2부-2교시
2부-2교시
2026.01.09 금 오후 3:00 ・ 63분 35초
이해원
참석자 1 00:00금방 만들어 드릴 테니까 걱정하지 마십시오. 저의 특징이 뭐냐 하면 제가 지금 나이가 몇 살인지 아십니까?
참석자 2 00:07아까 70이라고 하셨잖아.
참석자 1 00:1170이야 70 나이가 70인데 주름도 없어 진짜 왜 그런지 아십니까?항상 즐겁고 긍정적으로 저는 로션도 안 바르고 감기약도 먹어본 적이 없습니다.부교감 항상 어떤 방법으로 어떤 태도로 살아야 되느냐
참석자 2 00:34감정적으
참석자 1 00:35다른 사람을 행복하게 만들어 주려는 마음으로 살면 그래요.
참석자 2 00:38노력하겠습니다.
참석자 3 00:44가장 행복해 보이세요.
참석자 1 00:46그런 마음가짐을 가지면 젊어집니다. 저는 로션도 안 바릅니다.그다음에 면도 하고 면도 크림도 안 먹어요. 그런데도 피부가 유지가 돼요.가장 세상에서 가장 좋은 약 가장 좋은 영양제 가장 좋은 화장품은 뭔지 아십니까?감사. 어플리쉐이션 감상 제가 70이 됐는데도 나보고 강의해 달라고 그러고 우리 대학에서는 유명 강사가 제발 강의 좀 해달라.그런데도 시간이 없어서 못해요. 얼마나 행복한 일이에요.내 친구들은 70 먹은 내 친구들은 운전도 안 해요.난 노인네가 이거 운전하게 생겼다. 저는 절대 노인네라고 생각하지 않아요.미국 대학에 우리 지도 교수님은 38년생인데 지금도 광양학생 38년생 생각하기 나름이에요.38년생인데 지금도 강의하시는 몇 살이라고요?88세예요. 지금도 현역으로 다녀요. 저는 아무것도 안 해요.우리 대학의 이사장님은 저를 보고 뭐라고 그러잖아요.
참석자 1 01:52저 대학원장 김 원장님 김 원장님은 저하고 몇 년 더 일하셔야 됩니다.몇 세까지 일할까요? 그러니까 뭐 그렇게 많이 요구하지 않을 테니까 30년만 같이 일합시다.이러시는 그럼 자기는 30년 있다. 30년 지나면 16살이에요.나는 100살이고 그러셔도 되고 작년에 나하고 30년만 같이 가자.30년까지는 모르겠지만 정말 열심히 할 겁니다.하실 것 같아. 그래서 제가 가능성이 있는 게 뭐냐 하면 통계 프로그램 개발하는 사람이 저처럼 열심히 행복하게 개발하는 사람이 없다는 거예요.젊은 사람들은 골치 아프게 이거 안 해 너무 좋아 경쟁자가 없어요.
참석자 4 02:35이 때문입니다. 이쪽
참석자 1 02:38해보면 아시겠지만 또 쉽지는 않아요. 쉬워 보이지만 쉽지는 않아요.쉽지 않다고 여러 사람이 시도했지만 다 나가져 버렸어요.근데 저는 다른 사람보다 잘하는 게 뭐냐 포기를 안 해 끈질기게 포기하 여기까지 왔습니다.천지 그러면 지금서부터 여러분처럼 따라서 하십시오.파일을 누르고 예제 파일을 넣어서 기본 예제를 봅니다.
참석자 1 03:06여기에서 파일을 7개만 선택하겠습니다. 원래는 10개까지 선택하게 만들어놨어요.더 많이 선택해도 되지만 해도 되지만 이 한 창에 너무나 수십 개 파일을 놓으면은 못 찾아 그래서 10개를 제한해 놨어요.일부러 그래서 처음에 이제 7개만 선택하겠습니다.기술 통계에서부터 빈도 분석까지만 선택하겠습니다.그래서 확인을 일사천리로 나올 겁니다.
참석자 1 03:41그러면 여기 여기 아까 처음에 해놓은 건 내가 처음에 해놓은 건 지우겠습니다.기술 통계 독립 표본, 종속 표본 이론, 분산 이온 분산 공분산 빈도 분석까지 데이터가 쭉 있어요.이 중에서 맨 처음 거 기술 통계를 물어보겠습니다.그래서 분석을 기술 통계치 분석을 해보겠습니다.기술 통계 눌러보세요. 이 숫자 이 변수 중에 근무 만족도를 오른쪽으로 옮기세요.종속 가스 오른쪽으로 옮기세요. 이걸 가지고 밑에 보면 옵션이 있어요.이 옵션은 한국말로 바꿀 겁니다. 그렇습니다. 그래서 지금 여기는 평균 표준편차 사례 수 썸 미디어 미니멈, 맥시멈 레인지 그다음에 이렇게 외도 천도 이렇게 돼 있어요.선택한 것만 통계치가 나옵니다. 그래서 확인을 누르면 통계치가 나왔어요.평균 표준편차 사수 썸 합 합계 미디어 레인지, 스튜니 쿠처시스 이렇게 나왔어요.그러니까 필요한 게 나옵니다. SPs에서도 똑같이 이렇게 나와요.두 번째 데이터를 들어갑니다.
참석자 1 05:04두 번째 데이터를 찾으려면 어떻게 찾는다고요? 바이 스텝을 누르면 리스트가 쫙 나옵니다.독립 표본을 눌러보겠습니다. 독립 표본을 누르면 성별을 성별 이름을 두 번 때려보세요.그러면 여기 변수 설정이 나와요. 설정이 이렇게 돼 있다는 걸 보여주는 거예요.1번은 남자 2번은 여자로 돼 있어요. 그래서 변수명도 성별이고 라벨도 성별로 돼 있는데요.확인을 누르겠습니다. 여기서 지금 재밌는데요.분석으로 가서 t 검정으로 가서 독립 표본 t 검정을 누르겠습니다.
참석자 1 05:52먼저 분석을 해보죠. 성별은 독립 변수인가요? 종속 변수인가요?독립 변수예요. 근데 그것도 헷갈리는 분이 있어요.그래서 제가 프로그램을 어떻게 만들었냐면 카테고리 변수다 뉴메릭 변다를 미리 정의를 해놓은 경우에는 이 변수를 두 번 클릭하면 제자리를 찾아가 실수하기 힘들게 만들어놔.
참석자 5 06:17하고 싶지 않으신 분
참석자 1 06:22그러니까 예를 들어서 이거는 제 자리도 없고 제가 근무 평정 점수를 독립 변수에 넣으면 안 돼 카테고리 변수만 선택 가능합니다.그런데 이거를 두 번 클릭하면 제 자리를 찾아간다.그리고 그룹 입력 순서는 남자 여자 이렇게 기록해 달래요.어떤 사람은 이걸 또 거꾸로 하고 싶은 사람이 있어요.여자 남자 이렇게 하고 싶은 사람이 있어요. 이렇게 그룹 입력 순서를 바꿀 수가 있어요.그리고 기본적인 옵션은 뭐다? 양만 검증으로 돼 있어요.양반 검증으로 돼있어 그러면 이거를 여기까지만 하고 확인을 눌러보세요.여기까지 나온 분은 손가락 아 좋습니다. 전부 다 손가락 박수 한번 너무 좋아요.지금 여러분들은 독립표본 t 검증의 양방 검증을 성공적으로 수행을 했어요.양반 감정 대박 수업 시간에 우리 양반 검정 많이 배웠는데 교수님이 설명할 때는 까듯하게 이해를 하다가 돌아서면 이해가 안 돼요.맞아요.
참석자 1 07:34그리고 여러분들 주변에 통계 좀 한다는 후배들 있죠 김 선생님 통계 좀 한다면 이리 와 봐 이거 양반 검증과 일반 검증의 워딩을 한번 해봐 못해요.그 말 못해 확신이 없어 버벅거리죠. 여러분들은 이미 연구 가설, 양반 감정의 연구 가설은 이렇게 쓰는 거야 이게 여기 정해져 있어 그럼 여기 뭐예요?t 값은 3.88 p 값은 0.0026 이렇게 나왔어요.그래서 이거를 일반 검증을 해보겠어요. 양반 검증의 연구 가서는 근무 평정 점수는 성별에 따라 통계적으로 차이가 있을 것이다.이렇게 돼 있어요. 결론은 어떻게 돼요? 근무 평정 점수는 성별에 따라서 통계적으로 유의한 차이가 있다 나왔죠.오케이 다시 분석으로 가서 t 검정 독립표본 t 검정으로 가면 아까 선택했던 게 있죠.이거 일반 검증을 눌러 짠 일반 감이라 눌렀어요. 확인 눌러보세요.지금 똑같은 클라우드에 똑같은 프로시저를 여기 한 30명이 동시에 눌렀는데도 그대로 다 되죠.이게 놀라운 거예요.
참석자 1 08:51이게 더 좋은 게 뭐냐 하면 뭐가 버그가 생겼어 그럼 PC 버전일 경우에는 그거를 고쳐가지고 내 프로그램 쓰는 사람한테 다 보내줘야 돼.오늘 고쳤으니까 이거 새로 깔아 해야 돼. 그런데 클라우드에 있으면 나 혼자만 고치면 딱딱 터지는 거예요.그러면 일반 검증을 하면 어떻게 돼요? 연구 가설은 남자의 점수는 여자의 점수보다 높을 것이다.결론은 어떻게 나와 있어요? 남자의 점수는 여자 점수보다 통계적으로 유의하게 높았다.이렇게 나왔죠. 자 TTS 테이블을 보세요. 테이블을 보면 t 값은 3.8802, p는 0.0013.요 밑에 보면 t 값은 3.8802 똑같고 p 값만 0.0026 2배입니다.두 배 이거는 50%밖에 안 돼. 반으로 남았어. 이게 확률이 더 높아.일반 감정이 일반 감정은 위험을 감수하는 거예요.양반 검증은 양쪽의 가능성을 주는 거고 일반 검증은 한쪽만 선택하는 거야.한쪽 선택하는 리스크 테이킹을 한 사람한테 점수를 더 주는 거예요.
참석자 1 09:57여러분 제가 흥분하기 시작했는데 여러분 2002년도 우리 월드컵 때 월드컵 때 스타가 누구였었냐면 이은재 골키퍼예요.이은재 골키퍼는 이은재 골키퍼는 골을 막을 때 양방 검증을 썼냐 일반 검증을 썼냐 어떤 걸 쓰는지 아십니까?양방 일반 검증을 썼어요. 이 사람은 두 개 다 막으려고 그러지 않아 딱 보고 저 사람을 보고 판단을 해.쟤는 오른쪽으로 쏠 거다. 무조건 오른쪽으로 뛰어 맞아 왼쪽으로 쏠 거다고 왼쪽으로 무조건 뛰어 그러니까 한쪽은 포기해.그래서 그때 당시 우리나라 골키퍼 중에서는 가장 골을 잘 박았어요.
참석자 2 10:47예 제일 제
참석자 1 10:49한쪽은 포기 한쪽은 포기하니까 리스크 테이킹을 하기 때문에 점수를 좀 더 많이 받을 수 있어요.그렇게만 이해하세요. 물론 관계가 없는 일 그렇다 이겁니다.이은재 골키퍼가 한쪽만 선택해서 막는다. 이게 일반 검증이다라고 생각하세요.그러면 이해가 쉬워요. 이해가 좀 잘 되셨죠? 그런데 워딩을 해보려고 그러면 잘 안 돼요.그때는 어떻게 하느냐 AI로 다이스 근데 아이셋을 하되 이놈을 그래도 이해가 안 되면은 AI로 분석한다 그러면 더 해석을 또 해줘.하나 전부 다 다 이러면서 여기에 여기 독립 효본 티 검증 종속 효원 이거는 종속 일반 검증 AI로 분석하려면 AI로 분석해 줘.안경 안 갔어
참석자 1 12:07하여튼 일단 검증에 대한 내용을 말로 풀어서 이렇게 잘 설명을 해줬습니다.그래서 APA 타입으로 연구 가설을 만들고 결론을 만드는 것은 여기 대리가 쓰면 되고 그걸 부연 설명을 하려면 남아 있는 것으로 쓰시면 됩니다.직감정 했습니다. 또 넘어갑니다. 데이터를 딴 걸로 선택하겠습니다.아이스셋을 찍어서 그다음 종속 표본 티 검증을 하겠습니다.이건 사전 검사와 사후 검사 사전 검사를 하고 어떤 실험 처치를 하고 사후 검사를 또 했어요.그 사후 검사를 망가뜨려가지고 사후 검사를 했어요.우리는 어떤 걸 어떤 거를 염두에 두고 분석하냐면 사후 검사는 사전 검사보다 유의하게 높을 것이다라는 가정을 갖고 분석하는 거예요.한번 해보겠습니다. 분석 t 검증 종속 표본 티 검증을 보면 매핑을 해야 돼.먼저 사후 검사하고 사전 검사하면은 이게 너무 빨리 지나가서 안 못 보셨으니까 사후 검사하고 사전 검사를 또 두 번 누르면 요 길로 갔다가 밑으로 뚝 떨어져요.
참석자 1 13:32그러니까 순간적으로 욜로 갔다가 밑으로 떨어지니까 잘 안 보이죠.밑으로 떨어졌어요. 사후 검사와 사전 검사를 매핑을 했어요.이걸 분석하겠다는 거예요. 그다음에 그 검증은 뭘로 할 거냐 일반 검증으로 할 거냐 양반 검증으로 할 거냐 원래 처음에는 일반 검증을 선택하도록 해놨는데 우리 김 대표님이 양방 농진을 하는 사람이 너무 많습니다.그래서 이걸 바꿔달라고 그래서 할 수 없이 바꿨어요.이걸로 바꿔놨어요. 하여튼 근데 잠만 양반 검증을 하면 뭘 검증하는 거예요?사전 검사와 사후 검사는 차이가 있을 것이다. 사전 검사가 높은지 사후 검사가 높을지 모르지만 차이가 있을 것이다고 보는 거예요.그다음에 일반 검증을 하면 뭘 보는 거예요? 사후 검사는 사전 검사보다 높을 것이다.그러면 양방 검증을 먼저 해보겠습니다. 확인을 해봤어요.결과가 어떻게 나왔어요? 사후 검사 사전 검사는 차이가 있을 것이다.결론은 통계적으로 차이가 있어요. 일반 검증을 해볼게요.
