본문 바로가기

Big Data94

ANOVA(Analysis of Variance) ANOVA(Analysis of Variance)는 통계학에서 사용되는 중요한 분석 기법 중 하나입니다. ANOVA는 여러 그룹 간의 평균 차이를 평가하고, 그룹 내의 변동과 그룹 간의 변동을 비교하여 통계적으로 유의미한 차이가 있는지를 판단하는데 사용됩니다. ANOVA는 주로 세 개 이상의 그룹을 비교하는 경우에 적용되며, 두 개의 그룹을 비교하는 t-검정을 여러 번 수행하는 것에 비해 유용합니다. ANOVA는 여러 그룹 간의 평균 차이를 통계적으로 평가하고, 어느 그룹이 다른 그룹과 다르게 독립 변수(예: 처리 조건, 그룹)에 대해 응답 변수(예: 측정값)가 어떻게 변하는지를 알려줍니다. 일반적으로 ANOVA는 다음과 같은 가정 하에 사용됩니다: 정규성 가정: 각 그룹 내의 데이터가 정규 분포를 따라.. 2023. 8. 10.
pd.options.display pd.options.display는 pandas 라이브러리에서 데이터프레임이나 시리즈를 출력할 때의 동작을 제어하는 데 사용되는 옵션들을 설정하는 데에 쓰이는 객체입니다. 이를 통해 데이터프레임이나 시리즈의 출력 형태, 숫자 형식, 최대 열 및 행 수 등을 조정할 수 있습니다. 이를 통해 데이터를 더 잘 조작하고 분석할 수 있습니다. pd.options.display의 주요 속성은 다음과 같습니다: max_rows: 출력할 최대 행 수를 설정합니다. 이 값을 넘어가는 행은 생략됩니다. max_columns: 출력할 최대 열 수를 설정합니다. 이 값을 넘어가는 열은 생략됩니다. precision: 실수 값을 출력할 때 소수점 이하의 자릿수를 설정합니다. colheader_justify: 열 이름의 정렬 방.. 2023. 8. 9.
정규분포 표현과 통계적 계산 정규 분포 표현 scipy.stats 모듈은 SciPy 라이브러리의 일부로, 다양한 확률 분포와 통계 관련 기능을 제공하는 모듈입니다. 정규 분포를 표현하고 다양한 통계 계산을 수행하는 데 사용할 수 있습니다. 아래는 scipy.stats 모듈을 사용하여 정규 분포를 표현하는 예제 코드입니다. 먼저, 필요한 라이브러리를 가져오고 정규 분포를 생성하는 예제를 살펴보겠습니다. import numpy as np import matplotlib.pyplot as plt from scipy.stats import norm # 정규 분포의 평균과 표준편차 mu = 0 sigma = 1 # 정규 분포 객체 생성 normal_dist = norm(mu, sigma) # 확률 밀도 함수(Probability Densit.. 2023. 8. 9.
t-검정 수행 Python에서 t-검정을 수행하는 방법은 scipy.stats 라이브러리를 사용하는 것이 일반적입니다. 다음은 단일 그룹과 두 개의 그룹에 대해 t-검정을 수행하는 간단한 예제 코드입니다. 단일 그룹에 대한 t-검정 가정: 어떤 제품의 평균 수명이 1000시간인지 확인하려고 합니다. 표본 10개를 수집하여 수명을 측정했습니다. import numpy as np from scipy.stats import ttest_1samp # 표본 데이터 sample_data = np.array([980, 1005, 990, 1010, 995, 1002, 990, 1015, 1008, 990]) # 귀무가설: 평균 수명이 1000시간인 경우 null_mean = 1000 # t-검정 수행 t_statistic, p_v.. 2023. 8. 9.
