Differences

This shows you the differences between two versions of the page.

--- c:ms:2026:lecture_note_week_04 [2026/03/31 16:13] – [Recap] hkimscil
+++ c:ms:2026:lecture_note_week_04 [2026/03/31 22:28] (current) – hkimscil
@@ Line 46: / Line 46: @@
 </code>
-====== Recap ======
-Distribution of Sample Means -- mu = 40, sigma = 4 (hence var = 16) 인 모집단에서 n = n 사이즈의 샘플링을 무한 반복할 때 그 샘플평균들이 모인 집합
-<tabbox rscript01>
-<code>
-rm(list=ls())
-rnorm2 <- function(n,mean,sd){
-  mean+sd*scale(rnorm(n))
-}
-ss <- function(x) {
-  sum((x-mean(x))^2)
-}
-mu <- 40
-sigma <- 4
-iter <- 1000000
-sz <- 16
-se <- sigma/sqrt(16)
-################################
-means <- rnorm2(iter, mu, se)
-hist(means, breaks=50,
-     xlim = c(mu-6*se, mu+6*se),
-     main = paste("sampling distribution"))
-abline(v=mu, col='black', lwd=2)
-lo1 <- mu - se*1
-hi1 <- mu + se*1
-lo2 <- mu - se*2
-hi2 <- mu + se*2
-lo3 <- mu - se*3
-hi3 <- mu + se*3
-abline(v=c(lo1, lo2, lo3, hi1, hi2, hi3),
-       col=c("green","blue", "black"),
-       lwd=2)
-print(c(lo2, hi2))
-m.samp <- 37
-p.val <- pnorm(m.samp, mu, se)*2
-p.val
-z.cal <- (m.samp-mu)/se
-z.cal
-p.val <- pnorm(z.cal)*2
-p.val
-zmeans <- scale(means)
-hist(zmeans, breaks=50,
-     xlim = c(0-10*1, 0+10*1),
-     main=("normalized distribution\nof sample means"))
-abline(v=0, col="black", lwd=2)
-abline(v=z.cal, col='blue', lwd=2)
-abline(v=-z.cal, col="green", lwd=2)
-text(x=-6, y=50000,
-     label=paste("z.cal =", z.cal),
-     pos = 1,
-     col="blue", cex=1)
-text(x=4, y=50000,
-     label=paste(-z.cal),
-     pos=1,
-     col="green", cex=1)
-text(x=-6, y=30000,
-     label=paste("pnorm(z.cal)*2 =", "\n",
-                 round(p.val,3)),
-     pos = 1,
-     col="red", cex=.8)
-hist(zmeans, breaks=50,
-     xlim = c(0-10*1, 0+10*1),
-     main=("normalized distribution\nof sample means"))
-abline(v=0, col="black", lwd=2)
-abline(v=c(-1,-2,-3,1,2,3),
-       col=c("green", "blue", "black"), lwd=2)
-z.cal
-p.val
-#####
-# 위의 아이디어로는 z.cal 점수가
-# +-2 밖에 있는지 보면 된다. 즉,
-# 이는 prob가 0.05보다 작은지
-# 보면 되는 것이다.
-#####
-# +-2 는 정확한 숫자가 아니고
-# qnorm(.05/2) 에 해당하는 숫자
-# 가 정확한 숫자
-two.minus.exact <- qnorm(.05/2)
-two.plus.exact <- qnorm(1-(.05/2))
-c(two.minus.exact, two.plus.exact)
-#####
-# 그러나 R 사용시에는 z 점수로
-# 판단하기 보다는
-# 직접 구하는 prob.로 판단
-pnorm(z.cal)*2
-p.val
-#####
-# 위에서 그룹 간의 차이를
-# standard error로 나누는 것에 주의
-#
-################
-m.samp <- 43
-sd.samp <- 4
-sz <- 16
-samp <- rnorm2(sz, m.samp, sd.samp)
-diff <- m.samp - mu
-se <- sd.samp / sqrt(sz)
-t.cal <- diff/se
-df <- sz-1
-p.val <- pt(t.cal, df=df, lower.tail = F)*2
-t.cal
-df
-p.val
-t.test(samp, mu=mu)
-#####
-#
-m.a <- 5.8
-m.b <- 6.3
-sd.a <- .5
-sd.b <- .5
-sz.a <- 16
-sz.b <- 16
-df.a <- sz.a-1
-df.b <- sz.b-1
-df <- df.a + df.b
-a <- rnorm2(sz.a, m.a, sd.a)
-b <- rnorm2(sz.b, m.b, sd.b)
-diff <- m.a - m.b
-pv <- (ss(a)+ss(b))/(df.a+df.b)
-se <- sqrt(pv/sz.a+pv/sz.b)
-t.cal <- diff / se
-p.val <- pt(t.cal, df=df)*2
-diff
-se
-t.cal
-df
-p.val
-t.test(a,b, var.equal = T)
-diff - se*2
-diff + se*2
-lo <- qt(.05/2,df)
-lo
-hi <- -lo
-diff + se*lo
-diff + se*hi
-</code>
-<tabbox out01>
-<code>
-</code>
-</tabbox>