https://hyperconnect.github.io/2021/02/26/auto-stats-test.html
위 글 내용인데
1000만 명의 매출 데이터를 모집단으로 준비합니다. 여기서 복원추출로 한 그룹당 10만 명씩 랜덤하게 뽑는 행위를 반복해 10개의 그룹을 만들어 봅시다. 그 후 각 그룹의 mean의 분포 구해봅시다. mean의 분포는 당연히 데이터의 분포를 어떻게 가정하냐에 따라 달라지는데, pareto 분포를 가정하면 다음과 같이 됩니다.
평균의 분포계산하는데 파레토 분포를 가정하고 계산한다는게 무슨말임?
그룹의 10만개 데이터에서 n개 뽑아서 mean * m번 반복이 표본평균분포아닌가
이미 데이터가 있는 상태에서 파레토 분포를 가정하면 샘플링에서 뭔가 바뀌는건가
그냥 예시를 파레토분포로 든 것 같은데 - dc App
샘플링 과정에서 뭐가 바뀌는건 아니지. 샘플링 후 표본들을 보고 각 그룹별 표본 분포를 추정하여서 그룹별로 차이가 있는지 보여주는 상황으로 이해됨. 그때 이 표본 분포를 구하려면 모집단의 분포에 대한 가정이 필요함. 그 가정을 어떻게 주냐에 따라 완전히 다른 결과 해석이 나올 수 있다는 설명 같네
1000만명의 '모집단'을 pareto에서 뽑았다는거 같은데