비대칭적 분포 데이터와 정규 분포 데이터 보고?저는 여러 집단에 걸쳐 연속적인 수치 데이터를 평가하는 연구에 참여하고 있습니다. 반복 실험 횟수가 낮은 것으로 확인되었지만(집단당 n=10), 이 연구에서는 이를 수정할 수 없습니다. 아마도 이로 인해 정규 분포를 보였을 수 있는 일부 관련(유사한 특성) 변수가 샤피로-윌크 검정에 따라 편향된 것으로 보입니다. 각 집단 간 각 변수의 결과를 평가할 때 각각 비모수 검정과 모수 검정을 적용하지만, 제 질문은 데이터를 어떻게 보고해야 하는지입니다. 저는 편향된 데이터는 중앙값과 범위로, 정규 분포 데이터는 평균 ± 표준 편차로 보고한다고 항상 알고 있었습니다. 그러나 원고에서 이를 보고할 때, 특히 제가 제안했듯이 변수가 유사한 특성(예: 좌우 해부학적 거리)을 가진 경우 이러한 접근 방식이 복잡해 보입니다. 데이터가 편향된 경우에도 원고 전체에서 평균과 표준 편차를 사용할 수 있습니까? 저는 여전히 올바른 유형의 통계 검정을 적용할 것입니다.
결과 공유 및 전달Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?여기에 '맞는' 답이나 '틀린' 답은 없다고 생각합니다. 평균과 중앙값은 중심 경향을 나타내는 서로 다른 척도일 뿐입니다. 표준편차는 분산을 나타내는 하나의 척도일 뿐입니다. 평균과 중앙값을 모두 참조할 수 없는 이유가 있을까요? 결국 둘 다 기술 통계량일 뿐입니다. 어쨌든... 저는 빈도 분포 자체만 보여주고 독자가 그림 자체를 보고 해석하도록 하는 편이 좋을 것 같습니다. 단일 수치형 '통계량'은 사용하지 않을 겁니다.
Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?Pete의 의견에 동의합니다. Shewhart(경제통제... 94쪽)에 따르면 평균과 표준편차는 항상 유용한 통계량입니다. 그의 책의 해당 부분에서 그는 왜도와 평탄도 측정이 별 가치가 없다고 말합니다.
Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?비대칭성이 중요한 역할을 하는 다른 분야가 있을 수도 있습니다.
수명, 사망률, 범죄율, 유성 등을 생각해 보세요...
- 한 방향의 이상치는 다른 방향의 이상치보다 훨씬 더 무섭습니다.
Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?슈하트와는 논쟁해야 할 겁니다. 그 댓글들은 그의 책에서 직접 따온 겁니다.
Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?음, 쉽지 않네요...
Copilot의 도움으로:
JMP 정신에 따른 응답입니다 
원래 질문에서 벗어났다는 점을 인정해야겠습니다.
Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?정말 좋아요. AI가 얼마나 틀릴 수 있는지 보여주는 거죠. 특수 원인(Special Cause)과 공통 원인(Common Cause)은 데밍이 사용한 단어입니다. 슈하트는 같은 단어를 설명하기 위해 할당 가능(Assignable)과 할당 불가능/우연/무작위(Unassignable/Chance/Random)라는 단어를 사용했습니다.
Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?고맙죠!
그리고 "공동의 대의"라는 용어는 1947년 해리 앨퍼트가 만들어냈나요?
슈하트가 이 답변에서 왜 그 표현을 사용했는지 모르겠습니다.
아마도 그는 새로운 용어를 듣고 유용하다고 생각했을 것입니다.
Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?"슈하트가 이 답변에서 왜 그 단어를 사용했는지 모르겠습니다."
그는 그렇게 하지 않았습니다 . 제 요점은 바로 그것입니다. 당신은 AI를 이용해서 슈하트가 했을 법한 말을 만들어내고 있는데, 그건 틀렸습니다 . 데밍의 "위기에서 벗어나기" 11장을 읽어보세요.
네, 알퍼트 박사가 감옥 내 폭동에 관해 그 표현을 만들어냈어요.
Re: 비대칭적 분포 데이터와 정규 분포 데이터 보고?"무엇이든 할 수 있다, 다만 무엇을 했는지 말만 하면 된다"라는 오래된 통계 격언이 맞는 것 같네요! 제 제안이 받아들여질 수 있다는 확신을 주셔서 감사합니다.
