[G1-Sync] Manual knowledge update

10_Wiki/Topics/Statistical-Analysis.md

@@ -1,8 +1,8 @@
 ---
-id: P-REINFORCE-AUTO-STAN-001
+id: [[P-Reinforce]]-AUTO-STAN-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
-tags: [auto-reinforced, statistical-analysis, inference, p-value, correlation, causation, data-science]
+tags: [auto-reinforced, statistical-[[Analysis]], inference, p-value, correlation, causation, data-science]
 last_reinforced: 2026-04-20
 ---
 
@@ -15,11 +15,11 @@ last_reinforced: 2026-04-20
 통계 분석(Statistical-Analysis)은 데이터로부터 수치적 특성을 도출하고, 이를 통해 현상을 설명하거나 미래를 예측하는 과정입니다.
 
 1.  **핵심 도구상자**:
-    *   **Descriptive Statistics**: 평균, 분산 등을 통해 데이터의 생김새 요약. (Statistics와 연결)
-    *   **Inferential Statistics**: 표본을 통해 모집단의 특성을 추론 (가설 검정). (Scientific-Method와 연결)
+    *   **Descriptive [[Statistics]]**: 평균, 분산 등을 통해 데이터의 생김새 요약. (Statistics와 연결)
+    *   **Inferential Statistics**: 표본을 통해 모집단의 특성을 추론 (가설 검정). ([[Scientific-Method]]와 연결)
     *   **Regression Analysis**: 변수들 간의 관계를 수식으로 표현해 미래값 예측.
 2.  **왜 중요한가?**:
-    *   데이터는 거짓말을 하지 않지만, 분석가는 보고 싶은 대로 데이터를 왜곡할 수 있음. 통계 분석은 이러한 주관을 배제하고 '숫자가 말하는 진실'에 접근하게 돕기 때문임. (Reliability의 핵심)
+    *   데이터는 거짓말을 하지 않지만, 분석가는 보고 싶은 대로 데이터를 왜곡할 수 있음. 통계 분석은 이러한 주관을 배제하고 '숫자가 말하는 진실'에 접근하게 돕기 때문임. ([[Reliability]]의 핵심)
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
 - **과거 데이터와의 충돌**: 과거에는 작은 표본 데이터 정책(Small data)에 집착했으나, 현대 정책은 방대한 데이터 정책을 실시간으로 분석하는 '빅데이터 통계 정책'과 '머신러닝 알고리즘 정책'이 결합하여 분석의 깊이와 속도 정책이 비약적으로 향상됨(RL Update).
@@ -27,5 +27,5 @@ last_reinforced: 2026-04-20
 
 ## 🔗 지식 연결 (Graph)
 - [[Statistics]], [[Scientific-Method]], [[Reliability]], [[Analysis]], [[Probabilistic-Reasoning]], Evidence-Based-Thinking
-- **Modern Tech/Tools**: R, Python (Pandas/Statsmodels), SPSS, A/B Testing buckets.
+- **Modern Tech/Tools**: R, Python (Pandas/Statsmodels), SPSS, A/B [[Testing]] buckets.
 ---