Learning DATALINK

[DATA SCIENCE]

데이터사이언스 > 모델링 > 연구계획 > 실험설계

완전확률화 실험설계

실험계획과 완전확률화
표1

[Q&A]

초등학생의 보드게임 사전과 사후의 수학적 창의력 점수 차이입니다.

절대 0이 없는 간격척도로 구한 데이터를 비교할 수 있게 해줍니다.

귀무가설에서의 “0”은 두 모집단의 평균 차이가 없음을 나타내며, 이는 통계적으로 “원점” 또는 “기준점”으로 간주합니다.

일반적으로 독립표본에서의 새로운 확률변수의 분산이 대응표본에서의 새로운 확률변수의 분산보다 더 크다고 할 수 있습니다. 이는 독립표본의 경우 두 모집단의 변동성이 모두 분산에 기여하기 때문입니다.

표준편차의 단위는 데이터의 원 단위를 유지하기 때문에, 그것을 데이터 집합의 변동성을 나타내는 ‘단위’로 사용할 수 있습니다. 결론적으로, 표준편차를 단위로 사용하는 것은 엄밀히 말하면 정확하지 않지만, 특정 상황에서는 유용하게 활용될 수 있습니다. 사용 전에 주의 사항을 숙지하고, 필요에 따라 다른 방법을 함께 사용하는 것이 바람직합니다.

독립표본은 독립된 두개 이상의 범주를 가집니다. 대응표본은 개체로 연결되어 있으며 같은 시간이나 공간의 이동으로 같은 개체의 속성변동을 반영합니다.

ARTICLE CONTENTS

Completely randomized experimental design

박근철, 양윤원

DocuHut Co. Ltd., Seoul, Republic of Korea

Park GC, Yang YW. Data Type. Data Science 2024;1:1.

Received: 31 March 2023, Revised: 30 April 2023, Accepted: 04 May 2023, Published: 19 May 2023

DOI : 24711

데이터사이언스, Vol, Issue, 

Print

Abstract

실험설계는 실험 결과와 그에 영향을 미치는 다양한 원인(인자) 및 그 값(수준)을 이해하기 위해 설계된 일련의 과정입니다. 이 과정은 실험 목적의 설정, 결과 변수의 선정, 원인 변수의 모델링, 그리고 실험 배치와 순서의 완전 확률화를 포함한 여러 단계로 구성됩니다. 실험계획의 목표는 통제 가능한 입력과 측정 가능한 출력 간의 관계를 모델링하여 최소한의 실험으로 최대한의 유용한 정보를 효율적으로 얻는 것입니다. 이를 통해 실험 목적을 만족시키는 것은 경제적인 측면에서도 중요합니다.

실험대상인 개체는 원인에 따라 다른 반응을 나타내며, 이러한 반응값은 실험 결과를 대표합니다. 실험에서는 이러한 원인과 결과 사이의 관계뿐만 아니라, 실험의 오차를 포함하는 모델을 개발합니다. 실험계획에는 랜덤화, 반복, 그리고 블록화와 같은 기본 원리가 적용되며, 이는 실험 결과의 신뢰성과 정확도를 높이는 데 필수적입니다.

실험설계의 성공은 실험목적에 적합한 반응변수를 선정하고, 이에 영향을 주는 원인과 그 수준을 정확히 선택하는 데 달려 있습니다. 효과적인 실험계획은 연구자가 한 번의 실험으로 필요한 모든 정보를 수집할 수 있게 하며, 실험 결과에 따라 추가 실험을 재설계할 수 있는 유연성을 제공합니다.

실험계획은 모든 학문 분야와 생산 현장에서 중요한 역할을 하며, 완전확률화를 통해 실험 전체를 무작위로 구성하여 다양한 외부 요인의 영향을 최소화합니다. 예를 들어, 자동차 모델별 연비 비교 실험에서는 차종에 따른 연비 차이를 정확히 파악하기 위해 완전확률화 실험계획을 적용합니다. 이는 실험의 신뢰도를 높이고, 운전자나 다른 외부 조건으로 인한 변동성을 줄이는 데 도움이 됩니다.

