from: wikipedia.com
모수 통계는 데이터가 특정 확률 분포에서 왔고, 해당 분포의 모수에 대한 추론을 수행하는 것을 가정하는 확률 분야이다. 가장 잘 알려진 기초 확률 방법론들은 모수 통계이다. 모수 모델과 비모수 모델 사이의 차이점은 전자가 고정된 모수를 가지고 있는 동안, 후자는 훈련 데이터의 크기에 따라 모수의 개수가 증가하는 점이다.
일반적으로 말해서, 모수 방법론은 비모수 방법보다 더 많은 가정을 한다. 만약, 그러한 추가적인 가정들이 옳다면, 모수 방법론은 더 정확한 예측을 도출할 수 있다. 모수 방법론은 더 큰 통계적 검정력을 가지고 있다고 알려져 있다. 하지만, 만약 가정이 틀리다면, 모수 방법은 크게 틀릴 수 있다. 그런 이유로, 모수 방법론은 강건(robust)하지 않다고 여겨진다. 반면, 모수 수식은 종종 더 단순하게 작성할 수 있고 계산하는데 빠르다. 모든 경우는 아니지만, 몇몇 경우에 모수 방법론의 단순함은 비-강건성을 형성하게 되는데, 특히 만약 우리가 주의깊게 진단 통계를 검정할 때 더욱 그렇다.
참고: 모수(parameter, 파러미터)는 평균, 분산 같은 값들을 의미한다.
Parametric statistics is a branch of statistics which assumes that the data have come from a type of probability distribution and makes inferences about the parameters of the distribution. Most well-known elementary statistical methods are parametric. The difference between parametric model and non-parametric model is that the former has a fixed number of parameters, while the latter grows the number of parameters with the amount of training data.
Generally speaking, parametric methods make more assumptions than non-parametric methods. If those extra assumptions are correct, parametric methods can produce more accurate and precise estimates. They are said to have more statistical power. However, if assumptions are incorrect, parametric methods can be very misleading. For that reason they are often not considered robust. On the other hand, parametric formulae are often simpler to write down and faster to compute. In some cases, but not all, their simplicity makes up for their non-robustness, especially if care is taken to examine diagnostic statistics.
댓글