참석자 1 14:41분석에 들어가서 t 검증 종속 표본 t 검증을 하면 일반 검증을 해보죠.그래서 확인을 누르면 어떻게 나와요? 어떻게 나와?연구 가설은 사후 검사가 사전 검사보다 높을 것이다가 연구 가설이고 그다음에 결론은 사후 검사가 사전 검사보다 높았다.위가 높았다. 그 위에를 보면 t 값은 똑같아. 근데 p 값만 여기는 0.016이고 여기는 0.008이에요.p 값만 나와 한쪽만 리스크 테이크 하고 한쪽만 선택하는 거에 좀 높은 의도를 갖는다 그런 거예요.물론 통계적으로 이거를 자세하게 설명하려면 자세히 통계책을 봐야 됩니다.그래서 만약에 여러분들이 김 교수님 저는 통계를 제출을 해놓는 모양이니까 좀 원문을 좀 그런 분은 제가 책을 빌려드릴게요.페엔지라는 사람의 통계 스테티스틱스라는 아주 고전적인 책이 있는데 천 페이지가 넘어요.그걸 빌려드리면 그걸 보다가 졸리면 베이 잡아가 베이를 써도 돼 두꺼운 책이에요.
참석자 1 15:58그렇게까지 해야 될 필요가 있나 생각해서 저는 이런 식으로 정리하고 넘어가겠습니다.그다음에 다시 아이스셋을 누르면 데이터가 나옵니다.그다음 데이터는 이론 분산 분석으로 가봅니다. 이론 분산 분석에 대한 데이터가 나왔습니다.오케이 그러면 분석으로 가서 분산 분석에 가서 이론 분산 분석을 눌러 봅니다.그러면은 이런 식으로 나왔어요. 아까 변수를 어떻게 하라고요?어디 들어갈지 모르면은 두 번 때려라 그러면 제자리로 넘겨요.상사의 유형이 독립 변수고 종속 변수는 근무만 정도 돼요.이걸 확인을 누르면 어떻게 나와요?
참석자 1 16:51확인을 누르면 연구 가설은 근무 만족도는 상사의 유형에 따라 차이가 있을 것이다.그러면 결론은 어떻게 돼요? 근무 만족도는 상사 유형에 따라 통계적으로 유의한 차이가 있다.맞죠? 이것도 내가 분석하는데 이 말만 쓰기 너무 심심하다.그럴 경우에는 어떡하라고 요 AI로 분석하기를 놀라 AI하고 통계 프로그램이 어우러져서 최신 AI가 AI 도움을 받는 프로그램으로 프로시지로 바뀌었어요.다른 어떤 소프트웨어를 이렇게 해주는 게 없어요.그러니까 여기 보면 똑같은 내용을 풀어서 이렇게 설명을 해주는 거예요.그럼 훨씬 더 앞으로 논문을 쓰는데 훨씬 더 쉬워지죠.
참석자 1 17:44그러면 지금 t 검증과 f 검증 집단이 2개 있는 경우와 이 경우 3개 이상 있는 t 검증과 f 검증을 했어요.그런데 보통 사람들은 분석을 여기까지만 해 근데 실제로는 훨씬 자세하게 분석을 하려면 만약 여러분들이 이제 박사학위 논문을 쓴다.같은 t 검정을 쓰고 같은 f 검정을 쓰더라도 내가 갖고 있는 자료를 검증을 해야 돼요.그 검증하는 절차를 여러분들이 따라야 됩니다. 예를 들어서 이렇게 해보겠습니다.아이셋을 눌러서 독립 표본 티 검증을 다시 눌러보세요.이렇게 나왔죠. 그다음에 분석을 누릅니다. 독립표본 t 검증을 누르겠습니다.
참석자 1 18:38그러면은 지금 여기에 보면은 샤피로 윌스의 정규성 검증 요건 뭐냐 하면 지금 종속 변수 근무 평정 점수가 통계적으로 정상 분포를 이루느냐 하는 걸 체크해 보는 거예요.이걸 눌러요. 그다음에 두 번째는 레빈의 등 분산성 검정 이거는 뭐냐 하면 남자 집단 여자 집단이 있어요.남자 집단과 여자 집단이 남자 집단은 1에서부터 한 10가지 정도의 분산이 있고 여자 집단은 1서부터 한 천까지 정도의 분산이 있어요.분산이 너무나 달라 분산이 너무 다르면 결과가 이상해져요.그래서 양쪽 집단 간의 분산이 동일하지 않으면 다른 방법을 써서 트럼 처리하는 그래서 집단의 분산이 비슷하냐 하는 거를 분석한다.가리는 거예요. 만약에 이런 분산이 분산이 똑같이 비슷하지 않다 그러면은 t 검증 대신 웰치스티 검증을 해야 돼요.GST 검증을 해야 돼요.
참석자 1 19:54그다음에 QQ 플라은 이건 뭐냐 하면 우리가 갖고 있는 자료를 현재 갖고 있는 이 기본적인 자기의 점수하고 이상적인 것의 점수를 플러스로 표시를 하는 거예요.그러면 이거 한번 지금 보여드릴게요. 전부 다 하면 어떻게 나오는지 양만 검거 보여드리.여기 보면 근무 평정 점수의 정규성 검정은 정규 분포로 돼 있어요.그러니까 이거 만약에 이게 정규 분포가 아니라면 t 검증은 이걸 쓰면 안 돼.월세 안에 비보수 공정을 해야 돼요. 그러니까 이게 정규 분포가 아니기 때문에 정상 분포가 아니에요.정상 분포가 아닌 것은 면 파라메트릭 이제 정상 분포에 해당하는 통계는 파라메트릭 스테티스틱스예요.근데 이것이 근무 평정 점수가 정규 분포가 아니면 넌 파라메트릭 스타트 집수를 써야 돼요.비모수 검증을 써야 돼요. 그다음에 두 번째로 레빈의 등 분산성 감정 그러니까 남자 집단의 분산과 여자 집단의 분산이 거의 비슷해야 돼요.이게 보니까 등 분산이에요. 그러니까 이거 쓰면 돼요.
참석자 1 21:13그래서 여기 보면은 웰치의 티 검증을 했는데 이거 안 써도 돼 이거 다시 들어가서 본산 티 검정 독립 해본 티 검증 oh t 검정 안 해도 돼요.
참석자 1 21:33그래서 t 테스트를 해서 결과가 이렇게 t 값이 나오고 p 값이 나오고 아까는 결과가 나오고 프라모빌리티 레벨은 이런 이론적인 정규 분포와 현재 우리가 갖고 있는 데이터가 어느 정도 합치하는지 이 데이터가 옆으로 이렇게 뻗어나가는지를 보는 거예요.내용이 이것이 지금 t 검증에서 우리가 쓸 수 있는 검정들이에요.여러분들이 박사학위 논문을 쓰신다고 그러면 적어도 이런 식의 데이터에 대한 검증을 해야 됩니다.그러면 이제 아이스t으로 가서 이론 분산 분석의 데이터를 불렀습니다.여기에서도 우리가 검증할 것이 있는가 한번 보겠습니다.분석에 들어가서 문상 분석 이론 분산 분석으로 들어갑니다.여기 더 많아. 이게 뭐야? 이것도 정규성 검증도 하고 퇴집단이 등 분산이 되는지 검증하고 그다음에 큐큐 플라도 그려보고 사후 검증도 해보겠습니다.사후 검증이 세 가지가 있어 쉐피 검증이 있고 투키스 테스트가 있고 돈카 테스트가 있어요.한번 해보겠습니다. 하긴
참석자 1 22:54여기 보니까 근무 만족도 점수는 비정규 분포예요.그러면 여기에 아로바로 쓰면 안 돼 이 분포가 종속 변수 데이터가 정상 분포에 있는 게 아니라 제각각이 높았다 나서 제각각 이렇게 막 이렇게 정상 분포가 되지 않아 이런 데이터는 정상 분포를 가정하는 공식으로 이렇게 검증을 하면 안 돼.그럼 뭘로 해야 돼? 비모수 검증을 해야 돼요 비 모수 검정으로 가보겠습니다.분석으로 가서 비모수 검정으로 가서 크루스칼 월리스가 세 집단 이상의 검증을 하는 거예요.그럼 독립 변수는 상사 이형 종속 변수는 근무 만족도예요.이거 눌러보면 어떻게 나와요? 거의 비슷한 형태의 결과가 나오지만 이거는 h 통계량으로 h 통계량이라고 b 모수 통계의 결과가 나옵니다.그래서 p 값을 보니까 통계적으로 의미가 있잖아요.의미가 있잖아요. 그래서 금방 말씀드린 대로 t 검증과 f 검증에서는 f 검증에서는 이제 여러 가지 검증을 해야 돼요.
참석자 1 24:15근데 아까 제가 여러분들에게 보여드렸던 거는 보니까 셰페드 테스트는 통계적으로 의미가 있는 게 없다고 나왔는데요.요 셰 테스트를 보여드리기 위해서 제가 다른 데이터를 한번 불러보겠습니다.여러분들 따라와서 한번 해보십시오. 파일에 들어가서 예제 파일에 들어가서 SPSS 파일로 들어가서 기본 파일 변수 계산 완료로 들어가 보세요.확인 데이터가 엄청 많아요. 데이터가 엄청 많아 데이터가 엄청 많다고 그래서 이건 SPSS 파일을 불러온 거예요.엄청 많다고 그래서 우리가 떨 건 없습니다. 전 데이터를 알고 있으니까 q1은 카테고리예요.그다음에 우리가 지금 하고 싶은 게 뭐냐 하면 이거를 전부 다 선택할 게 아니라 필요한 여기 5를 눌렀다 눌렀다 왔다 갔다 해요.o를 지우고 q1을 선택하고 저 뒤에 가서 품질 이용 편의성 디자인 부가 기능 전반적인 만족도 재구매 의도 스마트폰 칠숙도까지만 선택하겠습니다.그리고 확인을 물어 봤어요. 이게 뭐야 다 되어 있으니까 한번 해보겠습니다.
참석자 1 25:56분석에 들어가서 분산 분석에 가서 이론 분산 분석을 해보겠습니다.그래서 q1이라는 걸 가지고 q1이 독립할 수고 종속 변수는 맨 밑으로 내려가서 품질 이용의 편리성 그냥 누르면 선택이 됩니다.이렇게 전반적인 만족도 재구매 의로 스마트폰 친숙도까지 선택을 하고 누르면 종속 변수로 들어왔어요.
참석자 1 26:29그래서 이렇게 선택해 놓은 걸 가지고 똑같이 검증하는 걸 이렇게 선택하면 어떻게 되는가 보겠습니다.
참석자 1 26:56시간이 많이 걸리네. 여러 사람이 들어오니까 만약에 여러분들이 리포트 생성 중 이게 나오면은 조금 기다리라는 거예요.20명 이상이 동시에 똑같은 걸 분석해 달라고 그러면 아무리 똑같은 열로도 동시에 내려오는 건 없어요.차이가 나요. 그래서 차이가 나면 그걸 q가 생긴다고 그래요.줄이 생겨요. 그래서 먼저 누른 사람 것보다 먼저 해석해서 보내줘요.근데 그게 워낙 빠르니까 동시에 나오는 것 같은데 보내줘요.끝났죠 여기 보세요. 여기 보면 모든 종속 변수가 비정규 분포예요.근데 사실은 이걸 가지고 이 정규성 검정에 의하면 이거는 기본적인 f 검증을 하면 안 돼 그런데도 불구하고 우리는 이런 걸 따지지 않고 그냥 f 검증을 하는데 사실은 쓰면 안 돼 그렇지만 써도 된다고 가정을 하고 아까 등 분산성 가정을 보니 검증을 해보니까 다 등분산이에요.그래서 연구 가설에 요렇고 분산 분석 표가 나와요.
참석자 1 28:06그다음에 미인 테이블 평균 분석표가 나오는데 우리는 여기 셰프의 테스트를 한다고 해 셰프의 테스트를 해서 보면은 이상한 게 뭐가 붙어 있어 뭐가 붙어 있어요?이거는 셰프 테스트는 뭐냐 하면 사후 검정이에요.
참석자 1 28:28여기 집단이 뭐였죠? 아니 아니요.
참석자 3 28:36브랜드 브랜드 a 사는 사실상
참석자 1 28:38브랜드예요. 브랜드 그럼 스마트폰 브랜드 스마트폰 브랜드예요.그럼 제가 1 2 3으로 돼 있으니까 헷갈리니까 이거를 이름을 붙여가지고 좀 보기 좋게 하겠습니다.아이셋으로 가서 요 q1을 누르니까 이렇게 나왔죠.a사 b사 c사 이거 왜 이게 표시 안 됐지 요게 지금 제가 버그를 발견했습니다.자 보고서 에서 b
참석자 1 29:11여기 포근해 여기에 a사 b사 c사가 나와야 되는데 그게 안 나왔어요.하여튼 a사 b사 c사가 있는데 요 셰페의 사후 검성으로 보면은 a는 c보다 확실히 크다.통계적으로 의미 있게 크다라는 소리예요. 여기는 여기는 뭐죠?a는 c보다 크고 b도 c보다 크다 하는 것을 요약한 거예요.사후 검증을 하면 왜 그러냐 하면 그 집단이 3개 이상인데 두 집단 간 차이가 어떻게 있을까 하고 궁금한 사람이 있어요.그런 사람을 위해서 통계적으로 의미가 있는 경우에는 이렇게 사후 검증을 할 수 있습니다.사후 검증을 하는 방법이 가장 많이 쓰는 것이 바로 셰프의 테스트 투키의 테스트, 동현의 테스트 물론 다른 것도 여러 가지가 있지만 3개로 우리 절충을 하기로 했습니다.저는 원래 시페 테스트를 좋아하는데 우리 김 대표님이 아니다.몇 개 더 넣어라 더 써라 맛 수없어 연말에 조금 더 써서 2개 더 집어넣었어요.