Key Word

실험설계, 원인, 결과, 실험개체, 완전확률화, 랜덤화

실험설계

실험설계 요소

실험설계는 실험결과와 그 실험결과에 영향을 미치는 원인(인자, factor)과 그 값(수준, level)을 알기 위하여 실험을 설계하고, 데이터를 수집하고, 분석하는 요소로 이루어진 일련의 계획입니다. 실험설계 전에는 실험목적의 설정,  결과변수의 선택, 원인변수 모델링, 실험배치와 순서의 완전확률화 등 실험계획의 여러 요소가 선행됩니다. 실험의 결과를 분석하거나 예측하기 위해 원인을 모델링하는 데, 원인은 여러 개의 값(수준)으로 구분됩니다. 여러가지 잘 정립된 실험계획법은 모든 학문분야 뿐만아니라 생산현장에서도 우수한 제품을 생산하기 위해 활용되고 있습니다. 실험계획에서는 통제가 가능한 입력, $x^{\prime}$와 측정 가능한 출력, $y$ 간의 변환함수, $f$를 모델링합니다.

$$y=f(x^{\prime})$$

실험설계는 실험목적과 적절한 성과의 획득을 위해 가장 많은 정보를 가장 효율적으로 얻을 수 있는 실험조건을 결정하는 실험전략입니다. 최소의 실험으로 실험의 목적을 만족하는 것은 경제성의 측면에서 중요합니다.

원인변수(인자, factor)와 원인변수값(수준, level)

실험개체는 실혐의 대상입니다. 원인은 개체(object)에게 영향을 주며 실험개체는 원인에 따라 실험결과를 냅니다. 각 원인변수의 값(수준)이 실험개체에 전달이 되고 실험개체는 반응을 하면서 결과를 내 놓게 되는 데 그 결과변수 값을 반응값(response)이라고 합니다. 그런데 같은 원인이 개체에 영향을 주더라도 실험결과는 항상 같지 않고 조금씩 달라집니다. 따라서 오차를 확률변수로 정하고 실험결과에 포함시키는 모델을 만들게 됩니다.

결과변수(반응변수, response variable) 선택

예를 들어, 최대 수율의 조건을 찾는 실험에서는 최대 수율의 조건이 결과입니다. 그러나 실험에서는 결과외에도 수율과 인자 간의 관계에 대한 많은 정보를 얻을 수 있습니다. 실험계획을 잘 수립하면 한번의 실험으로 많은 정보를 수집할 수 있습니다. 반면, 실험계획이 없는 경우에는 필요한 결과를 얻기 위해 매번 비효율적이고 비경제적인 행위를 반복하게 될 수 있습니다.

실험목적 설정

1) 모수의 추정과 검정

2) 오차항의 추정

3) 최적조건의 결정

실험설계 원리

실험설계의 기본 원리를 지키지 않았을 때 객관적으로 실험결과에 대한 해석이나 분석 결과를 신뢰받지 못할 수도 있습니다. 실험설계를 적용하기 위한 기본 원리는 다음과 같습니다.

1) 랜덤화 원리(principle of randomization)

정해진 원인 외에 기타 원인들의 영향이 실험결과에 유의한 영향을 미치는 것을 방지하기 위한 방안.

2) 반복 원리(principle of replication)

반복을 함으로써 오차항의 자유도를 크게 하고 이로 인해 오차의 분산을 작게하여 오차의 신뢰도와 실험결과의 신뢰성을 높일 수 있는 방안. 오차항의 자유도가 커지면 오차항의 분산이 줄어들기 때문에 가설을 검증할 때의 신뢰성이 높아집니다.

3) 블록화 원리(principle of blocking)

실험환경을 시간적, 공간적으로 분리하여 하나의 인자로 블럭화하여 구성함으로써 신뢰성이 높은 결과를 얻을 수 있습니다.

