Fresh life: 신선한 인생

분산분석은 정규선형모델에서 폭넓게 이용되는 검정 방법입니다. 분산분석(ANOVA)은 통계적으로 그룹 간 차이를 검정하기 위해 사용되는 방법입니다. 일반적으로 분산분석은 다음과 같은 상황에서 필요합니다: 그룹 간 비교: 분산분석은 그룹 간 평균의 차이를 검정하기 위해 사용됩니다. 여러 그룹이 있고 각 그룹 간에 차이가 있는지 확인하고자 할 때 분산분석을 사용할 수 있습니다. 예를 들어, 약을 복용한 여러 그룹의 평균 효과를 비교하거나 교육 수준에 따라 소득의 차이를 비교할 수 있습니다. 요인 간 상호작용 검정: 분산분석은 또한 그룹 간 차이뿐만 아니라 요인 간 상호작용의 존재 여부도 검정할 수 있습니다. 즉, 그룹 간 차이가 통계적으로 유의미한지 뿐만 아니라 그룹 간 차이가 다른 요인(예: 성별, 연령 등..

필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리 import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리 from matplotlib import pyplot as plt import seaborn as sns sns.set() # 통계 모델을 추정하는 라이브러리(워크닝이 나올 수도 있습니다) import statsmodels.formula.api as smf import statsmodels.api as sm # 표시 자릿수 지정 %precision 3 # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정 %matplotlib inline 데이터 가져..

통계모델(Statistical Model)은 현상이나 데이터의 패턴을 설명하거나 예측하기 위해 수학적으로 정의된 모델입니다. 이 모델은 통계학적 기법과 확률론을 사용하여 데이터의 특성과 관련된 가정을 수립하고 검정하며, 데이터로부터 파라미터를 추정하고 추론하는 데 사용됩니다. 모델링(Modeling)은 통계모델을 개발하는 과정을 의미합니다. 이는 데이터를 수집하고, 데이터의 특성을 이해하며, 모델의 구조와 가정을 설정하는 과정을 포함합니다. 모델링은 주어진 데이터에 적합한 모델을 찾고, 모델의 파라미터를 조정하여 데이터를 잘 설명하거나 예측할 수 있는 모델을 생성하는 작업입니다. 모델링은 다양한 목적을 가지고 수행될 수 있습니다. 주요 목적은 다음과 같습니다: 데이터 이해: 모델링은 데이터를 분석하고 이..

분할표 검정은 두 개의 범주형 변수 간에 관련성이 있는지를 평가하기 위해 사용되는 통계적인 방법입니다. 범주형 변수는 일반적으로 명목형 또는 순서형 변수로 구성되며, 각 변수는 두 개 이상의 범주를 가지고 있습니다. 분할표는 두 개의 범주형 변수를 교차하여 만든 표이며, 각 범주에 해당하는 개체 수를 나타냅니다. 분할표 검정은 이러한 분할표를 사용하여 두 변수 간의 관련성을 평가합니다. 가장 일반적인 분할표 검정은 카이제곱 검정(Chi-square test)입니다. 카이제곱 검정은 관찰된 빈도와 기대되는 빈도 사이의 차이가 우연에 의한 것인지를 확인하는 데 사용됩니다. 카이제곱 검정은 다음과 같은 절차를 따릅니다: 1. 가설 설정: - 귀무 가설(H0)과 대립 가설(H1)을 설정합니다. - 귀무 가설은 ..

이번에는 실제 분석할 때도 많이 쓰이는 평균값의 차이에 대한 검정의 이론과 실행 방법을 설명하겠습니다. 필요한 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리입니다. import numpy as np import pandas as pd import scipy as sp from scipy import stats # 그래프를 그리는 라이브러리입니다. from matplotlib import pyplot as plt import seaborn as sns sns.set() # 표시 자리수 지정입니다. %precision 3 # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정입니다. %matplotlib inline 통계에 사용될 raw 데이터 - 이제부터 raw 데이터는 그냥 파..