참석자 1 30:22그런데 그런 사후 검증을 하고 꼭 옆에 들어가 있는 부분 표시가 돼 있는 식으로 표시를 해서 논문에 냅니다.근데 이걸 하려면은 제가 일일이 보고서 부를 정해야 돼요.근데 그거는 책에도 원래 옛날 책에는 그렇게 나왔는데 그거 내가 프로그램 만들어서 아예 한 방에 부두목까지 넣게 만들어 넣게 만들어주겠다.그래서 원하면 이렇게 나와요. 그래서 여기 보면 분석에 가서 다시 보면 이거를 나는 사후 검증을 3개 다 하겠다 라고 누르면 3개가 다 나와요.그거를 3개를 다 한꺼번에 필요하다는 사람이 있을지 없을지 모르겠지만 아 그렇습니다.눌러보면 이렇게 나와요. 사후 검증 테이블이 셰페 테스트 투키의 테스트 종현 테스트가 이렇게 세 가지가 다 나옵니다.어쨌든 간에 제가 자랑하고 싶은 것은 우리가 원하는 형태의 사후 검증이 논문에 바로 투구할 수 있는 형태의 테이블로 만들어졌다 하는 게 중요합니다.
참석자 1 31:32이것도 마찬가지로 여러분들이 원하시면 원하시면 AI로 분석하기를 누르면 이것 자체를 AI로 분석을 해서 여러분들에게 딱 먹기 좋게 딱 상을 차려서 여러분한테 드린다.기분 나빠하지 마십시오. 상처를 드린다니까 아직 상이 아직 안 나왔습니다.
참석자 1 32:23이론 분산 분석을 한 결과가 일목요연하게 딱 정리가 돼서 나왔습니다.여러분 앞으로 여러분도 이걸 보실 때마다 행복하시기 바라겠습니다.이게 얼마나 신나는 거예요? 여러분 옆에 박사학위 갖고 있는 사람 10명씩 조사해놨다가 야 AI로 분석 좀 해봐 그러면 자기가 알아서 딱 분석해서 딱 보내주는 거예요.이거 누구한테 물어봐요? 박사가 되면은 창피해서 나도 못 물어봐 그 AI한테 물어보면은 실증도 왔네.휴가도 안 가게는 아무 때나 물어봐도 아무 때나 물어도 너무 좋아요.다음으로 넘어가 보겠습니다. 이게 파일을 눌러서 이원 분산 분석을 합니다.그러면 데이터가 상사 유형 보상 방법 근무 만족도에 대한 데이터가 나왔어요.그다음에 분석에 들어가서 분산 분석 이원 분산 분석을 누릅니다.그러면 독립 변수 2개를 2번 클릭하면 지 자리에 찾아가요.근무 만들고 또 두 번 누르면 자기도 g셀하고 자기 자리에 또 들어가요.이게 그다음에 확인을 누르면 이거는 옵션이 하나밖에 없어요.
참석자 1 33:42이거 자기 이거 확인을 누르면 어떻게 돼요?
참석자 1 33:48확인을 누르면 이렇게 나옵니다. 어떻게 나와 연구 가설이 나오고 아노바 테이블이 나오고 그다음에 미인 테이블이 나오고 f 값과 p 값이 나와요.그런데 상사의 이용과 보상 방법에 보상 방법의 차이가 통계적으로 유의하면 이런 상호작용 효과가 있다면 뭘 해 준다고요?그림을 그려준다. 그림을 그려서 온 거예요. 마찬가지로 이 그림을 가지면 우리가 AI로 분석하기를 하면 이거에 대한 내용을 자세히 설명을 해 줍니다.
참석자 1 34:47여러분들이 통계를 배우면서도 처음부터 끝까지 하나도 빼놓지 않고 다 한꺼번에 실습을 해 본 적은 없으실 것 같아요.근데 오늘 총망라해서 구조 방정식 모형까지 한꺼번에 한 방에 끝낸다 진짜입니다.이게 이용 분산 분석의 내용을 보면 이렇게 나오는데요.여러분들 한번 해보시고 집에 가서 꼭 한번 읽어보십시오.그다음에 이제 아이스 셋에 들어가서 데이터를 불러가지고 뭘 불러요?공 분산 분석을 불러보겠습니다. 공 분산 분석을 둘러보니까 상사 유형 보상 방법 근무 만족도 자개념 이렇게 나왔어요.이걸 가지고 공 분산 분석을 해보겠습니다. 이런 모양이 나오죠.종속 변수는 뭐냐 근무 만족도예요. 공변량은 뭐냐 자아 개념 그다음에 독립 변수는 상사 유형을 독립 변수라고 합니다.이게 무슨 소리냐 하면 처음에 우리가 분석했을 때는 상사의 유형에 따라서 근무 만족도의 차이가 생긴다고 그랬어요.그랬더니 어떤 까칠한 사람이 태클을 걸 거예요.
참석자 1 36:04야 근무 만족도라는 거는 윗사람이 잘해준다고 그래서 근무 만족도가 올라가는 게 아니야.그건 왜 올라가냐 원래 자기가 갖고 있던 개인적인 특성에 따라서 근무 만족도가 차이가 나는 거지 아무리 윗사람이 잘해준다 그래 봐야 그러니까 만약 분석하려면 그런 자아 개념이 돼.항상 즐거운 사람이 있어요. 저처럼 1년 내내 즐거운 사람이 있어요.자면서도 즐거울 것 같고 그런 사람은 그렇지 않은 사람하고 차이가 많이 그러니까 저는 집은 엄청 가난했지만 엄청 가난했지만 항상 마음은 풍족했어.
참석자 1 36:50마음은 풍족해져요. 그러면 어떤 일을 해도 저는 항상 만족감을 느꼈어요.그러니까 그 사람이 어떤 사람이 테크를 거는 게 그게 말이 되는 거였어요.그래 그러면 그거를 위해서 통계적 분석 방법이 있어요.어떤 통계적 분석 방법이 있냐면 근무 만족도라는 것이 이만한 범위가 있어요.거기에서 자아 개념이 설명할 수 있는 부분 자아 개념 때문에 변화할 수 있는 부분은 빼버려 그걸 제거해 빼버리고 나머지 것만 가지고 분산 분석을 하는 거예요.그게 공부상 이전이야. 공변인에 대한 걸 빼고 나머지만 갖고 군산 분석 한다는 거야.그런데 공분산 분석 안코바 책에 보면 되게 복잡하게 올라와 있어.무슨 말을 저렇게 같은 것도 저렇게 어렵게 써놨나 그럴 정도로 어렵게 써놨어요.근데 사실은 제가 지금 말씀드린 그 컨셉이에요. 김 교수님 이거 맞는 겁니까?도대체 저한테 그러지만 맞아요. 저는 그거 계산도 할 줄 아는 사람이에요.
참석자 1 37:56그걸 보고 공식 보고 계산도 할 줄 아는 사람이니까 누가 뭐라고 태클을 걸면 저한테 전화하세요.제가 대안을 해드릴 테니까 이걸 갖고 확인을 누르면 연구 가설이 뭐냐 이렇게 나왔어요.자아 개념의 영향을 제거한 후 조정된 근무 만족도는 자아 개념의 영향을 빼고 남아 있는 부분 이걸 갖고 하는 예를 들어서 이런 거죠.
참석자 1 38:41이것이 근무 만족도
참석자 1 38:47그러면 자아 개념에 대한 영향이 어느 정도 되느냐 이 정도 그래서 이거는 빼버립니다.빼버려 빼버리는 걸 뭐라고 그래요? 컨트롤 한다고 그래요.또
참석자 1 39:11다시 할게 나와 빼버려 이건 빼버리고 이것만 가지고 분석하는 거예요.이것만 가지고 이게 공분사 판석이 그러니까 종속 변수에 영향을 미칠지도 모를 자아 개념의 영향을 빼버리고 나머지만 갖고 분석하는 거예요.
참석자 1 39:32이런 컨셉만 아시면 이해하시는 데 도움이 많이 됩니다.그리고 결과는 어떻게 나오냐 여기를 보면 여기를 보면 자아 개념 공별량에 대한 것이 이렇게 나왔어요.이렇게 나왔고 근무 만족도의 평균이 8.0 8.33 11.33이었어요.근데 이거를 조정된 근무 만족도는 조금 달라졌어요.이런 자아 개념을 영향을 뺀 것이 빼고 나머지를 갖고 계산한 것이 이렇게 계산이 됐습니다.그리고 분산 분석표를 보면 자아 개념이 확실히 통계적으로 영향을 미치네요.근데 영향을 미치고 상사 유형은 그 나머지 점수를 갖고 상사 유형에 대한 검증을 해봤더니 역시 제거했는데도 통계적으로 의미 있는 차이가 있었어요.결론은 어떻게 내렸느냐 하면 자아 개념의 영향을 제거한 후에 조정된 근무 만족도는 상사의 유형에 따라서 통계적으로 의미있는 차이가 있다.옆에 쓰는 것은 f값 자유도 p 값을 이렇게 보고하는 겁니다.이렇게 해서 사실은 좀 허무하지만 공분산 분석을 이런 상황에서 쓰고 이렇게 해석하면 됩니다.
참석자 1 40:49그 이상도 아니고 그 이하도 아니야 이게 정확한 컨셉이에요.아이스셋을 누릅니다. 아이스셋을 누르고 아까 이온 분산 분석에서 얘기를 안 한 게 하나가 있어요.이걸 눌러보세요. 그다음에 이온 분산 분석 를 눌러보겠습니다.여기 보시면 타입 4 ss 하는 것이 있어요. 타입 3, 타입 4 이거는 통계학자들이 만들어 놓은 그 구분인데 우리는 타입 3가 뭐고 타입 4가 뭔지를 알 필요는 없어요.그렇지만 예를 들어서 상사의 유형이 세 가지가 있고 보상 방법이 두 가지가 있어요.전부 몇 개 몇 개 그룹이 있어요 6개 그룹이 있습니다.근데 우리는 지금 이렇게 수업 시간에 이온 분산 분석을 공부하기 위해서 데이터를 아주 깨끗한 데이터를 보여준 거예요.실제로 연구를 할 때는 모든 카테고리가 다 있는 게 아니에요.빠져 있는 경우가 있어요. 그거를 미싱 셀이라고 그래요.미싱 셀이 있는 경우에는 타입 4 ss를 써야 돼요.
참석자 1 42:03이 타이4 ss를 쓰려면 SPSS나 사스 같은 것만 쓸 수 있어요.자업이 안 됩니다. 아깝지만 이 셀이 빠진 거를 분석하면 엉뚱한 게 나와요.0.0000 이런 거 나오고 무슨 이상한 눈물 점자 표시 나오 이상하게 나 계산 못합니다.자옥이 안 됩니다. 유일하게 정이 안 되는 게 이 미싱 셀을 계산을 못해요.이거는 굉장히 중요하면서도 아주 프로그래밍하기가 쉽지 않은데 아이스트에서는 자신 있게 아주 부끄럽게 옵션이 여기 숨어 있지만 굉장히 강력하고 파워풀한 옵션이라는 걸 알아두셨으면 좋겠습니다.이것도 자랑이었습니다. 근데 미싱 셀이 없는 경우에는 결과가 똑같아요.이거를 선택하나 하나랑 똑같아요. 그것만 그 경우만 알아두시면 됩니다.아이셋에 들어갑니다. 아이스트로가 보니까 가서 그다음 걸 보겠습니다.빈도 분석을 보겠습니다. 빈도 분석은 아까 여러분들에게 보여드렸듯이 성별이 합격 여부에 영향을 미치는가 이걸 보는 거죠.
참석자 1 43:20그래서 분석에 들어가서 빈도 분석을 보니까 어떻게 돼요?성별 합격 여부 두 개가 다 카테고리가 있어요. 그럼 표시를 할 때 행위 열명 표시할 거냐 행렬 전체를 폐쇄할 거냐 어떤 걸 폐쇄해야 되냐 이왕이면 많은 걸로 돈 더 내는 것도 아니니까 많은 걸로 해보겠습니다.이거는 교차 표를 만든 크로스 테이블을 만들 때 이렇게 여러 가지 정보를 주는 거죠.그다음에 확인을 해보겠습니다. 확인 누르면 짠 나오세요.
참석자 1 43:57연구 가사를 성별에 따라 합격 여부의 빈도 분포는 차이가 있을 것이다.그다음에 여기 보면 성별 퍼센트, 성별 퍼센트는 남자 여자가 합쳐서 100% 되는 거예요.합격 여부 퍼센 합격 불합격을 합치면 100% 되는 겁니다.그다음에 전체 퍼센테이지는 전체 모든 셀 하나, 둘 셋, 네 개 셀을 합쳐야 100%가 되는 거예요.이거는 이런 식으로 햄 퍼센테이지 열 퍼센테이지 토털 퍼센테이지를 넣는 방법은 어디나 스탠다드예요.이렇게 합니다. 그렇지만 이거는 빈도 분석이기 때문에 가설 검증을 하겠습니다.어떻게 가설은 뭐죠? 연구 가설은 성별에 따라 합격 여부의 빈도 분포는 차이가 있을 것이다.그다음에 결론은 성별에 따라 합격 여부의 빈도 분포는 통계적으로 의미 있는 차이가 있다.그리고 카이스퀘어 값은 이렇게 쓰고 자유도 p 값을 써서 보고를 합니다.이제 앞부분에 7개를 가지고 우리가 분석을 했는데 한 3~4분 동안 혹시 질문이 있거나 그거 한번 다시 한 번 해보시오.
참석자 1 45:13그런 게 있으면은 여러분 한번 여기까지 한 거에 대해서 질문이 있으면 해 주시면
참석자 6 45:19그 티 검증에서 종속 부분 티 검증 대응
참석자 1 45:22흥분하지 마시고 크게 말씀해 주세요. 제 제자 알고 있으니까
참석자 6 45:27티 검정에서 종속 표본 티 검정이 대응 표본 티 검증하고 같은 거요.
참석자 1 45:32네 대용 표본 네 똑같은 거 그 t 검정은 중소 표본 티 검정 대용 표본 티 검정 그다음에 리피티드 매저 다 비슷한 말이에요.어떤 사람들을 혼합해 어요. 어떤 걸 꼭 써야 되는지 아십니까?어떤 말로 써야 되는지 아세요? 지도 교수님이 틀린 말씀 잊지 마세요.아주 중요한 겁니다.
참석자 7 45:54교수님 저기 AI에서 분석해 주는 그 AI가 챗gpt 가져오신 건가요?아니면 네 챗gpt 가져 챗gpt 지금
참석자 1 46:02돈 내는 거예요. 한 번 누를 때마다 15억씩 나가요.이벤트씩 나가느라
참석자 7 46:07파일에서 이렇게 파일 복사해서 붙여 넣어 가지고 이렇게 더 만들어주기도 하고 그랬는데 그 파일을 두 개 불러와서 합칠 수도 있나요?어떤 걸요? 두 개 붙여 데이터를 우리 어저께 막 배울 때 보면 엑셀 엑셀에 있는 데이터 엑셀 두 개를 데이터를 띄워서 이쪽에 있는 변수를 이쪽 엑셀에다 붙여놓기를 하고 그랬거든요.근데 그런 것도 되나요? 그런
참석자 1 46:34마지막 시간에 할 겁니다.