실험계획 순서

실험을 계획할 때 실험목적을 먼저 정합니다. 실험목적이 가장 중요하고 실험목적에 따라서 결과변수(반응변수)를 선택하기 때문입니다. 실험목적에 맞는 반응변수를 선택하고 나서 반응 값에 영향을 주는 원인은 무엇이 있으며 그 원인의 원인값(수준)은 어떤 것으로 하는 것이 좋은가를 선택합니다. 보통 인자수는 3~5를 넘지 않고 인자 수준도 3~5정도 입니다. 그리고 실험을 배치하고 실험순서를 정함에 있어 랜덤(random, 완전확률화)함이 중요합니다. 실험은 실험계획에 따라 진행되며 실험을 진행하면서 반응값(데이터)을 관측하여 수집합니다. 그리고 수집한 데이터를 분석하고 결과를 도출하고 결과를 해석합니다. 실험목적이 달성되어 실험을 종료하거나 실험목적이 달성되지 않은경우, 실험결과에 따라 실험을 재설계하여 재실험을 할 수도 있습니다.

완전확률화

완전확률화(randomizaion)는 확률실험설계에 있어 무작위로 실험대상을 선발하여 원인을 배제하는 방법입니다. 원인(인자, 요인, 중재, 처치, factor, intervention, treatment)에 따른 결과(반응, 효과)를 살펴보는 실험을 설계한다고 할 때, 가장 중요한 것은 관심을 가지는 원인이외의 다른 원인이 결과에 영향을 미치면 안된다는 점입니다.

예를 들어, 자동차모델 A, B, C의 1리터당 주행거리(연비)를 비교하는 실험을 설계한다고 하면 관심을 가지는 결과변수는 연비이고 결과변수에 영향을 주는 원인변수(인자, factor, 설명변수)는 자동차모델입니다. 정리하면, 원인변수로서의 범주형 변수는 변수값으로 A, B, C의 범주(카테고리, category, 수준, level)를 가지는 자동차모델입니다. 원인변수(인자, factor)는 명목척도로 구해지는 범주형변수이며, 결과변수는 비례척도로 구해지는 연속형변수입니다. 차종(자동차 모델)별로 연비를 관측할 때 실험 기간이 길 수도 있고 비용 등 여러 가지 이유로 자동차모델별로 많은 차를 추출하기 어렵습니다.

원인변수인 자동차모델( 차종)의 변수값이 A, B, C인 자동차모델간에 존재할 수 있는 차이를 정확하게 파악하기 위해서는 다른 원인들의 영향을 될 수 있는 대로 적게 해 주는 것이 좋습니다. 이를 위한 방법 중의 하나는 실험 전체를 완전확률화(무작위, random)하게 하는 것입니다. 같은 자동차모델이라도 연식에 따른 영향과 각 모델에서도 차량별로 다름을 최대한 줄여야 합니다. 그래서 각 자동차 모델 중에서 실험시간과 실험비용을 고려해서 완전확률화(무작위, random)로 신차 5대를 선정하였습니다. 표본을 무작위로 추출하였다고 해도 동일한 조건하의 연비측정을 위해 한 운전자가 모든 15대의 차를 운전해 실험해 볼 수도 있지만 하루에 3대밖에 측정할 수 없다면 총 5일에 걸쳐서 측정을 하게 됩니다. 이 경우 연비를 측정하는 5일동안 날씨나 풍속, 풍향 등 여러 환경이 달라 질 수 있어 측정된 값이 실험날짜에 영향을 받을 수 있습니다.

최종적으로 하루에 모든 차의 연비를 측정하기 위하여 다섯 명의 운전자(1, 2, 3, 4, 5)가 차를 운전하는 실험설계를 하였다면 이번에는 자동차 연비는 운전자에 따라 영향을 받을 수 있는 문제가 발생합니다. 그래서 15대의 차를 5명의 운전자에게 무작위(random)로 3대씩 배정한 후 실험의 순서 역시 무작위로 하는 완전확률화 실험설계를 이어갑니다. 15대의 차에 1번부터 15번까지의 번호를 부여한 다음, 추첨으로 나오는 번호순서대로 연비를 측정합니다. 이와 같이 실험하면 운전자에 의한 변동이 전체 관측값에 균등하게 영향을 미치어 다른 운전자로 인해 연비가 달라질 가능성이 줄어듭니다. 이와 같이 모든 실험과정에서 무작위를 도입하는 방법을 완전확률화 실험계획(completely randomized design)이라 부릅니다.

