Differences

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

--- variance [2025/08/24 11:50] – hkimscil
+++ variance [2025/08/24 12:12] (current) – hkimscil
@@ Line 23: / Line 23: @@
   * 따라서 먼저 언급한 제곱의 합은 "(평균으로 개인점수를 예측했을 때 얻는) 오차의 제곱의 합"이라고 이해라 수 있다.
     * 이를 Sum of Square Error 라고도 부른다
-    * 혹은 Sum of Square Total이라고도 부르는데 이 때 Total의 의미는 Y 변인의 (평균에서의) 오차 전체를 의미한다고 보면 된다.
     * 혹은 Sum of Square Deviation Score 라고도 부르는데 deviation score라는 것은 개인 점수가 (Yi) 평균에서 얼마나 떨어져 있는가를 (deviated 되어 있는가) 알려준다고 설명하기 때문이다. 따라서 deviation score는 error score (from the mean) 와 같은 것이다.
+    * 또한 SS Error는 Sum of Square Residual이라고도 부른다. 여기서 residual의 의미는 샘플의 전체특징힌 평균값을 뺀 나머지라는 (residual) 뜻에서의 residual이다.
+    * 마지막으로 Sum of Square Total이라고도 부르는데 이 때 Total의 의미는 Y 변인의 (평균에서의) 오차 전체를 의미한다고 보면 된다.
   * 분산은 (variance) 위의 Sum of Square 값을 (평균을 구할 때와 마찬가지로) 샘플의 크기인 n으로 나누어준 값을 말한다.
@@ Line 31: / Line 32: @@
   * 따라서 분산값은 아래처럼 요약된다.
 \begin{eqnarray*}
-\sigma & = & \dfrac {\text{SS}} {\text{df}} \\
+\sigma^2 & = & \dfrac {\text{SS}} {\text{df}} \\
 & = & \dfrac{\text{Sum of Error Square}}{\text{df}} \\
+& = & \dfrac{\text{Sum of Residual Square}}{\text{df}} \\
 & = & \dfrac{\text{Sum of DS Square}}{\text{df}}, \;\;\; \text{DS = Deviation Score} \\
-& = & \dfrac{\sum{(Yi - \overline{Y})^2}}{n-1} \\
+& = & \dfrac{\sum{(Yi - \overline{Y})^2}}{n-1}, \;\;\; \text{where } (Yi - \overline{Y}) = \text{Error, Residual, or DS}
-&   & \text{where } (Yi - \overline{Y}) = \text{Error or DS}
 \end{eqnarray*}