참석자 7 46:36예 패널들
참석자 1 46:37기본이에요. 기본 또 질문 질문 있으신가요? 예 큰 소리로 말씀해 주세요.
참석자 6 46:483 분석할 때 저거 진 빠진다고 했잖아요. 내가 제거한다고 했잖아요.053 분석할 때 저거 제거한다고 했었잖아요. 사진이 그거하고 좀 가중치랑 가중치 네 좀 비슷한 것 같기도 하고 좀 다른 것 같기도 하고 저는
참석자 1 47:02가중치는 뭐고 아까 가중치에다
참석자 6 47:04그러니까 그러니까 저기 가중치를 마이너스 하게 되면 빼는 것만 다른 가중치는 홍수를
참석자 6 47:26그리고 또 하나 AI 때 창구 분이 같이 나왔으면 좋겠다 좋아 창 그러니까 통계로 나온 어디 어디 출천 어디 수치 있잖아요.예를 들어서 몇 정도 나오는 수치가 어디서 나왔는지
참석자 1 47:47완전 완전 거의 다 이런 거에 대한 토론문은 없고 내가 연구하려고 하는데 연구 문제가 있잖아요.내 연구 문제에 대해서 이 연구 문제에 대해서 관련된 자료를 좀 찾아줘.
참석자 6 48:00그러면은 컴플렉스 컴플렉스 아는데 AI 분석해 통계도 그 수치 있잖아요.그 수치도 어디 문헌 청구하면 있을 거잖아요.
참석자 1 48:12통계적인 수치는 내가 분석한 거에 대해서 나온 거니까 참고 모형 이론이 있을 수 없는 내가 분석한 이 결과를
참석자 3 48:19그러니까 예를 들어서 그런 거 원하는 것 같아요. 외도 첨도나 이랬을 때 외도 첨더가 정규성을 만족할 때 어느 어느 논문에서의 이런 기준으로 한다.아까 헤이스 교수님이 뭐 한다 이거를 그냥 자동으로 다 나왔으면 좋겠다 이거 말이 그
참석자 1 48:37고려해 보면 재밌을 것 같습니다. 알겠습니다. 근데 지금 AI가 여러 가지가 있는데 이제 말로 하는 거는 말로 얘기해서 일 시키는 거는 챗gpt가 제일 잘하고 그다음에 논문은 긴 문장을 정리해 주는 거는 구글이 제미나이가 찾아요.재미나이가 노트북으로 엘레미 라는 게 또 우리가 말로 프론트 틀어주고 인포그래픽 그려주는 것 역시 나노 바나나가 좋잖아요.그다음에 논문 참고만 찾아주는 거는 제일 에러가 적은 것이 콤플렉스 이렇게 여러 가지의 특징이 있어요.그거를 이제 해보시면 자기 취향을 취향에 맞춰서 그러면 10분만 쉬었다가 이렇게 시간이 빨리 가는지
참석자 2 49:27시간 교수님 교수님 이거
참석자 4 49:35특허 내신 거죠? 특허 내셨죠? 아니 특허 안 내는데 뭔가 이거 걱정이 돼서 선생님인데 1년에 한 달 걱정이
참석자 3 49:45아니 이렇게 집중 안 하셨잖아요. 1 2 3일 차 이렇게 집중 안 하셨잖아요.눈높이 교육
참석자 1 49:56아 고맙습니다.
참석자 2 50:20기본 이렇게 이름 넣은 상태야 이렇게 눌러가지고 알았어
참석자 8 50:47이렇게 쭉 다 잠시만 안녕하세요. 첫 번째 그렇게 하면 갑자기 생각이 나 가지고 따로 저희 어차피 손님이 제 체크한 게 아닌가 싶어요.밖에 있는 거를 수습니다. 그 괜찮다라고 판단하셔가지고 제가 조금 정리를 할 수 있어요 라고 하려고 해요.그래서 우리가 처음으로 아이템을 실제로 할인을 보겠다 이렇게 하면 우리 필요한
참석자 6 51:12고맙습니다. 아 저 저 괜찮아요
참석자 3 51:15교수님 교수님 하나 혹시나 혹시나 더 많은 시간 제가 말씀드릴 거 하나만 드리고 싶어서 그거 보고 제가 카톡에 적어드렸습니다.그리고 아까 오류 있는 거 제가 카톡에 적어놨습니다.교수님 아까 강의하시다가 모르는 있잖아요. 바로 바로 저 봐서 좋습니다.갑자기 떠올라 가지고 그러면 그냥 내가 그냥 알을 그냥 써라 그러니까 공인만 되면 그걸
참석자 2 51:42그 안식색도 문에 등재가 된다. 한 번만 돌아
참석자 8 51:49저희 교수님은 완전 합재하셨었어요. 그래서 이제 제 그거를 알고 계시니까 저는 이제 롤 서브 상용
참석자 3 52:02제가 잠깐 실험지가 되겠습니다. 그래서 이거는 그거 딱 좋은 것 같아요.실험 실험지
참석자 5 52:10말 못해
참석자 2 52:12뭘 못했는지 잘 되시는 거 아니에요? 아니 뭐 하나를 넓게 열려서 빨간 거 나오는 하나 있는데 그걸 모르겠어요.이런 사람이 여긴 아니구나 기본 예제 불러와가지고 하는 거 교수님 교수님 저를 어이없게 여겼어요.제가 이렇게 파일이 10개 열려서 하나 놓친 게 있는데 기둥에서 불러와가지고 이렇게 열려서 이렇게 배울 수 있는 거를 잘 놓쳤거든요.네 아까 어떤 거요? 그걸 못 잡고 있어요. 저기 기본 실습 파일 변수 이쪽 카테고리 좀 더 넣으세요.이거는 지금 1박스 거
참석자 2 53:16여기 계시 이거예요.
참석자 1 53:20파일에 들어가서 우리 기본 다른 일
참석자 2 53:24아니요.
참석자 1 53:25근데 이제 이제는 파일에 들어가서 이제
참석자 2 53:42해야 된다고 해서 SBS 파일 할 때 여기 해서 이렇게 해서 여기 보면 이렇게 완전 이걸로 할 때 바뀌어요.지금
참석자 2 54:13너무 많이 열려가지고 빨간 불 가지고 분석 분석 그다음에
참석자 2 55:10뒤에 막 담배를 몰라 친하게 지내면 줄까요? 교수님 저 오늘 생일 하기로 했다고 했죠.너무 큰 선물 받아서 이 앞당겨 안 당겼다고 제가 유치원 교사 할 때 불교 유치원 있을 때 애들이 선생님 생일 언제예요?그러니까 부처님 생일 언제입니까? 4월 축하해 선생님 생일은 6월 축하행이라
참석자 1 55:45아침에 우리 강의 시작할 때는 6시간이 짧은 시간이 아닌데 제 목표는 우리 수강생들이 졸지 않고 주는 사람이 없이 6시간 동안 끌고 간다가 내 목표였어요.근데 제가 목표치를 달성했습니다.
참석자 1 56:11너무 기분이 좋아요. 그러니까 여러분들 다 재미있어 하니까 그렇잖아요.그런데 아깝게도 이제 1시간밖에 안 남
참석자 8 56:20아 그러게요. 그러니까
참석자 1 56:22그래서 제가 이거를 끝내기 한 5~6분 전에 끝났으니까 여러분들 뭐 질문하고 싶은 거 있으면 적어놨다가 꼭 질문을 하세요.만약에 계속 질문에 대답할 시간이 없다면 우리 김상원 대표한테 메일을 보내면 제가 일괄적으로 답장을 해서 보내겠습니다.우리가 아까 수업 시간에 했던 나노 바나나 레시피 그다음에 어떤 분이 강민구 변호사라고 그분이 작년에 정년 퇴임하신 판사님인데 이분이 특히 판사님인데 컴퓨터를 잘해요.이분이 나노 번호를 가지고 6.25 한국전쟁의 역사에 대해서 한 100여 페이지를 썼는데 이틀 만에 썼어요.이틀 만에 만든 게 그거예요. 대단해요. 여러분들 여러분들이 갖고 있는 모든 생각을 글로 써서 옮기는 게 그런 퀄리티로 나올 수 있어요.공짜로는 안 되고 한 달에 2만 원이 너무 공짜로만 쓰려고 그러지 마시고요.
참석자 1 57:32그러면은 다 오셨나요?
참석자 1 57:561분 남았어
참석자 9 58:02교수님 그냥 좀 약간 부끄러운 일일 수도 있는데 저는 이제 통계에 대해서 완전 모르고 저는 이제 이제 한 학기를 대학원 초년 대학원생인데 이제 이제 통계 그동안 이제
참석자 2 58:193회 차 이렇게 진행하면서
참석자 9 58:21정적인 거를 이제 아주 조금씩 이해가 되기 시작했는데 제 연구에 사실 이렇게 적용을 해야 되잖아요.그래서
참석자 2 58:30어떤 어떤 방법을 써야 되고 어떤
참석자 9 58:33통계법을 써야 될 때 되게 헷갈리는데 그것도 AI가 애한테 이제 좀 집어넣고 하면은 어떤
참석자 1 58:42보험이 이제 그런 전문가의 도움을 받아 김상훈 대표한테 도움을 받으 그러면 그렇게 어렵지 않게 하셨을 있어요.또 저는 저희 프로그램이 그리고 어떤 식으로 해서 홍보하고 어떤 식으로 후학들이나 제자들한테 도움을 줄까 생각을 했었어요.그도 제가 원래 돈 버는 사람이 아니기 때문에 돈을 빌려서 선정할 수는 없는 거예요.그래서 저는 그 가수들 중에서 두 가지 모델이 있어요.하나는 이 아이돌 그룹이 있어요. 또 하나는 BTS였어요.BTS 아시죠? 두 그룹의 마케팅 방법이 달라요.근데 저는 아이돌 그룹의 마케팅 방법을 안 쓸 겁니다.그리고 돈이 많이 들어 거기 연습생을 모아가지고 연습생을 1년 2년 3년 어떤 사람은 10년까지 훈련을 시켜서 때가 됐다 그러면 방송국에 노래를 만들고 방송국 PD한테 홍보를 하고 돈을 주고 해서 나가요.돈이 많이 벌어요. 시간도 많이 걸리고 그런데 BTS는 초분들이에요.경기도 고양 일산에 있는 친구들이에요. 돈이 없어 마케팅할 돈이 없어.
참석자 1 59:55그래서 어떤 식으로 홍보를 했냐면 BTS 식의 홍보는 유튜브로 해 공짜 거기 보면 노래 부르는 것도 있고 연습하는 것도 있고 밥 먹고 장난치는 것도 있고 그게 다 들어 있어요.그거를 사람들이 보고 전 세계 사람들이 다 전 세계에 열려 있으니까 전 세계 사람들이 그걸 보고 스스로 팬 클럽을 만들었는데 그 팬클럽이 이름이 아이에요.군대 그리고 전 세계적으로 대단하다. 근데 그 BTS가 쓴 방법이 유튜브를 통해서 이제 홍보를 한 거예요.우리 it은 BTS 방법을 씁니다. 유튜브를 준비할 거예요.그래서 물론 제가 이제 강의했던 이런 것들도 여러 나라 말로도 들어가고 또 여러 가지 분석 방법을 굉장히 분석 방법이 많잖아요.이런 사례는 이렇게 해야 된다 이런 것들도 유튜브에 계속 들어갈 겁니다.그래서 가급적이면 후학이나 제 후학이나 우리 제자들에게 도움이 될 수 있는 방법으로 뭐가 있나 저는 상당히 개인적으로 봤을 때는 우리 사회의 혜택을 많이 받은 사람이에요.
참석자 1 1:01:0830대 초반에서부터 교수라고 존경받고 살았어요.굉장히 감사한 일이죠. 그리고 제가 유실링에서 박사학위 받는 사람이 150명쯤 되는데 그중에서 우리 동기들 중에 저만 국립대학 총장을 했어요.그것도 감사한 일이에요. 내가 보이려고 그러는 게 아니라 정말 너무너무 감사합니다.그래서 이제 총장을 하면서 내가 은퇴하고 내가 뭘 해야 될 것이냐 후학들에게 제자들에게 도움이 되는 일을 좀 해야 되겠다.그래서 그런 마음으로 이제 프로그램을 만들었어요.그래서 앞으로 그럼 돈 들이지 않고 유튜브만 봐도 도움이 좀 될 수 있는 그거를 만들려고 합니다.우리 그 만들어 주시는 분이 우리 김성원 대표님이 김성환 대표님한테 박수 부탁드리겠습니다.
참석자 1 1:02:04이게 되게 부끄러워
참석자 1 1:02:11한동대학을 나오신 아주 독실한 퀘스천인데 저도 착하게 살아왔다고 그랬는데 저보다 더 착하게 사는 것 같아요.하여튼 그래서 그런 방식으로 저는 국립대학에서 은퇴를 했고 또 연금도 받고 감사하게도 지금도 강의를 강의해달라고 그러고 그래서 나머지 인생은 돈을 벌기 위해서 살지는 않겠다.집사람도 제가 은퇴한 첫날 앉아봐 나보고 앉아서 얘기를 하는 거예요.당신은 어린 나이에서부터 존경받고 살았으니까 지금서부터 돈 버는 데 기웃거리지 마라.자기는 연금 나온 거 그것만 갖고 살 테니까 자기 연금이 안 되니까 돈 버는 데 기웃거리지 마라.이래서 저는 정말 은퇴하고 3개월 동안은 아무것도 안 하고 고생만 했어요.하고 싶은 거 하라고 그러니까 교보문고에 가서 알 책 5권, 파이썬 책 5권 10권 놓고 3개월 동안 밥만 먹고 코딩만 했어요.너무 행복했어요. 그러다 그것이 꿈이 자라고 자라고 자라서 여기까지 왔어요.
참석자 1 1:03:17그러니까 우리 후학들이나 제자들이 어떤 형태의 분석을 원하는지, 내가 뭘 뭐가 도움이 될 수 있는지 이거를 만든 거의 결정체가 이거고 또 감사하게도 김성원 대표를 만나서 이걸로 교재를 이걸 좀 써보겠다.또 유튜브 이런 거 도와주겠다.
clovanote.naver.com
2026.01.09 금 오후 3:00 ・ 63분 35초
이해원
참석자 1 00:00금방 만들어 드릴 테니까 걱정하지 마십시오. 저의 특징이 뭐냐 하면 제가 지금 나이가 몇 살인지 아십니까?
