통계적 추론(추정과 검정)에서 핵심적으로 사용되는 주요 분포들의 관계와 생성 과정

: 표준정규분포에서 시작하여 카이제곱, t, F 분포로 이어지는 자연스러운 흐름을 중심으로 구성

📊 통계 추론용 분포의 계층 구조 및 관계 정리

통계학에서 데이터를 분석하고 결론을 도출할 때 사용하는 주요 분포들은 모두 표준정규분포(Z)로부터 유도됩니다.

1. 모든 분포의 시작: 표준정규분포 (Z)

1. 정의: 평균이 0이고 표준편차가 1인 가장 기본적인 분포입니다.
2. 수식: Z ~ N(0, 1)
3. 
   

2. 제곱의 합: 카이제곱분포 (chi^2)

1. 생성 원리: 서로 독립인 표준정규변수(Z)들을 각각 제곱하여 더하면 카이제곱분포가 됩니다.
2. 특징: 표준정규분포를 '제곱'했다는 점이 핵심이며, 더해진 변수의 개수에 따라 자유도(k)가 결정됩니다.
3. 수식: Z_1^2 + Z_2^2 + ... + Z_k^2 ~ chi^2(k)
4. 
   

3. 평균의 표준화: t-분포 (t)

1. 생성 원리: 정규분포를 따르는 모집단의 평균을 추론할 때, 모표준편차를 몰라서 샘플의 표준편차를 대신 사용할 경우 생성되는 분포입니다.
2. 구조: 표준정규분포(Z)를 카이제곱분포의 제곱근으로 나눈 비율의 형태를 띱니다.
3. 수식:
4. 

4. 분산의 비교: F-분포 ($F$)

1. 생성 원리: 두 그룹의 분산(변동성)을 비교할 때 사용하며, 두 개의 카이제곱분포의 비율로 정의됩니다.
2. 구조: 각각의 자유도로 나눈 두 카이제곱분포의 비율입니다.
3. 수식:
4. 
5. 
   

💡 요약 및 연결 고리 (자연스러운 흐름)

1. 표준정규분포(Z)를 제곱해서 합치면 ➡️ 카이제곱분포(chi^2)가 됩니다.
2. 표준정규분포를 카이제곱분포로 나누면 ➡️ t-분포가 됩니다.
3. 카이제곱분포끼리 서로 나누면 ➡️ F-분포가 됩니다.
4. 특히, t-분포를 제곱하면 자유도가 (1, nu)인 F-분포가 되는 밀접한 관계가 있습니다.