1.1. 왜 생명과학자들이 실험 통계와 통계를 알아야 하는가
- 생명과학은 모집단(population) 추정이 어려움: 어떤 생물의 집단 내 모든 개체에 대한 정보를 얻는 것은 불가능한 경우가 대부분
- 대표표본을 통한 모집단 추정: 즉, 개체의 총집합인 모집단이 아닌 시험단위(experimental units)로 불리는 일부 부분집합(subset)을 대표표본(representative sample)로 이용해서 모집단을 추측해야함
- 대표표본의 한계: 대표표본을 잘 고르기 위해선 임의적 (random) 선발이 기본적이지만, 실험단위 간 차이 등으로 인해 대표성을 띠지 않을 수 있음
ex 한계의 예시)
- 비슷한 모집단이지만 표본은 서로 다른 경우
- 모집단은 비슷한데 표본이 다른 경우
- 표본내 각 개체들 간 자연적 변이로 실험처리의 효과가 분명하게 나타나지 않을 경우 (대조구 vs 영양제 300일 급여구 -> 300일 간 성장이 영양제의 효과가 드러나는 것을 방해)
→ 모집단을 잘 추정할 수 있는 대표성을 띠는 표본을 선발하도록 가능한 모든 예방조치가 필요 (표본추출을 잘하자)
- 통계적 검정의 중요성: 표본들 간 차이가 특정한 차이일 확률을 계산하여 결정을 할 수 있도록 도와주는 것이 통계적 검정
1.2. 이 책의 목적
- 실험 설계와 통계에 대한 정확한 이해 목적
- 많이들 어렵게 느끼는 수학적 접근이 아닌 통계적 검정의 실제 작동원리에 대한 개념 위주의 개론서
- 사용해야할 통계검정의 종류 결정 및 결과 의미 해석에 도움을 줄 수 있을 것
- 다른 사람의 실험 설계를 이해하고 평가하는데 도움을 줌
'Biological Science > Statistics' 카테고리의 다른 글
| [Statistics] 단측검정(one-sided) vs. 양측검정(two-sided) p-values, 어떤 걸 써야하는가? (0) | 2021.04.25 |
|---|---|
| [Statistics] p-value 구하는 원리 + 가설검정에서 p-value 활용 (1) | 2021.04.25 |
| [Statistics] FDR과 Benjamini-Hochberg procedure을 통한 adjusted p-value (4) | 2021.04.19 |
| [Statistics] 쉽풀생 뽀개기 - (2) '과학하기' - 가설, 실험, 반례 (0) | 2021.01.29 |
| [Statistics] 쉽풀생 뽀개기 - 시작하며. (2) | 2020.10.05 |