참석자 2 00:07아까 70이라고 하셨잖아.
참석자 1 00:1170이야 70 나이가 70인데 주름도 없어 진짜 왜 그런지 아십니까?항상 즐겁고 긍정적으로 저는 로션도 안 바르고 감기약도 먹어본 적이 없습니다.부교감 항상 어떤 방법으로 어떤 태도로 살아야 되느냐
참석자 2 00:34감정적으
참석자 1 00:35다른 사람을 행복하게 만들어 주려는 마음으로 살면 그래요.
참석자 2 00:38노력하겠습니다.
참석자 3 00:44가장 행복해 보이세요.
참석자 1 00:46그런 마음가짐을 가지면 젊어집니다. 저는 로션도 안 바릅니다.그다음에 면도 하고 면도 크림도 안 먹어요. 그런데도 피부가 유지가 돼요.가장 세상에서 가장 좋은 약 가장 좋은 영양제 가장 좋은 화장품은 뭔지 아십니까?감사. 어플리쉐이션 감상 제가 70이 됐는데도 나보고 강의해 달라고 그러고 우리 대학에서는 유명 강사가 제발 강의 좀 해달라.그런데도 시간이 없어서 못해요. 얼마나 행복한 일이에요.내 친구들은 70 먹은 내 친구들은 운전도 안 해요.난 노인네가 이거 운전하게 생겼다. 저는 절대 노인네라고 생각하지 않아요.미국 대학에 우리 지도 교수님은 38년생인데 지금도 광양학생 38년생 생각하기 나름이에요.38년생인데 지금도 강의하시는 몇 살이라고요?88세예요. 지금도 현역으로 다녀요. 저는 아무것도 안 해요.우리 대학의 이사장님은 저를 보고 뭐라고 그러잖아요.
참석자 1 01:52저 대학원장 김 원장님 김 원장님은 저하고 몇 년 더 일하셔야 됩니다.몇 세까지 일할까요? 그러니까 뭐 그렇게 많이 요구하지 않을 테니까 30년만 같이 일합시다.이러시는 그럼 자기는 30년 있다. 30년 지나면 16살이에요.나는 100살이고 그러셔도 되고 작년에 나하고 30년만 같이 가자.30년까지는 모르겠지만 정말 열심히 할 겁니다.하실 것 같아. 그래서 제가 가능성이 있는 게 뭐냐 하면 통계 프로그램 개발하는 사람이 저처럼 열심히 행복하게 개발하는 사람이 없다는 거예요.젊은 사람들은 골치 아프게 이거 안 해 너무 좋아 경쟁자가 없어요.
참석자 4 02:35이 때문입니다. 이쪽
참석자 1 02:38해보면 아시겠지만 또 쉽지는 않아요. 쉬워 보이지만 쉽지는 않아요.쉽지 않다고 여러 사람이 시도했지만 다 나가져 버렸어요.근데 저는 다른 사람보다 잘하는 게 뭐냐 포기를 안 해 끈질기게 포기하 여기까지 왔습니다.천지 그러면 지금서부터 여러분처럼 따라서 하십시오.파일을 누르고 예제 파일을 넣어서 기본 예제를 봅니다.
참석자 1 03:06여기에서 파일을 7개만 선택하겠습니다. 원래는 10개까지 선택하게 만들어놨어요.더 많이 선택해도 되지만 해도 되지만 이 한 창에 너무나 수십 개 파일을 놓으면은 못 찾아 그래서 10개를 제한해 놨어요.일부러 그래서 처음에 이제 7개만 선택하겠습니다.기술 통계에서부터 빈도 분석까지만 선택하겠습니다.그래서 확인을 일사천리로 나올 겁니다.
참석자 1 03:41그러면 여기 여기 아까 처음에 해놓은 건 내가 처음에 해놓은 건 지우겠습니다.기술 통계 독립 표본, 종속 표본 이론, 분산 이온 분산 공분산 빈도 분석까지 데이터가 쭉 있어요.이 중에서 맨 처음 거 기술 통계를 물어보겠습니다.그래서 분석을 기술 통계치 분석을 해보겠습니다.기술 통계 눌러보세요. 이 숫자 이 변수 중에 근무 만족도를 오른쪽으로 옮기세요.종속 가스 오른쪽으로 옮기세요. 이걸 가지고 밑에 보면 옵션이 있어요.이 옵션은 한국말로 바꿀 겁니다. 그렇습니다. 그래서 지금 여기는 평균 표준편차 사례 수 썸 미디어 미니멈, 맥시멈 레인지 그다음에 이렇게 외도 천도 이렇게 돼 있어요.선택한 것만 통계치가 나옵니다. 그래서 확인을 누르면 통계치가 나왔어요.평균 표준편차 사수 썸 합 합계 미디어 레인지, 스튜니 쿠처시스 이렇게 나왔어요.그러니까 필요한 게 나옵니다. SPs에서도 똑같이 이렇게 나와요.두 번째 데이터를 들어갑니다.
참석자 1 05:04두 번째 데이터를 찾으려면 어떻게 찾는다고요? 바이 스텝을 누르면 리스트가 쫙 나옵니다.독립 표본을 눌러보겠습니다. 독립 표본을 누르면 성별을 성별 이름을 두 번 때려보세요.그러면 여기 변수 설정이 나와요. 설정이 이렇게 돼 있다는 걸 보여주는 거예요.1번은 남자 2번은 여자로 돼 있어요. 그래서 변수명도 성별이고 라벨도 성별로 돼 있는데요.확인을 누르겠습니다. 여기서 지금 재밌는데요.분석으로 가서 t 검정으로 가서 독립 표본 t 검정을 누르겠습니다.
참석자 1 05:52먼저 분석을 해보죠. 성별은 독립 변수인가요? 종속 변수인가요?독립 변수예요. 근데 그것도 헷갈리는 분이 있어요.그래서 제가 프로그램을 어떻게 만들었냐면 카테고리 변수다 뉴메릭 변다를 미리 정의를 해놓은 경우에는 이 변수를 두 번 클릭하면 제자리를 찾아가 실수하기 힘들게 만들어놔.
참석자 5 06:17하고 싶지 않으신 분
참석자 1 06:22그러니까 예를 들어서 이거는 제 자리도 없고 제가 근무 평정 점수를 독립 변수에 넣으면 안 돼 카테고리 변수만 선택 가능합니다.그런데 이거를 두 번 클릭하면 제 자리를 찾아간다.그리고 그룹 입력 순서는 남자 여자 이렇게 기록해 달래요.어떤 사람은 이걸 또 거꾸로 하고 싶은 사람이 있어요.여자 남자 이렇게 하고 싶은 사람이 있어요. 이렇게 그룹 입력 순서를 바꿀 수가 있어요.그리고 기본적인 옵션은 뭐다? 양만 검증으로 돼 있어요.양반 검증으로 돼있어 그러면 이거를 여기까지만 하고 확인을 눌러보세요.여기까지 나온 분은 손가락 아 좋습니다. 전부 다 손가락 박수 한번 너무 좋아요.지금 여러분들은 독립표본 t 검증의 양방 검증을 성공적으로 수행을 했어요.양반 감정 대박 수업 시간에 우리 양반 검정 많이 배웠는데 교수님이 설명할 때는 까듯하게 이해를 하다가 돌아서면 이해가 안 돼요.맞아요.
참석자 1 07:34그리고 여러분들 주변에 통계 좀 한다는 후배들 있죠 김 선생님 통계 좀 한다면 이리 와 봐 이거 양반 검증과 일반 검증의 워딩을 한번 해봐 못해요.그 말 못해 확신이 없어 버벅거리죠. 여러분들은 이미 연구 가설, 양반 감정의 연구 가설은 이렇게 쓰는 거야 이게 여기 정해져 있어 그럼 여기 뭐예요?t 값은 3.88 p 값은 0.0026 이렇게 나왔어요.그래서 이거를 일반 검증을 해보겠어요. 양반 검증의 연구 가서는 근무 평정 점수는 성별에 따라 통계적으로 차이가 있을 것이다.이렇게 돼 있어요. 결론은 어떻게 돼요? 근무 평정 점수는 성별에 따라서 통계적으로 유의한 차이가 있다 나왔죠.오케이 다시 분석으로 가서 t 검정 독립표본 t 검정으로 가면 아까 선택했던 게 있죠.이거 일반 검증을 눌러 짠 일반 감이라 눌렀어요. 확인 눌러보세요.지금 똑같은 클라우드에 똑같은 프로시저를 여기 한 30명이 동시에 눌렀는데도 그대로 다 되죠.이게 놀라운 거예요.
참석자 1 08:51이게 더 좋은 게 뭐냐 하면 뭐가 버그가 생겼어 그럼 PC 버전일 경우에는 그거를 고쳐가지고 내 프로그램 쓰는 사람한테 다 보내줘야 돼.오늘 고쳤으니까 이거 새로 깔아 해야 돼. 그런데 클라우드에 있으면 나 혼자만 고치면 딱딱 터지는 거예요.그러면 일반 검증을 하면 어떻게 돼요? 연구 가설은 남자의 점수는 여자의 점수보다 높을 것이다.결론은 어떻게 나와 있어요? 남자의 점수는 여자 점수보다 통계적으로 유의하게 높았다.이렇게 나왔죠. 자 TTS 테이블을 보세요. 테이블을 보면 t 값은 3.8802, p는 0.0013.요 밑에 보면 t 값은 3.8802 똑같고 p 값만 0.0026 2배입니다.두 배 이거는 50%밖에 안 돼. 반으로 남았어. 이게 확률이 더 높아.일반 감정이 일반 감정은 위험을 감수하는 거예요.양반 검증은 양쪽의 가능성을 주는 거고 일반 검증은 한쪽만 선택하는 거야.한쪽 선택하는 리스크 테이킹을 한 사람한테 점수를 더 주는 거예요.
참석자 1 09:57여러분 제가 흥분하기 시작했는데 여러분 2002년도 우리 월드컵 때 월드컵 때 스타가 누구였었냐면 이은재 골키퍼예요.이은재 골키퍼는 이은재 골키퍼는 골을 막을 때 양방 검증을 썼냐 일반 검증을 썼냐 어떤 걸 쓰는지 아십니까?양방 일반 검증을 썼어요. 이 사람은 두 개 다 막으려고 그러지 않아 딱 보고 저 사람을 보고 판단을 해.쟤는 오른쪽으로 쏠 거다. 무조건 오른쪽으로 뛰어 맞아 왼쪽으로 쏠 거다고 왼쪽으로 무조건 뛰어 그러니까 한쪽은 포기해.그래서 그때 당시 우리나라 골키퍼 중에서는 가장 골을 잘 박았어요.
참석자 2 10:47예 제일 제
참석자 1 10:49한쪽은 포기 한쪽은 포기하니까 리스크 테이킹을 하기 때문에 점수를 좀 더 많이 받을 수 있어요.그렇게만 이해하세요. 물론 관계가 없는 일 그렇다 이겁니다.이은재 골키퍼가 한쪽만 선택해서 막는다. 이게 일반 검증이다라고 생각하세요.그러면 이해가 쉬워요. 이해가 좀 잘 되셨죠? 그런데 워딩을 해보려고 그러면 잘 안 돼요.그때는 어떻게 하느냐 AI로 다이스 근데 아이셋을 하되 이놈을 그래도 이해가 안 되면은 AI로 분석한다 그러면 더 해석을 또 해줘.하나 전부 다 다 이러면서 여기에 여기 독립 효본 티 검증 종속 효원 이거는 종속 일반 검증 AI로 분석하려면 AI로 분석해 줘.안경 안 갔어
참석자 1 12:07하여튼 일단 검증에 대한 내용을 말로 풀어서 이렇게 잘 설명을 해줬습니다.그래서 APA 타입으로 연구 가설을 만들고 결론을 만드는 것은 여기 대리가 쓰면 되고 그걸 부연 설명을 하려면 남아 있는 것으로 쓰시면 됩니다.직감정 했습니다. 또 넘어갑니다. 데이터를 딴 걸로 선택하겠습니다.아이스셋을 찍어서 그다음 종속 표본 티 검증을 하겠습니다.이건 사전 검사와 사후 검사 사전 검사를 하고 어떤 실험 처치를 하고 사후 검사를 또 했어요.그 사후 검사를 망가뜨려가지고 사후 검사를 했어요.우리는 어떤 걸 어떤 거를 염두에 두고 분석하냐면 사후 검사는 사전 검사보다 유의하게 높을 것이다라는 가정을 갖고 분석하는 거예요.한번 해보겠습니다. 분석 t 검증 종속 표본 티 검증을 보면 매핑을 해야 돼.먼저 사후 검사하고 사전 검사하면은 이게 너무 빨리 지나가서 안 못 보셨으니까 사후 검사하고 사전 검사를 또 두 번 누르면 요 길로 갔다가 밑으로 뚝 떨어져요.
참석자 1 13:32그러니까 순간적으로 욜로 갔다가 밑으로 떨어지니까 잘 안 보이죠.밑으로 떨어졌어요. 사후 검사와 사전 검사를 매핑을 했어요.이걸 분석하겠다는 거예요. 그다음에 그 검증은 뭘로 할 거냐 일반 검증으로 할 거냐 양반 검증으로 할 거냐 원래 처음에는 일반 검증을 선택하도록 해놨는데 우리 김 대표님이 양방 농진을 하는 사람이 너무 많습니다.그래서 이걸 바꿔달라고 그래서 할 수 없이 바꿨어요.이걸로 바꿔놨어요. 하여튼 근데 잠만 양반 검증을 하면 뭘 검증하는 거예요?사전 검사와 사후 검사는 차이가 있을 것이다. 사전 검사가 높은지 사후 검사가 높을지 모르지만 차이가 있을 것이다고 보는 거예요.그다음에 일반 검증을 하면 뭘 보는 거예요? 사후 검사는 사전 검사보다 높을 것이다.그러면 양방 검증을 먼저 해보겠습니다. 확인을 해봤어요.결과가 어떻게 나왔어요? 사후 검사 사전 검사는 차이가 있을 것이다.결론은 통계적으로 차이가 있어요. 일반 검증을 해볼게요.
