관적인 의미는?
궁금증 08 현재 통계학에서 직면한 챌린지는?
궁금증 09 통계 분석에서 차원이란
궁금증 10 차원(입력 변수에서 특징 수)을 줄이는 방법은?
궁금증 11 전진 선택과 후진 제거를 놓칠 수 있는 경우는?
궁금증 12 라쏘 VS 릿지 정규화
궁금증 13 중심극한정리 VS 큰 수의 법칙
궁금증 14 평균을 나타내는 다양한 용어(expectation, mean, average)들은 어떤 차이가 있나?
궁금증 15 입력 변수의 분산이 너무 작으면 설명력이 없다는 의미는?
궁금증 16 표준화 VS 정규화
궁금증 17 정규분포를 따르지 않는 데이터를 정규분포로 변환하려면?
궁금증 18 오른쪽으로 왜곡된 분포에 대한 정규성 변환
궁금증 19 이미 정규분포를 따르던 샘플 데이터를 무작정 로그 변환하면 어떻게 될까?
궁금증 20 왼쪽으로 왜곡된 분포에 대한 정규성 변환
궁금증 21 분산을 안정화시킨다는 의미는?
궁금증 22 공분산행렬과 상관행렬이란

CHAPTER 2 추론 통계를 배우면서 드는 궁금증
궁금증 23 우도 VS 확률
궁금증 24 여러 샘플에 대한 우도는 어떻게 계산하나?
궁금증 25 이산형 데이터에서 우도를 최대화한다는 것의 직관적 의미는?
궁금증 26 최대우도추정치 계산을 컴퓨터는 어떻게 할까?
궁금증 27 이산형 데이터의 최대우도추정치 계산을 수식적으로 한다면?(feat. 미분)
궁금증 28 우도에 로그를 취하는 이유는?
궁금증 29 연속형 데이터의 최대우도추정치를 수식적으로 계산한다면?
궁금증 30 연속형 데이터에서 우도를 최대화한다는 것의 직관적 의미는?
궁금증 31 사후확률을 최대화한다는 것의 직관적 의미는?(feat. 베이지안)
궁금증 32 샘플링 VS 리샘플링
궁금증 33 확률 샘플링의 종류에는 주로 어떤 것들이 있나?
궁금증 34 비확률 샘플링의 종류에는 주로 어떤 것들이 있나?
궁금증 35 리샘플링의 종류에는 주로 어떤 것들이 있나?

CHAPTER 3 가설 검정을 배우면서 드는 궁금증
궁금증 36 가설 검정 VS 최대우도추정 방법
궁금증 37 귀무가설 VS 대립가설
궁금증 38 p-value라는 숫자가 실제로 의미하는 직관은?
궁금증 39 일표본 t-검정이란
궁금증 40 이표본 t-검정이란
궁금증 41 일표본 t-검정 VS 이표본 t-검정 VS 분산 분석
궁금증 42 짝의 t-검정은 어디에 속하는가?

CHAPTER 4 회귀 분석을 배우면서 드는 궁금증
궁금증 43 선형 모델을 학습한다는 것은?
궁금증 44 관측 값(y) VS 적합한 값( )
궁금증 45 선형 모델에서 최대우도추정치 VS 최소제곱법
궁금증 46 선형 모델의 선형은 무엇을 기준으로 하는가?
궁금증 47 선형회귀 분석에서 귀무가설은?
궁금증 48 편차 VS 오차 VS 잔차
궁금증 49 표준편차 VS 표준오차
궁금증 50 다중 선형회귀 VS 다변량 선형회귀
궁금증 51 선형회귀에서 가정하고 있는 것들은?
궁금증 52 정량적 데이터 VS 정성적 데이터
궁금증 53 정성적 출력 변수를 모델링하는 방법은?
궁금증 54 로지스틱 회귀 분석에서 모델은 어떻게 생겼나?
궁금증 55 분류 문제의 성능 평가를 하는 측정치에는 어떤 것들이 있나?
궁금증 56 ROC 곡선의 x축 값이 의미하는 것은?
궁금증 57 ROC 곡선의 y축 값이 의미하는 것은?
궁금증 58 정밀도 VS 재현율
궁금증 59 양성과 음성이 불균형한 데이터는 어떻게 평가해야 하나?