Fresh life: 신선한 인생

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:..

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 더보기 0 4.352982 1 3.735304 2 5.944617 3 3.798326 4 4.087688 5 5.265985 6 3.2726..

파이썬 라이브러리를 통하지 않는다면, 확률 밀도/정규 분포 등등을 계산하는 방식은 굉장히 까다롭습니다. 공식을 알고 있다고해도 실무에서 응용하는 것은 쉽지가 않을 것 입니다. 그래서 파이썬 라이브러리를 통해서 공부하는 것이기도 합니다. 원리만 알면 누구나 쉽게 통계를 내볼 수 있으니깐요! 아래 식은 확률 밀도를 계산하는 공식입니다. 하지만 우리는 이런 복잡한 계산을 하지 않고도 원하는 것을 얻을 수 있죠! 계산 공식을 다 올리려고 했지만 그러면 오히려 더 어렵고, 가독성이 떨어질 것 같아서 빼고 진행하기로 했습니다. 참고 부탁드립니다! # '평균 4, 분산 0.64(표준편차 0.8)의 정규분포'에서 확률변수가 3일 때 확률밀도 x = 3 mu = 4 sigma = 0.8 1 / (sp.sqrt(2 * s..

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 #평균 4,표준 편차 0.8의 정규 분포를 모두 사용 population = stats.norm(loc = 4, scale = 0.8) 표본 평균을 몇 번이나 계산해 보..

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 물고기 다섯 마리만 있는 호수에서 표본 추출 - np.random.choice 함수는 배열의 요소 중에서 무작위로 샘플링을 수행하는 함수입니다. 위 코드에서는 fish_..

안녕하세요! 조신선입니다. 오늘은 matplotlib·seaborn에 의한 데이터 가시화에 대해서 포스팅하겠습니다. 오늘도 역시나 쥬피터(vscode확장자 : ipynb) 환경으로 시작하겠습니다. 라이브러리 임포트 # 수치 계산에 사용하는 라이브러리 import numpy as np import pandas as pd # 표시 자릿수 지정 %precision 3 # 그래프를 그리는 라이브러리 from matplotlib import pyplot as plt # 그래프를 jupyter Notebook 내에 표시하도록 하기 위한 지정 %matplotlib inline pyplot에 의한 꺾임선 그래프 해당 코드는 matplotlib 라이브러리를 이용하여 산점도 그래프를 그리는 코드입니다. plt.plot(x..

안녕하세요! 조신선입니다. 오늘은 다변량 데이터와 pandas 데이터 프레임에 대해서 포스팅하겠습니다. 오늘도 역시나 쥬피터(vscode확장자 : ipynb) 환경으로 시작하겠습니다. 라이브러리 임포트 import pandas as pd import scipy as sp %precision 3 그룹별 통계량 예시 코드에 쓰일 데이터 파일을 이미지로 공유드리겠습니다. 아래 코드는 fish_multi 데이터 프레임을 'species' 열을 기준으로 그룹핑한 뒤 각 그룹별로 열의 평균 값을 계산하는 코드입니다. groupby 메소드로 'species' 열을 기준으로 데이터 프레임을 그룹핑한 결과를 group 변수에 저장하고, mean 메소드를 이용해 각 그룹별로 열의 평균 값을 계산하여 출력합니다. 아래 코드..