생각 작업실 The atelier of thinking

11일차 데이터가 많다는 것이 좋기만 한 것일까?     빅데이터를 넘어선 메가 빅데이터 시대에 우리는 데이터가 넘쳐나는 환경 속에서 살고 있다. 인공지능의 급속한 발전 역시 데이터의 폭발적인 증가와 깊은 연관이 있다고 한다. 그런데 단순히 데이터의 양이 많다고 해서 무조건 좋은 것일까? 라는 질문을 해본다. 아마도 무조건은 아닐 것이다. 중요한 것은 "적합한 데이터"이냐 아니냐의 문제이다. 내가 알고자 하는 주제에 관련된 필요한 데이터가 충분히 많아야만 그 데이터는 의미가 있다. 만약 주제에 맞지 않는 불필요한 데이터가 포함된다면, 이는 공간만 차지하는 데이터 쓰레기에 불과할 것이다. 따라서 데이터가 많다는 것은 잠재적 장점이 될 수 있지만, 궁극적으로 중요한 것은 데이터의 질과 적합성이다. 통계학에서..

Chapter 6. 자료 수집 - 표본추출(Sampling) 1. 표본 추출 개념 통계학은 관심 또는 연구의 대상인 모집단의 특성을 파악하기 위해, 모집단으로부터 일부의 자료(표본)를 수집하고 수집된 표본을 정리, 요약, 분석하여 표본의 특성을 파악한 후 표본의 특성을 이용하여 모집단의 특성에 대해 추론하는 원리와 방법을 제공하는 학문입니다. 표본추출은 통계학의 시작이라고 할 수 있습니다. 모집단으로부터 일부의 자료인 표본을 추출하여 해당 표본을 대표할 수 있도록 잘 선택하는 것이 중요합니다. 만약 표본추출이 잘못되어 적절하지 않은 표본이 선택된다면, 해당 표본을 기반으로 한 모집단에 대한 추론은 틀릴 수 밖에 없습니다. 따라서 표본추출은 통계적 분석을 수행하는 데 있어 가장 기본이 되는 요소라고 할 수..