위의 요인외에도 운행조건(예를 들면 정차가 심한 도심보다는 고속도로에서 연비가 높게 개발된 차)을 모두 동일하게 하는 완전화확률을 구현하는 것은 어렵습니디. 어느 도로에서 실험할 것인지를 무작위(추첨)으로 하기에는 무리가 있습니다. 따라서 완전확률화의 범위를 정해야 하며 이는 실험목적을 따르는 것이 중요합니다. 정리하면 실험목적을 분명히 정하고 실험에 있어 완전확률화를 구현하는 것이 순서입니다.

다음의 표는 추첨(제비뽑기, 프로그램으로 난수를 발생시켜 정하기)에 의해 운전자와 차종별 5대의 차가 배치된 실험설계를 보여 줍니다. 기호 A, B, C는 다른 자동차모델(차종)을 의미합니다.

완전확률화에 따른 실험설계의 예

운전자 1 2 3 4 5
표본추출된 차종(자동차모델) B1 A2 B2 C1 A4
   B5 C4 A1 A3 C3
   C5 B4 A5 B3 C2

Terminology

시행

확률이론에서, 실험이나 시행은 무한히 반복되어 행해 질 수 있고 표본공간으로 알려진 가능한 모든 결과의 집합을 얻는 과정을 말합니다. 실험은 하나 이상의 결과가 있을 경우는 “무작위”로, 하나만 있는 경우는 “결정적”으로 표현합니다. 예를 들면, 2 가지(결과는 상호 배타적) 가능한 결과를 갖는 무작위 실험은 베르누이 시험이 있습니다.

실험이 수행 될 때, 시행의 결과는 보통 하나로 나타납니다. 그 결과는 모든 사건에 포함됩니다. 이 모든 사건은 시행에서 발생했다고 말합니다. 같은 실험을 여러 번 수행하고 결과를 모으고 나면 실험자는 실험에서 발생할 수 있는 다양한 결과 및 사건의 경험적 확률을 평가하고 통계분석방법을 적용할 수 있습니다.

출처

Experiment (probability theory) – Wikipedia

확률

확률은 사건이 일어날 가능성을 정량화하는 척도입니다. 확률은 0에서 1 사이의 숫자로 정량화됩니다. 여기서, 0은 불가능함을 나타내며 1은 확실함을 나타냅니다. 시행(event)의 확률이 높을수록 시행이 발생할 가능성이 큽니다. 간단한 예가 동전 던지기입니다. 동전 던지기는 결과가 명확하게 두 가지 결과인 “앞면(Head)”와 “뒷면(Tale)”으로 나타납니다. 그리고 쉽게 앞면과 뒷면의 확률은 동일하다고 동의가 이루어집니다. 다른 결과가 없기 때문에 “앞면”또는 뒷면”의 확률은 1/2 (0.5 또는 50 %)입니다.

이러한 확률개념은 수학, 통계, 금융, 도박, 과학 (특히 물리학), 인공지능, 기계 학습, 컴퓨터 과학, 게임 이론 등과 같은 분야에 공리적 수학적 형식화를 제공합니다. 빈도에 관한 추정을 이끌어내거나 복잡한 시스템의 기본 역학 및 규칙성을 기술하는 데에도 사용됩니다.

출처

Probability – Wikipedia

확률공간

확률이론에서, 확률공간 또는 확률 3요소($\Omega, \mathcal{F}, P$)는 무작위로 발생하는 상태로 구성된 실제 프로세스 (또는 “실험”)입니다. 확률공간은 특정 상황이나 실험을 염두에 두고 구성됩니다. 그런 종류의 상황이 발생할 때마다 가능한 결과의 집합이 동일하고 확률도 동일하다는 것을 보여줍니다.