t-검정 t-검정은 통계 분석에서 두 집단의 평균 차이를 비교하거나, 하나의 집단의 평균을 특정한 값과 비교하는 데 사용되는 통계적인 방법 중 하나입니다. t-검정은 정규 분포를 따르는 데이터에 대해 주로 적용되며, 작은 표본 크기에서도 상대적으로 정확한 결과를 제공하는 통계적 기법입니다. t-검정의 종류 t-검정의 주요 종류는 다음과 같습니다: 독립표본 t-검정 (Independent Samples t-test): 두 개의 독립된 집단의 평균 차이를 비교하는 검정 방법입니다. 예를 들어, 두 그룹의 평균 점수가 서로 다른지 비교하거나, 어떤 처리를 받은 그룹과 그렇지 않은 그룹의 평균을 비교하는 데 사용될 수 있습니다. 대응표본 t-검정 (Paired Samples t-test): 같은 개체 또는 단위에 대해 .. 2023. 8. 9.
Tukey 이상치 검출 Tukey outlier detection Tukey outlier detection은 통계학에서 이상치(outlier)를 탐지하는 방법 중 하나입니다. 이 방법은 John Tukey에 의해 개발되었으며, 데이터셋에서 통계적으로 중요한 이상치를 식별하는 데 사용됩니다. 이 방법은 데이터의 분포를 기반으로 이상치를 식별하며, 주로 사분위범위(IQR, Interquartile Range)를 사용합니다. 사분위범위는 데이터를 정렬한 후에 중앙값(median)을 기준으로 데이터를 4분위로 나눈 것을 의미합니다. Tukey outlier detection의 기본 원리는 다음과 같습니다: 데이터를 정렬합니다. 1사분위수(Q1)와 3사분위수(Q3)를 계산합니다. 이는 데이터의 하위 25%와 상위 75%를 의미합니다... 2023. 8. 9.
확률 모형과 확률분포 확률모형 확률 모형은 불확실한 사건이나 현상을 수학적으로 모델링하고 분석하는 도구입니다. 이 모델은 확률론을 기반으로 하며, 불확실성과 확률을 다루는데 사용됩니다. 확률 모형은 현실 세계의 다양한 현상을 표현하고 예측하는 데 사용되며, 통계학, 공학, 경제학, 생명과학, 사회과학 등 다양한 분야에서 활용됩니다. 확률 모형의 주요 구성 요소와 개념은 다음과 같습니다: 1. 표본 공간 (Sample Space): 가능한 모든 결과의 집합을 의미합니다. 예를 들어, 동전 던지기의 경우 표본 공간은 {'앞면', '뒷면'}으로 구성됩니다. 2. 사건 (Event): 표본 공간의 부분집합으로서 하나 이상의 결과로 이루어진 것을 의미합니다. 예를 들어, '앞면이 나오는 사건'은 {'앞면'}으로 표현됩니다. 3. 확률.. 2023. 8. 9.
통계적 검정방법 통계적 검정방법은 데이터를 분석하여 통계적으로 유의미한 결과를 도출하는 방법을 말합니다. 주요 검정방법과 간단한 특징을 소개해 드릴게요: 통계적 검정방법 1. T-검정 (t-test): 두 집단의 평균 비교에 사용되며, 샘플 크기가 작을 때 유용합니다. 등분산 여부에 따라 독립표본 t-검정과 대응표본 t-검정으로 나뉩니다. 독립표본 t-검정 (Independent Samples t-test): 예를 들어, 어떤 신약이 복용되었을 때 그룹 A와 그룹 B의 평균 효과가 다른지 비교하고자 할 때 사용될 수 있습니다. 즉, 두 그룹의 평균 차이가 우연에 의한 것인지 유의미한 차이인지 검정합니다. 대응표본 t-검정 (Paired Samples t-test): 같은 개체 또는 그룹에서 두 가지 조건의 평균 차이를 .. 2023. 8. 9.
공분산과 상관계수 공분산(Covariance) 공분산(Covariance)은 두 변수 간의 관계를 나타내는 통계적 개념입니다. 두 변수의 값들이 함께 어떻게 변화하는지를 측정하는 데 사용됩니다. 공분산의 값은 두 변수의 상호작용 방향과 세기를 알려줍니다. 공분산을 수식으로 표현하면 다음과 같습니다: 여기서 공분산 값의 해석은 다음과 같습니다: 양의 공분산: 두 변수가 함께 증가하거나 감소할 때, 공분산 값은 양수입니다. 이는 두 변수가 양의 상관관계를 가지고 있음을 나타냅니다. 즉, 한 변수가 증가할 때 다른 변수도 증가하거나 감소하고, 한 변수가 감소할 때 다른 변수도 감소하거나 증가합니다. 음의 공분산: 한 변수가 증가할 때 다른 변수가 감소하거나, 한 변수가 감소할 때 다른 변수가 증가할 때 공분산 값은 음수입니다... 2023. 8. 8.

티스토리툴바