통계적가설검정이란? 통계적 가설 검정은 통계학에서 데이터를 사용하여 어떤 주장이나 가설에 대한 통계적인 지지 여부를 평가하는 과정입니다. 가설 검정은 주어진 데이터로부터 일반적인 결론을 도출하거나 특정 가설을 지지하거나 기각하는 데 사용됩니다. 일반적으로 통계적 가설 검정은 다음과 같은 절차를 따릅니다: 1. 가설 설정: - 귀무 가설(H0)과 대립 가설(H1)을 설정합니다. - 귀무 가설은 일반적인 주장이나 기존의 상태를 나타내고, 대립 가설은 귀무 가설과 반대되는 주장이나 원하는 변화를 나타냅니다. 2. 유의수준 결정: - 유의수준(α)을 설정합니다. 유의수준은 귀무 가설을 기각하기 위한 증거를 평가하는 임계값입니다. 일반적으로 0.05(5%)나 0.01(1%)이 사용됩니다. 3. 검정 통계량 계산:..

아래 이미지처럼 동일한 폴더에 있는 파일을 import 할 때는 ./를 입력하고 파일명.js를 해주면 됩니다. import age from './data.js' 만약에 같은 폴더가 아닌 상위 폴더 즉 cart의 상위 폴더인 app폴더에 있는 파일을 import 하려면 어떻게 해야 할까요? ../ 를 입력하고 파일명.js를 해주면 됩니다. import age from '../data.js' 아주 쉽죠?! 아래처럼 같은 폴더에 data.js 파일을 생성하고 let age = 20; export default age 변수를 지정해주고, 내보내줍니다. 그리고 기존 page.js 파일에서 import age from './data.js' age 변수를 임포트 한 뒤에 변수를 {}에 넣어주면 끝입니다. 그러면 아래..

component에 앞서 우선 기존 프로젝트에 [cart]폴더를 새로 생성해줍니다. 그리고 page.js라는 이름의 파일을 생성 합니다. 더보기 /cart 페이지 레이아웃 export default function Cart() { return ( Cart 상품명 $40 1개 상품명 $40 1개 ) } 더보기 global.css .cart-item { padding: 10px; display: flex; justify-content: space-around; border-bottom: 1px solid grey; line-height: 0px; } 그리고 위 두 코드를 추가해줍니다. 다시 한 번 설명하자면 첫번째는 페이지를 생성하는 코드이고, global.css코드는 페이지를 꾸미는 코드입니다. css코드..

Next.js와 Node.js는 모두 JavaScript로 만들어진 웹 개발 프레임워크와 런타임입니다. 하지만 둘은 목적과 사용 방법이 다릅니다. Node.js: JavaScript 런타임 환경입니다. 브라우저 밖에서 JavaScript 코드를 실행할 수 있도록 합니다. 서버사이드 렌더링(SSR)을 구현할 수 있도록 해주며, 데이터베이스, 파일 시스템 등의 I/O 작업을 처리할 수 있는 기능이 있습니다. 주로 서버 사이드 애플리케이션 개발에 사용됩니다. node js 기초 문법 강의 node js 기초 문법 강의&필수 모듈(ex:express) 이용 방법 안녕하세요! 조신선입니다. 오늘은 Node.js에 대해서 알아보도록 하겠습니다. node.js의 기초 개념과 문법 그리고 이를 사용하기 위해 대부분 사..

nextjs 포스팅 프로젝트는 처음부터 계속 동일할 예정입니다. 이미지는 링크를 넣을 수도 있지만, 링크의 이미지는 해당 링크에서 제공하는 이미지가 삭제되면 내 페이지의 이미지도 삭제되기 때문에, 따로 이미지를 받아서 넣는 방법을 채택했습니다. 1. public 폴더안에 내가 원하는 이미지를 추가합니다. 이미지 파일은 반복문으로 사용할 수 있게 동일한 파일명 + 숫자로 저장해 줍니다. ex) food0.jpg food1.jpg 무료 이미지는 아래 페이지에서 다운받을 수 있습니다. https://unsplash.com/ko 아름다운 무료 이미지 및 사진 | Unsplash 어떤 프로젝트를 위해서든 다운로드 및 사용할 수 있는 아름다운 무료 이미지 및 사진입니다. 어떤 로열티 프리 또는 스톡 사진보다 좋습니..