참석자 1 14:41분석에 들어가서 t 검증 종속 표본 t 검증을 하면 일반 검증을 해보죠.그래서 확인을 누르면 어떻게 나와요? 어떻게 나와?연구 가설은 사후 검사가 사전 검사보다 높을 것이다가 연구 가설이고 그다음에 결론은 사후 검사가 사전 검사보다 높았다.위가 높았다. 그 위에를 보면 t 값은 똑같아. 근데 p 값만 여기는 0.016이고 여기는 0.008이에요.p 값만 나와 한쪽만 리스크 테이크 하고 한쪽만 선택하는 거에 좀 높은 의도를 갖는다 그런 거예요.물론 통계적으로 이거를 자세하게 설명하려면 자세히 통계책을 봐야 됩니다.그래서 만약에 여러분들이 김 교수님 저는 통계를 제출을 해놓는 모양이니까 좀 원문을 좀 그런 분은 제가 책을 빌려드릴게요.페엔지라는 사람의 통계 스테티스틱스라는 아주 고전적인 책이 있는데 천 페이지가 넘어요.그걸 빌려드리면 그걸 보다가 졸리면 베이 잡아가 베이를 써도 돼 두꺼운 책이에요.
참석자 1 15:58그렇게까지 해야 될 필요가 있나 생각해서 저는 이런 식으로 정리하고 넘어가겠습니다.그다음에 다시 아이스셋을 누르면 데이터가 나옵니다.그다음 데이터는 이론 분산 분석으로 가봅니다. 이론 분산 분석에 대한 데이터가 나왔습니다.오케이 그러면 분석으로 가서 분산 분석에 가서 이론 분산 분석을 눌러 봅니다.그러면은 이런 식으로 나왔어요. 아까 변수를 어떻게 하라고요?어디 들어갈지 모르면은 두 번 때려라 그러면 제자리로 넘겨요.상사의 유형이 독립 변수고 종속 변수는 근무만 정도 돼요.이걸 확인을 누르면 어떻게 나와요?
참석자 1 16:51확인을 누르면 연구 가설은 근무 만족도는 상사의 유형에 따라 차이가 있을 것이다.그러면 결론은 어떻게 돼요? 근무 만족도는 상사 유형에 따라 통계적으로 유의한 차이가 있다.맞죠? 이것도 내가 분석하는데 이 말만 쓰기 너무 심심하다.그럴 경우에는 어떡하라고 요 AI로 분석하기를 놀라 AI하고 통계 프로그램이 어우러져서 최신 AI가 AI 도움을 받는 프로그램으로 프로시지로 바뀌었어요.다른 어떤 소프트웨어를 이렇게 해주는 게 없어요.그러니까 여기 보면 똑같은 내용을 풀어서 이렇게 설명을 해주는 거예요.그럼 훨씬 더 앞으로 논문을 쓰는데 훨씬 더 쉬워지죠.
참석자 1 17:44그러면 지금 t 검증과 f 검증 집단이 2개 있는 경우와 이 경우 3개 이상 있는 t 검증과 f 검증을 했어요.그런데 보통 사람들은 분석을 여기까지만 해 근데 실제로는 훨씬 자세하게 분석을 하려면 만약 여러분들이 이제 박사학위 논문을 쓴다.같은 t 검정을 쓰고 같은 f 검정을 쓰더라도 내가 갖고 있는 자료를 검증을 해야 돼요.그 검증하는 절차를 여러분들이 따라야 됩니다. 예를 들어서 이렇게 해보겠습니다.아이셋을 눌러서 독립 표본 티 검증을 다시 눌러보세요.이렇게 나왔죠. 그다음에 분석을 누릅니다. 독립표본 t 검증을 누르겠습니다.
참석자 1 18:38그러면은 지금 여기에 보면은 샤피로 윌스의 정규성 검증 요건 뭐냐 하면 지금 종속 변수 근무 평정 점수가 통계적으로 정상 분포를 이루느냐 하는 걸 체크해 보는 거예요.이걸 눌러요. 그다음에 두 번째는 레빈의 등 분산성 검정 이거는 뭐냐 하면 남자 집단 여자 집단이 있어요.남자 집단과 여자 집단이 남자 집단은 1에서부터 한 10가지 정도의 분산이 있고 여자 집단은 1서부터 한 천까지 정도의 분산이 있어요.분산이 너무나 달라 분산이 너무 다르면 결과가 이상해져요.그래서 양쪽 집단 간의 분산이 동일하지 않으면 다른 방법을 써서 트럼 처리하는 그래서 집단의 분산이 비슷하냐 하는 거를 분석한다.가리는 거예요. 만약에 이런 분산이 분산이 똑같이 비슷하지 않다 그러면은 t 검증 대신 웰치스티 검증을 해야 돼요.GST 검증을 해야 돼요.
참석자 1 19:54그다음에 QQ 플라은 이건 뭐냐 하면 우리가 갖고 있는 자료를 현재 갖고 있는 이 기본적인 자기의 점수하고 이상적인 것의 점수를 플러스로 표시를 하는 거예요.그러면 이거 한번 지금 보여드릴게요. 전부 다 하면 어떻게 나오는지 양만 검거 보여드리.여기 보면 근무 평정 점수의 정규성 검정은 정규 분포로 돼 있어요.그러니까 이거 만약에 이게 정규 분포가 아니라면 t 검증은 이걸 쓰면 안 돼.월세 안에 비보수 공정을 해야 돼요. 그러니까 이게 정규 분포가 아니기 때문에 정상 분포가 아니에요.정상 분포가 아닌 것은 면 파라메트릭 이제 정상 분포에 해당하는 통계는 파라메트릭 스테티스틱스예요.근데 이것이 근무 평정 점수가 정규 분포가 아니면 넌 파라메트릭 스타트 집수를 써야 돼요.비모수 검증을 써야 돼요. 그다음에 두 번째로 레빈의 등 분산성 감정 그러니까 남자 집단의 분산과 여자 집단의 분산이 거의 비슷해야 돼요.이게 보니까 등 분산이에요. 그러니까 이거 쓰면 돼요.
참석자 1 21:13그래서 여기 보면은 웰치의 티 검증을 했는데 이거 안 써도 돼 이거 다시 들어가서 본산 티 검정 독립 해본 티 검증 oh t 검정 안 해도 돼요.
참석자 1 21:33그래서 t 테스트를 해서 결과가 이렇게 t 값이 나오고 p 값이 나오고 아까는 결과가 나오고 프라모빌리티 레벨은 이런 이론적인 정규 분포와 현재 우리가 갖고 있는 데이터가 어느 정도 합치하는지 이 데이터가 옆으로 이렇게 뻗어나가는지를 보는 거예요.내용이 이것이 지금 t 검증에서 우리가 쓸 수 있는 검정들이에요.여러분들이 박사학위 논문을 쓰신다고 그러면 적어도 이런 식의 데이터에 대한 검증을 해야 됩니다.그러면 이제 아이스t으로 가서 이론 분산 분석의 데이터를 불렀습니다.여기에서도 우리가 검증할 것이 있는가 한번 보겠습니다.분석에 들어가서 문상 분석 이론 분산 분석으로 들어갑니다.여기 더 많아. 이게 뭐야? 이것도 정규성 검증도 하고 퇴집단이 등 분산이 되는지 검증하고 그다음에 큐큐 플라도 그려보고 사후 검증도 해보겠습니다.사후 검증이 세 가지가 있어 쉐피 검증이 있고 투키스 테스트가 있고 돈카 테스트가 있어요.한번 해보겠습니다. 하긴
참석자 1 22:54여기 보니까 근무 만족도 점수는 비정규 분포예요.그러면 여기에 아로바로 쓰면 안 돼 이 분포가 종속 변수 데이터가 정상 분포에 있는 게 아니라 제각각이 높았다 나서 제각각 이렇게 막 이렇게 정상 분포가 되지 않아 이런 데이터는 정상 분포를 가정하는 공식으로 이렇게 검증을 하면 안 돼.그럼 뭘로 해야 돼? 비모수 검증을 해야 돼요 비 모수 검정으로 가보겠습니다.분석으로 가서 비모수 검정으로 가서 크루스칼 월리스가 세 집단 이상의 검증을 하는 거예요.그럼 독립 변수는 상사 이형 종속 변수는 근무 만족도예요.이거 눌러보면 어떻게 나와요? 거의 비슷한 형태의 결과가 나오지만 이거는 h 통계량으로 h 통계량이라고 b 모수 통계의 결과가 나옵니다.그래서 p 값을 보니까 통계적으로 의미가 있잖아요.의미가 있잖아요. 그래서 금방 말씀드린 대로 t 검증과 f 검증에서는 f 검증에서는 이제 여러 가지 검증을 해야 돼요.
참석자 1 24:15근데 아까 제가 여러분들에게 보여드렸던 거는 보니까 셰페드 테스트는 통계적으로 의미가 있는 게 없다고 나왔는데요.요 셰 테스트를 보여드리기 위해서 제가 다른 데이터를 한번 불러보겠습니다.여러분들 따라와서 한번 해보십시오. 파일에 들어가서 예제 파일에 들어가서 SPSS 파일로 들어가서 기본 파일 변수 계산 완료로 들어가 보세요.확인 데이터가 엄청 많아요. 데이터가 엄청 많아 데이터가 엄청 많다고 그래서 이건 SPSS 파일을 불러온 거예요.엄청 많다고 그래서 우리가 떨 건 없습니다. 전 데이터를 알고 있으니까 q1은 카테고리예요.그다음에 우리가 지금 하고 싶은 게 뭐냐 하면 이거를 전부 다 선택할 게 아니라 필요한 여기 5를 눌렀다 눌렀다 왔다 갔다 해요.o를 지우고 q1을 선택하고 저 뒤에 가서 품질 이용 편의성 디자인 부가 기능 전반적인 만족도 재구매 의도 스마트폰 칠숙도까지만 선택하겠습니다.그리고 확인을 물어 봤어요. 이게 뭐야 다 되어 있으니까 한번 해보겠습니다.
참석자 1 25:56분석에 들어가서 분산 분석에 가서 이론 분산 분석을 해보겠습니다.그래서 q1이라는 걸 가지고 q1이 독립할 수고 종속 변수는 맨 밑으로 내려가서 품질 이용의 편리성 그냥 누르면 선택이 됩니다.이렇게 전반적인 만족도 재구매 의로 스마트폰 친숙도까지 선택을 하고 누르면 종속 변수로 들어왔어요.
참석자 1 26:29그래서 이렇게 선택해 놓은 걸 가지고 똑같이 검증하는 걸 이렇게 선택하면 어떻게 되는가 보겠습니다.
참석자 1 26:56시간이 많이 걸리네. 여러 사람이 들어오니까 만약에 여러분들이 리포트 생성 중 이게 나오면은 조금 기다리라는 거예요.20명 이상이 동시에 똑같은 걸 분석해 달라고 그러면 아무리 똑같은 열로도 동시에 내려오는 건 없어요.차이가 나요. 그래서 차이가 나면 그걸 q가 생긴다고 그래요.줄이 생겨요. 그래서 먼저 누른 사람 것보다 먼저 해석해서 보내줘요.근데 그게 워낙 빠르니까 동시에 나오는 것 같은데 보내줘요.끝났죠 여기 보세요. 여기 보면 모든 종속 변수가 비정규 분포예요.근데 사실은 이걸 가지고 이 정규성 검정에 의하면 이거는 기본적인 f 검증을 하면 안 돼 그런데도 불구하고 우리는 이런 걸 따지지 않고 그냥 f 검증을 하는데 사실은 쓰면 안 돼 그렇지만 써도 된다고 가정을 하고 아까 등 분산성 가정을 보니 검증을 해보니까 다 등분산이에요.그래서 연구 가설에 요렇고 분산 분석 표가 나와요.
참석자 1 28:06그다음에 미인 테이블 평균 분석표가 나오는데 우리는 여기 셰프의 테스트를 한다고 해 셰프의 테스트를 해서 보면은 이상한 게 뭐가 붙어 있어 뭐가 붙어 있어요?이거는 셰프 테스트는 뭐냐 하면 사후 검정이에요.
참석자 1 28:28여기 집단이 뭐였죠? 아니 아니요.
참석자 3 28:36브랜드 브랜드 a 사는 사실상
참석자 1 28:38브랜드예요. 브랜드 그럼 스마트폰 브랜드 스마트폰 브랜드예요.그럼 제가 1 2 3으로 돼 있으니까 헷갈리니까 이거를 이름을 붙여가지고 좀 보기 좋게 하겠습니다.아이셋으로 가서 요 q1을 누르니까 이렇게 나왔죠.a사 b사 c사 이거 왜 이게 표시 안 됐지 요게 지금 제가 버그를 발견했습니다.자 보고서 에서 b
참석자 1 29:11여기 포근해 여기에 a사 b사 c사가 나와야 되는데 그게 안 나왔어요.하여튼 a사 b사 c사가 있는데 요 셰페의 사후 검성으로 보면은 a는 c보다 확실히 크다.통계적으로 의미 있게 크다라는 소리예요. 여기는 여기는 뭐죠?a는 c보다 크고 b도 c보다 크다 하는 것을 요약한 거예요.사후 검증을 하면 왜 그러냐 하면 그 집단이 3개 이상인데 두 집단 간 차이가 어떻게 있을까 하고 궁금한 사람이 있어요.그런 사람을 위해서 통계적으로 의미가 있는 경우에는 이렇게 사후 검증을 할 수 있습니다.사후 검증을 하는 방법이 가장 많이 쓰는 것이 바로 셰프의 테스트 투키의 테스트, 동현의 테스트 물론 다른 것도 여러 가지가 있지만 3개로 우리 절충을 하기로 했습니다.저는 원래 시페 테스트를 좋아하는데 우리 김 대표님이 아니다.몇 개 더 넣어라 더 써라 맛 수없어 연말에 조금 더 써서 2개 더 집어넣었어요.
참석자 1 30:22그런데 그런 사후 검증을 하고 꼭 옆에 들어가 있는 부분 표시가 돼 있는 식으로 표시를 해서 논문에 냅니다.근데 이걸 하려면은 제가 일일이 보고서 부를 정해야 돼요.근데 그거는 책에도 원래 옛날 책에는 그렇게 나왔는데 그거 내가 프로그램 만들어서 아예 한 방에 부두목까지 넣게 만들어 넣게 만들어주겠다.그래서 원하면 이렇게 나와요. 그래서 여기 보면 분석에 가서 다시 보면 이거를 나는 사후 검증을 3개 다 하겠다 라고 누르면 3개가 다 나와요.그거를 3개를 다 한꺼번에 필요하다는 사람이 있을지 없을지 모르겠지만 아 그렇습니다.눌러보면 이렇게 나와요. 사후 검증 테이블이 셰페 테스트 투키의 테스트 종현 테스트가 이렇게 세 가지가 다 나옵니다.어쨌든 간에 제가 자랑하고 싶은 것은 우리가 원하는 형태의 사후 검증이 논문에 바로 투구할 수 있는 형태의 테이블로 만들어졌다 하는 게 중요합니다.