확률공간은 다음 세 부분으로 구성됩니다

– 가능한 모든 결과의 집합인 표본공간 : $\Omega$
– 0개 이상의 결과가 포함된 시행(event)의 집합 : $\mathcal{F}$
– 시행에 확률을 할당하는 함수 또는 시행에서의 확률 : $P$

결과는 모델을 한 번 실행한 결과입니다. 개별 결과는 거의 실용적이지 않을 수 있기 때문에 더 복잡한 시행을 하여 결과 집단을 특성화합니다. 그러한 모든 사건의 집합은 $\sigma$ 대수인 $\mathcal F$입니다. 마지막으로 각 시행의 발생 가능성을 지정해야 할 필요가 있습니다. 이것은 확률측정함수, $P$를 사용하여 수행됩니다.

확률공간이 설정되면 “자연”이 이동하고 표본공간($\Omega$)에서 단일결과 ($\omega$)를 선택한다고 가정합니다. 선택된 결과($\omega$)를 포함하는 $\mathcal {F}$의 모든 시행($\Omega$)이 “발생했다”고합니다. 각 시행은 $\Omega$의 하위집합 입니다. 본질적으로 수행되는 선택은 실험이 무한 반복 될 경우, 각 사건의 발생 빈도는 함수에 의해 규정 된 확률과 일치 할 수  있는 방식으로 수행됩니다.

러시아의 수학자 Andrey Kolmogorov는 1930년대 확률공간의 개념을 다른 확률의 공리와 함께 소개했습니다. 오늘날 확률론의 공리화를 위한 대체 접근법이 존재합니다. 무작위 변수의 대수학입니다. 이는 확률 조작에 관한 수학과 관련있습니다.  “확률해석”은 “확률”의 의미와 해석 방법에 대한 몇 가지 대안을 설명합니다. 또한, 개념적으로는 확률과 유사하지만 모든 규칙을 따르지 않는 양에 대한 이론을 수립하려는 시도가 있었습니다. 예를 들어 자유확률, 퍼지이론, 가능성이론, 부정확률 및 양자확률입니다.

출처

Probability space – Wikipedia

확률변수

확률이론 및 통계에서 임의의 양, 임의의 변수, 즉 확률변수는 비공식적으로 값이 임의의 현상의 결과에 의존하는 변수로 설명됩니다. 확률변수에 대한 공식적인 수학적 설명은 확률이론의 주제입니다. 그 맥락에서, 확률변수는 결과가 일반적으로 실수인 확률공간에서 정의된 측정 가능한 함수로 이해할 수 있습니다.

확률변수의 가능한 값은 아직 수행되지 않은 실험의 가능한 결과 또는 이미 존재하는 값 불확실한 과거 실험의 가능한 결과인 경우를 나타내는 이미 존재하는 값으로 나타낼 수 있습니다 (예 : 부정확한 측정 또는 양자 불확실성으로 인해). 그들은 또한 개념적으로 “객관적”무작위 과정의 결과 또는 양에 대한 불완전한 지식으로 인한 “주관적인”무작위성”을 나타낼 수 있습니다. 확률변수의 잠재 가치에 할당된 확률의 의미는 확률 이론 자체의 일부가 아니며 확률의 해석에 대한 철학적 주장과 관련이 있습니다. 수학은 사용되는 특정 해석과 상관없이 동일하게 작동합니다.

함수로서 확률변수는 측정 가능해야 하며 확률은 잠재가치 집합으로 표현할 수 있습니다. 결과는 예측할 수 없는 몇 가지 물리적 변수에 달려 있을 수 있습니다. 예를 들어, 공정한 동전 던지기의 경우, 앞면 또는 뒷면의 최종 결과는 불확실한 동전의 물리적 조건에 달려 있습니다. 관찰되는 결과는 확실하지 않습니다. 동전의 표면에 균열이 생길 수 있지만 이러한 가능성은 고려 대상에서 제외됩니다.

확률변수의 존재 지역은 표본공간이며 임의의 현상의 가능한 결과의 집합으로 해석됩니다. 예를 들어, 동전 던지기의 경우 두 가지 가능한 결과, 즉 앞면 또는 뒷면이 그러합니다.

