헛소리뱅크

Population Distribution 모집단 분포 모집단(population)은 조사하고자 하는 전체 집단을 의미합니다. 모집단 분포는 이러한 모집단의 전체 데이터를 나타내는 확률 분포입니다. 모집단 분포를 알면, 해당 모집단에서 랜덤하게 추출한 샘플의 특성을 예측할 수 있습니다. 예를 들어, 어떤 도시의 모든 주민의 키를 측정하여 히스토그램으로 나타내면, 이것이 모집단 분포입니다. 이 모집단 분포를 이용하여, 도시 주민들의 평균 키, 분산, 중앙값 등의 통계적 특성을 추정할 수 있습니다. Empirical Distribution 경험적 분포 경험적 분포는 실제 데이터에서 추출한 빈도수를 이용하여 분포를 나타낸 것입니다. 이를 통해 데이터의 분포를 시각화하고, 이를 통해 데이터의 특성을 파악할 수 ..

Types of Statistical Bias Selection bias 선별편향 선별편향(Selection bias)은 표본 추출 과정에서 특정한 그룹이 다른 그룹보다 더 많이 선택되는 경우를 말합니다. 이는 샘플링 과정에서 임의성을 보장하지 못할 때 발생할 수 있습니다. 예를 들어, 인터넷 설문조사를 실시할 때, 인터넷 사용이 불편한 노인층이나 인터넷을 이용하지 않는 저소득층 등의 사람들은 샘플링 대상에서 제외되거나 샘플링 비율이 낮아질 가능성이 있습니다. 이 경우, 샘플이 전체 모집단을 대표하지 못하게 되어 결과에 선별편향이 발생할 수 있습니다. Measurement bias 측정편향 측정편향(Measurement bias)은 측정 도구나 방법의 문제로 인해 발생하는 편향입니다. 예를 들어, 성격 ..

Qualitative (질적 변수) Bar graph( Bar chart) Qualitative (질적 변수): Categorical 일때 사용 -Norminal(명목형 ) 일때 사용 예를 들어, 어떤 도시에서 각 음식점의 종류(한식, 중식, 양식 등)를 비교할 때, 각 카테고리(음식점 종류)를 x축에, 그리고 각 카테고리별 개수(빈도)를 y축에 나타내는 막대 그래프를 그릴 수 있다. Pie Chart Qualitative (질적 변수): Categorical 일때 사용 -Norminal(명목형 ) 일때 사용 예를 들어, 전체 학생 중 남학생과 여학생의 비율을 Pie chart로 시각화할 수 있습니다. Quantitative (양적변수) Bar Plot Quantitative (양적변수) :Numeric..

기본 계산 수행 # 더하기 1 + 2 # 빼기 1 - 2 # 곱하기 1 * 2 # 나누기 1 / 2 # 지수(제곱) 2 ^ 3 + 1 저장하기 : 이름

Types of Variables 데이터 분류를 위한 분류법 중 하나인 데이터 분류법(Taxonomy of Data)은 수치형 변수(numerical) 와 범주형 변수(categorical)로 구분된다. 수치형 변수 Numerical Variable = Quantitative(양적변수)숫자 값을 가지는 변수. 변수들은 수치적 의미가 있는 값들을 가집니다. 수치형 변수들은 "연속형 변수(Continuous Numerical Variable)"와 "이산형 변수 (Discrete Numerical Variable)"로 분류됩니다. - 연속형 변수Continuous Numerical Variable무한한 범위에서 값을 가질 수 있는 변수로, 예를 들어 키, 체중, 온도와 같은 값들이 이에 해당됩니다. - 이산형..

확률 변수(random variable) 확률변수란, 어떤 확률적인 사건에서 발생한 결과값을 숫자로 나타내는 변수를 말합니다. 어떤 실험을 수행할 때, 가능한 결과들이 미리 정해져 있지만 그 중에서 어떤 결과가 실제로 나올지는 불확실한 현상을 의미합니다. 예를 들어, 주사위를 던지는 경우, 주사위의 각 면이 나올 확률은 1/6이며, 이를 이용하여 주사위를 던졌을 때 특정한 눈이 나올 확률을 계산할 수 있습니다. 확률 변수의 간단한 예제 예를들어, 도시에서 차량 사고가 발생하는 경우를 생각해보자. 이 경우, 차량 사고가 발생하는 횟수가 확률 변수가 됩니다. 확률 변수 X를 이용하여 "하루에 발생하는 차량 사고의 수"를 나타낼 수 있습니다. 확률 변수 X가 가질 수 있는 값은 0, 1, 2, 3, ...과 ..

다항식 회귀 분석 또한 R Studio 에서 쉽게 수행할 수 있습니다. 그러나, 다항식 회귀 분석에서는 보통 다항식 모델을 만들어야 하므로, 변수들을 생성하는 등의 추가 작업이 필요합니다. 이러한 번거로움을 피하기 위해서는 R 언어에서 제공하는 poly() 함수를 사용할 수 있습니다. 예를 들어, 다음과 같은 데이터셋이 있다고 가정해 봅시다. x