참석자 1 31:32이것도 마찬가지로 여러분들이 원하시면 원하시면 AI로 분석하기를 누르면 이것 자체를 AI로 분석을 해서 여러분들에게 딱 먹기 좋게 딱 상을 차려서 여러분한테 드린다.기분 나빠하지 마십시오. 상처를 드린다니까 아직 상이 아직 안 나왔습니다.
참석자 1 32:23이론 분산 분석을 한 결과가 일목요연하게 딱 정리가 돼서 나왔습니다.여러분 앞으로 여러분도 이걸 보실 때마다 행복하시기 바라겠습니다.이게 얼마나 신나는 거예요? 여러분 옆에 박사학위 갖고 있는 사람 10명씩 조사해놨다가 야 AI로 분석 좀 해봐 그러면 자기가 알아서 딱 분석해서 딱 보내주는 거예요.이거 누구한테 물어봐요? 박사가 되면은 창피해서 나도 못 물어봐 그 AI한테 물어보면은 실증도 왔네.휴가도 안 가게는 아무 때나 물어봐도 아무 때나 물어도 너무 좋아요.다음으로 넘어가 보겠습니다. 이게 파일을 눌러서 이원 분산 분석을 합니다.그러면 데이터가 상사 유형 보상 방법 근무 만족도에 대한 데이터가 나왔어요.그다음에 분석에 들어가서 분산 분석 이원 분산 분석을 누릅니다.그러면 독립 변수 2개를 2번 클릭하면 지 자리에 찾아가요.근무 만들고 또 두 번 누르면 자기도 g셀하고 자기 자리에 또 들어가요.이게 그다음에 확인을 누르면 이거는 옵션이 하나밖에 없어요.
참석자 1 33:42이거 자기 이거 확인을 누르면 어떻게 돼요?
참석자 1 33:48확인을 누르면 이렇게 나옵니다. 어떻게 나와 연구 가설이 나오고 아노바 테이블이 나오고 그다음에 미인 테이블이 나오고 f 값과 p 값이 나와요.그런데 상사의 이용과 보상 방법에 보상 방법의 차이가 통계적으로 유의하면 이런 상호작용 효과가 있다면 뭘 해 준다고요?그림을 그려준다. 그림을 그려서 온 거예요. 마찬가지로 이 그림을 가지면 우리가 AI로 분석하기를 하면 이거에 대한 내용을 자세히 설명을 해 줍니다.
참석자 1 34:47여러분들이 통계를 배우면서도 처음부터 끝까지 하나도 빼놓지 않고 다 한꺼번에 실습을 해 본 적은 없으실 것 같아요.근데 오늘 총망라해서 구조 방정식 모형까지 한꺼번에 한 방에 끝낸다 진짜입니다.이게 이용 분산 분석의 내용을 보면 이렇게 나오는데요.여러분들 한번 해보시고 집에 가서 꼭 한번 읽어보십시오.그다음에 이제 아이스 셋에 들어가서 데이터를 불러가지고 뭘 불러요?공 분산 분석을 불러보겠습니다. 공 분산 분석을 둘러보니까 상사 유형 보상 방법 근무 만족도 자개념 이렇게 나왔어요.이걸 가지고 공 분산 분석을 해보겠습니다. 이런 모양이 나오죠.종속 변수는 뭐냐 근무 만족도예요. 공변량은 뭐냐 자아 개념 그다음에 독립 변수는 상사 유형을 독립 변수라고 합니다.이게 무슨 소리냐 하면 처음에 우리가 분석했을 때는 상사의 유형에 따라서 근무 만족도의 차이가 생긴다고 그랬어요.그랬더니 어떤 까칠한 사람이 태클을 걸 거예요.
참석자 1 36:04야 근무 만족도라는 거는 윗사람이 잘해준다고 그래서 근무 만족도가 올라가는 게 아니야.그건 왜 올라가냐 원래 자기가 갖고 있던 개인적인 특성에 따라서 근무 만족도가 차이가 나는 거지 아무리 윗사람이 잘해준다 그래 봐야 그러니까 만약 분석하려면 그런 자아 개념이 돼.항상 즐거운 사람이 있어요. 저처럼 1년 내내 즐거운 사람이 있어요.자면서도 즐거울 것 같고 그런 사람은 그렇지 않은 사람하고 차이가 많이 그러니까 저는 집은 엄청 가난했지만 엄청 가난했지만 항상 마음은 풍족했어.
참석자 1 36:50마음은 풍족해져요. 그러면 어떤 일을 해도 저는 항상 만족감을 느꼈어요.그러니까 그 사람이 어떤 사람이 테크를 거는 게 그게 말이 되는 거였어요.그래 그러면 그거를 위해서 통계적 분석 방법이 있어요.어떤 통계적 분석 방법이 있냐면 근무 만족도라는 것이 이만한 범위가 있어요.거기에서 자아 개념이 설명할 수 있는 부분 자아 개념 때문에 변화할 수 있는 부분은 빼버려 그걸 제거해 빼버리고 나머지 것만 가지고 분산 분석을 하는 거예요.그게 공부상 이전이야. 공변인에 대한 걸 빼고 나머지만 갖고 군산 분석 한다는 거야.그런데 공분산 분석 안코바 책에 보면 되게 복잡하게 올라와 있어.무슨 말을 저렇게 같은 것도 저렇게 어렵게 써놨나 그럴 정도로 어렵게 써놨어요.근데 사실은 제가 지금 말씀드린 그 컨셉이에요. 김 교수님 이거 맞는 겁니까?도대체 저한테 그러지만 맞아요. 저는 그거 계산도 할 줄 아는 사람이에요.
참석자 1 37:56그걸 보고 공식 보고 계산도 할 줄 아는 사람이니까 누가 뭐라고 태클을 걸면 저한테 전화하세요.제가 대안을 해드릴 테니까 이걸 갖고 확인을 누르면 연구 가설이 뭐냐 이렇게 나왔어요.자아 개념의 영향을 제거한 후 조정된 근무 만족도는 자아 개념의 영향을 빼고 남아 있는 부분 이걸 갖고 하는 예를 들어서 이런 거죠.
참석자 1 38:41이것이 근무 만족도
참석자 1 38:47그러면 자아 개념에 대한 영향이 어느 정도 되느냐 이 정도 그래서 이거는 빼버립니다.빼버려 빼버리는 걸 뭐라고 그래요? 컨트롤 한다고 그래요.또
참석자 1 39:11다시 할게 나와 빼버려 이건 빼버리고 이것만 가지고 분석하는 거예요.이것만 가지고 이게 공분사 판석이 그러니까 종속 변수에 영향을 미칠지도 모를 자아 개념의 영향을 빼버리고 나머지만 갖고 분석하는 거예요.
참석자 1 39:32이런 컨셉만 아시면 이해하시는 데 도움이 많이 됩니다.그리고 결과는 어떻게 나오냐 여기를 보면 여기를 보면 자아 개념 공별량에 대한 것이 이렇게 나왔어요.이렇게 나왔고 근무 만족도의 평균이 8.0 8.33 11.33이었어요.근데 이거를 조정된 근무 만족도는 조금 달라졌어요.이런 자아 개념을 영향을 뺀 것이 빼고 나머지를 갖고 계산한 것이 이렇게 계산이 됐습니다.그리고 분산 분석표를 보면 자아 개념이 확실히 통계적으로 영향을 미치네요.근데 영향을 미치고 상사 유형은 그 나머지 점수를 갖고 상사 유형에 대한 검증을 해봤더니 역시 제거했는데도 통계적으로 의미 있는 차이가 있었어요.결론은 어떻게 내렸느냐 하면 자아 개념의 영향을 제거한 후에 조정된 근무 만족도는 상사의 유형에 따라서 통계적으로 의미있는 차이가 있다.옆에 쓰는 것은 f값 자유도 p 값을 이렇게 보고하는 겁니다.이렇게 해서 사실은 좀 허무하지만 공분산 분석을 이런 상황에서 쓰고 이렇게 해석하면 됩니다.
참석자 1 40:49그 이상도 아니고 그 이하도 아니야 이게 정확한 컨셉이에요.아이스셋을 누릅니다. 아이스셋을 누르고 아까 이온 분산 분석에서 얘기를 안 한 게 하나가 있어요.이걸 눌러보세요. 그다음에 이온 분산 분석 를 눌러보겠습니다.여기 보시면 타입 4 ss 하는 것이 있어요. 타입 3, 타입 4 이거는 통계학자들이 만들어 놓은 그 구분인데 우리는 타입 3가 뭐고 타입 4가 뭔지를 알 필요는 없어요.그렇지만 예를 들어서 상사의 유형이 세 가지가 있고 보상 방법이 두 가지가 있어요.전부 몇 개 몇 개 그룹이 있어요 6개 그룹이 있습니다.근데 우리는 지금 이렇게 수업 시간에 이온 분산 분석을 공부하기 위해서 데이터를 아주 깨끗한 데이터를 보여준 거예요.실제로 연구를 할 때는 모든 카테고리가 다 있는 게 아니에요.빠져 있는 경우가 있어요. 그거를 미싱 셀이라고 그래요.미싱 셀이 있는 경우에는 타입 4 ss를 써야 돼요.
참석자 1 42:03이 타이4 ss를 쓰려면 SPSS나 사스 같은 것만 쓸 수 있어요.자업이 안 됩니다. 아깝지만 이 셀이 빠진 거를 분석하면 엉뚱한 게 나와요.0.0000 이런 거 나오고 무슨 이상한 눈물 점자 표시 나오 이상하게 나 계산 못합니다.자옥이 안 됩니다. 유일하게 정이 안 되는 게 이 미싱 셀을 계산을 못해요.이거는 굉장히 중요하면서도 아주 프로그래밍하기가 쉽지 않은데 아이스트에서는 자신 있게 아주 부끄럽게 옵션이 여기 숨어 있지만 굉장히 강력하고 파워풀한 옵션이라는 걸 알아두셨으면 좋겠습니다.이것도 자랑이었습니다. 근데 미싱 셀이 없는 경우에는 결과가 똑같아요.이거를 선택하나 하나랑 똑같아요. 그것만 그 경우만 알아두시면 됩니다.아이셋에 들어갑니다. 아이스트로가 보니까 가서 그다음 걸 보겠습니다.빈도 분석을 보겠습니다. 빈도 분석은 아까 여러분들에게 보여드렸듯이 성별이 합격 여부에 영향을 미치는가 이걸 보는 거죠.
참석자 1 43:20그래서 분석에 들어가서 빈도 분석을 보니까 어떻게 돼요?성별 합격 여부 두 개가 다 카테고리가 있어요. 그럼 표시를 할 때 행위 열명 표시할 거냐 행렬 전체를 폐쇄할 거냐 어떤 걸 폐쇄해야 되냐 이왕이면 많은 걸로 돈 더 내는 것도 아니니까 많은 걸로 해보겠습니다.이거는 교차 표를 만든 크로스 테이블을 만들 때 이렇게 여러 가지 정보를 주는 거죠.그다음에 확인을 해보겠습니다. 확인 누르면 짠 나오세요.
참석자 1 43:57연구 가사를 성별에 따라 합격 여부의 빈도 분포는 차이가 있을 것이다.그다음에 여기 보면 성별 퍼센트, 성별 퍼센트는 남자 여자가 합쳐서 100% 되는 거예요.합격 여부 퍼센 합격 불합격을 합치면 100% 되는 겁니다.그다음에 전체 퍼센테이지는 전체 모든 셀 하나, 둘 셋, 네 개 셀을 합쳐야 100%가 되는 거예요.이거는 이런 식으로 햄 퍼센테이지 열 퍼센테이지 토털 퍼센테이지를 넣는 방법은 어디나 스탠다드예요.이렇게 합니다. 그렇지만 이거는 빈도 분석이기 때문에 가설 검증을 하겠습니다.어떻게 가설은 뭐죠? 연구 가설은 성별에 따라 합격 여부의 빈도 분포는 차이가 있을 것이다.그다음에 결론은 성별에 따라 합격 여부의 빈도 분포는 통계적으로 의미 있는 차이가 있다.그리고 카이스퀘어 값은 이렇게 쓰고 자유도 p 값을 써서 보고를 합니다.이제 앞부분에 7개를 가지고 우리가 분석을 했는데 한 3~4분 동안 혹시 질문이 있거나 그거 한번 다시 한 번 해보시오.
참석자 1 45:13그런 게 있으면은 여러분 한번 여기까지 한 거에 대해서 질문이 있으면 해 주시면
참석자 6 45:19그 티 검증에서 종속 부분 티 검증 대응
참석자 1 45:22흥분하지 마시고 크게 말씀해 주세요. 제 제자 알고 있으니까
참석자 6 45:27티 검정에서 종속 표본 티 검정이 대응 표본 티 검증하고 같은 거요.
참석자 1 45:32네 대용 표본 네 똑같은 거 그 t 검정은 중소 표본 티 검정 대용 표본 티 검정 그다음에 리피티드 매저 다 비슷한 말이에요.어떤 사람들을 혼합해 어요. 어떤 걸 꼭 써야 되는지 아십니까?어떤 말로 써야 되는지 아세요? 지도 교수님이 틀린 말씀 잊지 마세요.아주 중요한 겁니다.
참석자 7 45:54교수님 저기 AI에서 분석해 주는 그 AI가 챗gpt 가져오신 건가요?아니면 네 챗gpt 가져 챗gpt 지금
참석자 1 46:02돈 내는 거예요. 한 번 누를 때마다 15억씩 나가요.이벤트씩 나가느라
참석자 7 46:07파일에서 이렇게 파일 복사해서 붙여 넣어 가지고 이렇게 더 만들어주기도 하고 그랬는데 그 파일을 두 개 불러와서 합칠 수도 있나요?어떤 걸요? 두 개 붙여 데이터를 우리 어저께 막 배울 때 보면 엑셀 엑셀에 있는 데이터 엑셀 두 개를 데이터를 띄워서 이쪽에 있는 변수를 이쪽 엑셀에다 붙여놓기를 하고 그랬거든요.근데 그런 것도 되나요? 그런
참석자 1 46:34마지막 시간에 할 겁니다.