확률변수는 확률분포를 가지며, 확률분포는 확률변수의 확률값을 지정합니다. 무작위 변수는 이산형일 수 있습니다. 즉, 임의의 변수의 확률분포의 확률 질량함수 특성이 부여된 유한한 값 또는 계산 가능한 값에서 하나를 취합니다. 또는 임의의 변수의 확률분포의 특징 인 확률밀도함수를 통해 간격 또는 연속된간격에서 임의의 수치 값을 취하는 연속 또는 두 유형의 혼합물 일 수 있습니다.

동일한 확률분포를 갖는 두 개의 확률 변수는 다른 확률 변수와의 관련성 또는 독립성 측면에서 다를 수 있습니다. 무작위 변수의 실현, 즉 변수의 확률분포 함수에 따라 무작위로 값을 선택한 결과를 무작위 변수라고 합니다.

출처

Random variable – Wikipedia

Reference

  1.  

본인의 Google 계정으로 구글시트를 복사

=ROWS(F2:F2) : 지정된 배열 또는 범위에 있는 행의 개수.

=RANDBETWEEN(1,100) : 두 값 사이(두 값 포함)의 고르게 분산된 정수인 난수를 반환.

=INDIRECT(D3&”:”&E3) : 문자열로 지정된 셀 참조를 반환.

=COUNTIF(F2:F2, ROW(D3:E3)) : 범위에서 조건에 맞는 개수를 표시.

=NOT(논리표현식) : 논리 값의 역을 반환.

=LARGE(데이터집합, n) : 데이터 집합에서 n번째로 큰 요소를 반환.

=ARRAYFORMULA : 배열 수식에서 여러 행 또는 열에 반환된 값을 표시.

=ARRAY_CONSTRAIN : 배열 결과를 지정된 크기로 제한.

=VLOOKUP(H3,A:B,2,FALSE) : 열 방향 검색. A:B열의 첫 번째 열에서 H3값이 있는 행의 2번째 값을 표시합니다. FALSE를 입력하면, 완전히 일치된 값만 표시합니다. FALSE가 아닌 TRUE를 입력하면, H3에 근접한 값(H3보다 작거나 같은 값)이 있는 행의 2번째 값을 표시합니다.

=AVERAGE(B3:B1002) : 평균. B3에서 B1002에 있는 데이터의 평균.

=VARP(B3:B1002) : 모분산. B3에서 B1002에 있는 데이터의 모분산. 편차제곱합을 데이터 개수로 나눔.

=STDEV.P(B3:B1002) : 모표준편차. B3에서 B1002에 있는 데이터의 모표준편차. 모분산의 제곱근.

=COUNT(I3:I22) : 데이터 개수. I3에서 I22에 있는 숫자로 표시된 데이터의 개수.

=VAR.S(I3:I22) : 표본분산. I3에서 I22에 있는 데이터의 표본분산. 편차제곱합을 데이터 개수 -1로 나눔.

=STDEV.S(I3:I22) : 표본표준편차. I3에서 I22에 있는 데이터의 표본표준편차. 표본분산의 제곱근.

=AK3/SQRT(AH3) : AK3 값을 AH3의 제곱근으로 나눔. 이 실습에서는 표준오차를 계산함.

=T.INV(1-(1-AN3)/2,AH3-1) : T확률분포에서 T값을 계산. T.INV(확률, 자유도)로 구성. 이 실습에서는 AN3에 95% 신뢰수준을 입력하였는데, 양측검정에서는 양쪽 끝 확률이 각각 2.5%가 되어야 함. 따라서, 1-(1-0.95)/2를 하면 누적확률밀도가 0.975, 즉 97.5%가 되어서, 양쪽 끝 확률이 각각 2.5%인 T값을 얻을 수 있음.

=AND(AR3>=AP3, AR3<=AQ3) : 입력된 조건이 모두 참이면 TRUE, 입력된 조건 중 하나라도 거짓이면, FALSE를 표시. AR3값이 AP3 이상이고, AQ3 이하이면 TRUE를 표시함.

[DATA SCIENCE]

[PROJECT BASED LEARNING]