참석자 7 46:36예 패널들
참석자 1 46:37기본이에요. 기본 또 질문 질문 있으신가요? 예 큰 소리로 말씀해 주세요.
참석자 6 46:483 분석할 때 저거 진 빠진다고 했잖아요. 내가 제거한다고 했잖아요.053 분석할 때 저거 제거한다고 했었잖아요. 사진이 그거하고 좀 가중치랑 가중치 네 좀 비슷한 것 같기도 하고 좀 다른 것 같기도 하고 저는
참석자 1 47:02가중치는 뭐고 아까 가중치에다
참석자 6 47:04그러니까 그러니까 저기 가중치를 마이너스 하게 되면 빼는 것만 다른 가중치는 홍수를
참석자 6 47:26그리고 또 하나 AI 때 창구 분이 같이 나왔으면 좋겠다 좋아 창 그러니까 통계로 나온 어디 어디 출천 어디 수치 있잖아요.예를 들어서 몇 정도 나오는 수치가 어디서 나왔는지
참석자 1 47:47완전 완전 거의 다 이런 거에 대한 토론문은 없고 내가 연구하려고 하는데 연구 문제가 있잖아요.내 연구 문제에 대해서 이 연구 문제에 대해서 관련된 자료를 좀 찾아줘.
참석자 6 48:00그러면은 컴플렉스 컴플렉스 아는데 AI 분석해 통계도 그 수치 있잖아요.그 수치도 어디 문헌 청구하면 있을 거잖아요.
참석자 1 48:12통계적인 수치는 내가 분석한 거에 대해서 나온 거니까 참고 모형 이론이 있을 수 없는 내가 분석한 이 결과를
참석자 3 48:19그러니까 예를 들어서 그런 거 원하는 것 같아요. 외도 첨도나 이랬을 때 외도 첨더가 정규성을 만족할 때 어느 어느 논문에서의 이런 기준으로 한다.아까 헤이스 교수님이 뭐 한다 이거를 그냥 자동으로 다 나왔으면 좋겠다 이거 말이 그
참석자 1 48:37고려해 보면 재밌을 것 같습니다. 알겠습니다. 근데 지금 AI가 여러 가지가 있는데 이제 말로 하는 거는 말로 얘기해서 일 시키는 거는 챗gpt가 제일 잘하고 그다음에 논문은 긴 문장을 정리해 주는 거는 구글이 제미나이가 찾아요.재미나이가 노트북으로 엘레미 라는 게 또 우리가 말로 프론트 틀어주고 인포그래픽 그려주는 것 역시 나노 바나나가 좋잖아요.그다음에 논문 참고만 찾아주는 거는 제일 에러가 적은 것이 콤플렉스 이렇게 여러 가지의 특징이 있어요.그거를 이제 해보시면 자기 취향을 취향에 맞춰서 그러면 10분만 쉬었다가 이렇게 시간이 빨리 가는지
참석자 2 49:27시간 교수님 교수님 이거
참석자 4 49:35특허 내신 거죠? 특허 내셨죠? 아니 특허 안 내는데 뭔가 이거 걱정이 돼서 선생님인데 1년에 한 달 걱정이
참석자 3 49:45아니 이렇게 집중 안 하셨잖아요. 1 2 3일 차 이렇게 집중 안 하셨잖아요.눈높이 교육
참석자 1 49:56아 고맙습니다.
참석자 2 50:20기본 이렇게 이름 넣은 상태야 이렇게 눌러가지고 알았어
참석자 8 50:47이렇게 쭉 다 잠시만 안녕하세요. 첫 번째 그렇게 하면 갑자기 생각이 나 가지고 따로 저희 어차피 손님이 제 체크한 게 아닌가 싶어요.밖에 있는 거를 수습니다. 그 괜찮다라고 판단하셔가지고 제가 조금 정리를 할 수 있어요 라고 하려고 해요.그래서 우리가 처음으로 아이템을 실제로 할인을 보겠다 이렇게 하면 우리 필요한
참석자 6 51:12고맙습니다. 아 저 저 괜찮아요
참석자 3 51:15교수님 교수님 하나 혹시나 혹시나 더 많은 시간 제가 말씀드릴 거 하나만 드리고 싶어서 그거 보고 제가 카톡에 적어드렸습니다.그리고 아까 오류 있는 거 제가 카톡에 적어놨습니다.교수님 아까 강의하시다가 모르는 있잖아요. 바로 바로 저 봐서 좋습니다.갑자기 떠올라 가지고 그러면 그냥 내가 그냥 알을 그냥 써라 그러니까 공인만 되면 그걸
참석자 2 51:42그 안식색도 문에 등재가 된다. 한 번만 돌아
참석자 8 51:49저희 교수님은 완전 합재하셨었어요. 그래서 이제 제 그거를 알고 계시니까 저는 이제 롤 서브 상용
참석자 3 52:02제가 잠깐 실험지가 되겠습니다. 그래서 이거는 그거 딱 좋은 것 같아요.실험 실험지
참석자 5 52:10말 못해
참석자 2 52:12뭘 못했는지 잘 되시는 거 아니에요? 아니 뭐 하나를 넓게 열려서 빨간 거 나오는 하나 있는데 그걸 모르겠어요.이런 사람이 여긴 아니구나 기본 예제 불러와가지고 하는 거 교수님 교수님 저를 어이없게 여겼어요.제가 이렇게 파일이 10개 열려서 하나 놓친 게 있는데 기둥에서 불러와가지고 이렇게 열려서 이렇게 배울 수 있는 거를 잘 놓쳤거든요.네 아까 어떤 거요? 그걸 못 잡고 있어요. 저기 기본 실습 파일 변수 이쪽 카테고리 좀 더 넣으세요.이거는 지금 1박스 거
참석자 2 53:16여기 계시 이거예요.
참석자 1 53:20파일에 들어가서 우리 기본 다른 일
참석자 2 53:24아니요.
참석자 1 53:25근데 이제 이제는 파일에 들어가서 이제
참석자 2 53:42해야 된다고 해서 SBS 파일 할 때 여기 해서 이렇게 해서 여기 보면 이렇게 완전 이걸로 할 때 바뀌어요.지금
참석자 2 54:13너무 많이 열려가지고 빨간 불 가지고 분석 분석 그다음에
참석자 2 55:10뒤에 막 담배를 몰라 친하게 지내면 줄까요? 교수님 저 오늘 생일 하기로 했다고 했죠.너무 큰 선물 받아서 이 앞당겨 안 당겼다고 제가 유치원 교사 할 때 불교 유치원 있을 때 애들이 선생님 생일 언제예요?그러니까 부처님 생일 언제입니까? 4월 축하해 선생님 생일은 6월 축하행이라
참석자 1 55:45아침에 우리 강의 시작할 때는 6시간이 짧은 시간이 아닌데 제 목표는 우리 수강생들이 졸지 않고 주는 사람이 없이 6시간 동안 끌고 간다가 내 목표였어요.근데 제가 목표치를 달성했습니다.
참석자 1 56:11너무 기분이 좋아요. 그러니까 여러분들 다 재미있어 하니까 그렇잖아요.그런데 아깝게도 이제 1시간밖에 안 남
참석자 8 56:20아 그러게요. 그러니까
참석자 1 56:22그래서 제가 이거를 끝내기 한 5~6분 전에 끝났으니까 여러분들 뭐 질문하고 싶은 거 있으면 적어놨다가 꼭 질문을 하세요.만약에 계속 질문에 대답할 시간이 없다면 우리 김상원 대표한테 메일을 보내면 제가 일괄적으로 답장을 해서 보내겠습니다.우리가 아까 수업 시간에 했던 나노 바나나 레시피 그다음에 어떤 분이 강민구 변호사라고 그분이 작년에 정년 퇴임하신 판사님인데 이분이 특히 판사님인데 컴퓨터를 잘해요.이분이 나노 번호를 가지고 6.25 한국전쟁의 역사에 대해서 한 100여 페이지를 썼는데 이틀 만에 썼어요.이틀 만에 만든 게 그거예요. 대단해요. 여러분들 여러분들이 갖고 있는 모든 생각을 글로 써서 옮기는 게 그런 퀄리티로 나올 수 있어요.공짜로는 안 되고 한 달에 2만 원이 너무 공짜로만 쓰려고 그러지 마시고요.
참석자 1 57:32그러면은 다 오셨나요?
참석자 1 57:561분 남았어
참석자 9 58:02교수님 그냥 좀 약간 부끄러운 일일 수도 있는데 저는 이제 통계에 대해서 완전 모르고 저는 이제 이제 한 학기를 대학원 초년 대학원생인데 이제 이제 통계 그동안 이제
참석자 2 58:193회 차 이렇게 진행하면서
참석자 9 58:21정적인 거를 이제 아주 조금씩 이해가 되기 시작했는데 제 연구에 사실 이렇게 적용을 해야 되잖아요.그래서
참석자 2 58:30어떤 어떤 방법을 써야 되고 어떤
참석자 9 58:33통계법을 써야 될 때 되게 헷갈리는데 그것도 AI가 애한테 이제 좀 집어넣고 하면은 어떤
참석자 1 58:42보험이 이제 그런 전문가의 도움을 받아 김상훈 대표한테 도움을 받으 그러면 그렇게 어렵지 않게 하셨을 있어요.또 저는 저희 프로그램이 그리고 어떤 식으로 해서 홍보하고 어떤 식으로 후학들이나 제자들한테 도움을 줄까 생각을 했었어요.그도 제가 원래 돈 버는 사람이 아니기 때문에 돈을 빌려서 선정할 수는 없는 거예요.그래서 저는 그 가수들 중에서 두 가지 모델이 있어요.하나는 이 아이돌 그룹이 있어요. 또 하나는 BTS였어요.BTS 아시죠? 두 그룹의 마케팅 방법이 달라요.근데 저는 아이돌 그룹의 마케팅 방법을 안 쓸 겁니다.그리고 돈이 많이 들어 거기 연습생을 모아가지고 연습생을 1년 2년 3년 어떤 사람은 10년까지 훈련을 시켜서 때가 됐다 그러면 방송국에 노래를 만들고 방송국 PD한테 홍보를 하고 돈을 주고 해서 나가요.돈이 많이 벌어요. 시간도 많이 걸리고 그런데 BTS는 초분들이에요.경기도 고양 일산에 있는 친구들이에요. 돈이 없어 마케팅할 돈이 없어.
참석자 1 59:55그래서 어떤 식으로 홍보를 했냐면 BTS 식의 홍보는 유튜브로 해 공짜 거기 보면 노래 부르는 것도 있고 연습하는 것도 있고 밥 먹고 장난치는 것도 있고 그게 다 들어 있어요.그거를 사람들이 보고 전 세계 사람들이 다 전 세계에 열려 있으니까 전 세계 사람들이 그걸 보고 스스로 팬 클럽을 만들었는데 그 팬클럽이 이름이 아이에요.군대 그리고 전 세계적으로 대단하다. 근데 그 BTS가 쓴 방법이 유튜브를 통해서 이제 홍보를 한 거예요.우리 it은 BTS 방법을 씁니다. 유튜브를 준비할 거예요.그래서 물론 제가 이제 강의했던 이런 것들도 여러 나라 말로도 들어가고 또 여러 가지 분석 방법을 굉장히 분석 방법이 많잖아요.이런 사례는 이렇게 해야 된다 이런 것들도 유튜브에 계속 들어갈 겁니다.그래서 가급적이면 후학이나 제 후학이나 우리 제자들에게 도움이 될 수 있는 방법으로 뭐가 있나 저는 상당히 개인적으로 봤을 때는 우리 사회의 혜택을 많이 받은 사람이에요.
참석자 1 1:01:0830대 초반에서부터 교수라고 존경받고 살았어요.굉장히 감사한 일이죠. 그리고 제가 유실링에서 박사학위 받는 사람이 150명쯤 되는데 그중에서 우리 동기들 중에 저만 국립대학 총장을 했어요.그것도 감사한 일이에요. 내가 보이려고 그러는 게 아니라 정말 너무너무 감사합니다.그래서 이제 총장을 하면서 내가 은퇴하고 내가 뭘 해야 될 것이냐 후학들에게 제자들에게 도움이 되는 일을 좀 해야 되겠다.그래서 그런 마음으로 이제 프로그램을 만들었어요.그래서 앞으로 그럼 돈 들이지 않고 유튜브만 봐도 도움이 좀 될 수 있는 그거를 만들려고 합니다.우리 그 만들어 주시는 분이 우리 김성원 대표님이 김성환 대표님한테 박수 부탁드리겠습니다.
참석자 1 1:02:04이게 되게 부끄러워
참석자 1 1:02:11한동대학을 나오신 아주 독실한 퀘스천인데 저도 착하게 살아왔다고 그랬는데 저보다 더 착하게 사는 것 같아요.하여튼 그래서 그런 방식으로 저는 국립대학에서 은퇴를 했고 또 연금도 받고 감사하게도 지금도 강의를 강의해달라고 그러고 그래서 나머지 인생은 돈을 벌기 위해서 살지는 않겠다.집사람도 제가 은퇴한 첫날 앉아봐 나보고 앉아서 얘기를 하는 거예요.당신은 어린 나이에서부터 존경받고 살았으니까 지금서부터 돈 버는 데 기웃거리지 마라.자기는 연금 나온 거 그것만 갖고 살 테니까 자기 연금이 안 되니까 돈 버는 데 기웃거리지 마라.이래서 저는 정말 은퇴하고 3개월 동안은 아무것도 안 하고 고생만 했어요.하고 싶은 거 하라고 그러니까 교보문고에 가서 알 책 5권, 파이썬 책 5권 10권 놓고 3개월 동안 밥만 먹고 코딩만 했어요.너무 행복했어요. 그러다 그것이 꿈이 자라고 자라고 자라서 여기까지 왔어요.
참석자 1 1:03:17그러니까 우리 후학들이나 제자들이 어떤 형태의 분석을 원하는지, 내가 뭘 뭐가 도움이 될 수 있는지 이거를 만든 거의 결정체가 이거고 또 감사하게도 김성원 대표를 만나서 이걸로 교재를 이걸 좀 써보겠다.또 유튜브 이런 거 도와주겠다.
clovanote.naver.com
