개강한 공대생 개강한 공대생

평균 같은 것만으로는 데이터가 어떻게 퍼져 있는지 알 수 없으니 데이터가 얼마나 흩어져 있는지 알려주는 방법을 알아야 한다.그런 방법들은 아래와 같다. Range: 데이터에서 가장 큰 값과 가장 작은 값의 차이를 말한다. 제일 간단한 변동성 측정 방법이다.  Interquartile Range (IQR): 제1사분위수(Q1)와 제3사분위수(Q3)의 차이다. 즉, 데이터 중간 50%가 어디에 몰려 있는지를 보여주는 거다.극단적인 값(이상치)의 영향을 덜 받으니 많이 쓰인다. Variance(분산): 각 데이터가 평균에서 얼마나 떨어져 있는지를 계산한 값이다. 평균과의 차이(편차)를 제곱해서 다 더하고, 데이터 개수로 나눈 값이다. 분산이 크면 데이터가 많이 퍼져 있는 거고, 작으면 덜 퍼져 있다는 뜻이다...

Mean: 평균값이다. 다 더해서 개수로 나누는 거 Median: 중앙값인데, 데이터를 크기 순으로 나열했을 때 딱 가운데 오는 값이다.(Median Filtering이 생각난다)극단적인 값(이상치, outliers)가 있을 때 평균보다 중앙값을 더 신뢰할 수 있다.예를 들어, 부자 한 명이 엄청나게 많은 돈을 벌고 있는 집단에서는 평균을 쓰면 부자가 전체 평균을 확 끌어올려서 나머지 사람들이 모두 부자인 것처럼 보이기 때문이다 ㅋㅋ하지만 중앙값을 쓰면 그 극단적인 값을 무시하고 전체의 중간 위치를 보여준다.근데 만약 짝수개의 데이터가 있으면.. 어떤 값이 중앙값이 될까?만약 4개의 값이 있다면 2번째, 3번째 값 중 어떤 값이 중앙값이 될까?데이터셋이 1, 2, 3, 4라고 해보자.여기서 가운데에 있는..

탐색적 데이터 분석은 데이터를 분석하기 전에 그 데이터를 시각적으로 탐색하고, 패턴이나 이상점 같은 것들을 찾아내는 방법이다. 말하자면, 데이터를 정리하고 시각적으로 표현해서 "이 데이터가 어떤 특성을 가지고 있나?"를 알아보는 거다.탐색적 데이터 분석(Exploratory Data Analysis) 기법들에 대해서 알아보자  줄기-잎 그림(stem-and-leaf display) : 줄기-잎 그림은 데이터를 순서대로 나열하면서 분포의 모양을 보여준다. 히스토그램이랑 비슷하지만, 실제 데이터 값을 보여준다는 장점이 있다. 왼쪽에 있는 게 줄기(stem)고, 오른쪽에 있는 게 잎(leaf)인 거다.여기서 줄기는 10의 자리, 잎은 1의 자리를 나타낸다.예를 들어 줄기 5와 잎의 2는 52, 줄기 5와 잎의..

Categorical Data (범주형 데이터)를 요약하는 여러 가지 방법을 소개하겠다.범주형 데이터는 숫자가 아닌 범주나 그룹으로 나눌 수 있는 데이터를 말한다. Frequency Distribution은 각 범주나 그룹에 속하는 데이터의 개수를 나타낸 거다.예를 들어, 어떤 설문 조사에서 "예"라고 답한 사람의 수가 30명, "아니오"라고 답한 사람의 수가 20명이라면, 이 숫자들이 빈도 분포를 구성한다. Relative Frequency Distribution은 각 범주의 빈도를 전체 데이터 개수로 나눈 값을 의미한다.즉, 각 범주가 전체에서 차지하는 비율을 나타내는 거다.예를 들어, 전체 응답자 수가 50명이고 그중 30명이 "예"라고 답했다면, "예"의 상대 빈도는 30/50 = 0.6 또는 6..

Numerical Descriptive Statistics (수치형 기술 통계)에 관하여 설명하겠다 가장 일반적으로 사용되는 수치형 기술 통계량은 평균(Average)이다.평균은 데이터의 중심 경향(central tendency)을 보여준다. 중심 경향은 데이터가 대체로 어떤 값 주변에 몰려 있는지를 보여주는 통계적 개념이다.예를 들어, 특정 부품의 평균 비용을 알면, 그 비용이 대체로 어느 정도인지 감을 잡을 수 있다. 다음으로, 데이터 분석에서 중요한 두 개념인 Population(모집단)과 Sample(표본)의 차이에 대해서 설명하겠다. Population은 특정 연구에서 관심 있는 모든 요소들의 집합으로, 쉽게 말해 연구 대상 전체를 의미한다.여기서 Census(전수 조사)라는 개념이 나오는데, ..

Elements (요소): 데이터가 수집되는 대상. 예를 들어, 설문 조사에서 응답자 한 명 한 명이 바로 요소다.Variables (변수): 요소의 특징이나 속성. 예를 들어, 연간 매출 등이 있다.Observation (관찰값): 한 요소에 대해 수집된 정보의 집합. 테이블의 한 행(row)이 바로 관찰값이 되는 거다.Dataset (데이터 세트): 특정 연구에서 수집된 모든 데이터. 모든 Observation을 모아놓은 것이라고 생각하면 될 듯. 다음 이미지를 보면 이해하기 쉬워진다. 이제 데이터 측정에 사용되는 네 가지 척도를 알아보자각각의 척도는 데이터가 얼마나 많은 정보를 담고 있는지 결정하고, 그에 따라 적절한 요약 방법이나 통계 분석 방법이 달라진다. Nominal (명목척도): 이름이나 ..

여러 변수를 조합해서 최선의 선(라인)을 찾아내는 건데, 이 선이 모든 결과를 예측해주는 거다. 자신이 아이스크림 가게를 운영하고 있다고 생각해봐라매일 얼마나 아이스크림을 팔았는지(이게 독립 변수야)와 그날의 매출(이게 종속 변수) 사이의 관계를 알고 싶어졌다.당연히, 아이스크림을 많이 팔수록 매출이 올라간다. 독립 변수 (x) - 루에 팔린 아이스크림의 수종속 변수 (y) - 그날의 총 매출 이제 선형 회귀 모델은, "얼마나 많은 아이스크림을 팔았는지(x)와 그에 따라 매출이 얼마나 나왔는지(y)를 가장 잘 설명하는 직선을 찾아보자"라는 거다. 이 직선은 이렇게 생겼을 거다.y = mx + cm은 내가 아이스크림 하나 팔 때마다 매출이 얼마나 증가하는지를 보여주는 기울기c는 내 가 아이스크림을 한 개도..

매출은 회사가 제품이나 서비스를 팔아서 벌어들인 총 수입이다. 하지만 이건 순이익이 아니다.매출에서 모든 비용(운영비, 원가, 세금 등)을 빼야만 순이익이 나온다. 주당순이익(EPS)는 회사의 순이익을 총 발행 주식 수로 나눈 값이다.한 주당 얼마나 많은 이익이 발생했는지를 보여주는 거다. EPS가 높을수록, 그 회사가 돈을 잘 벌고 있다는 의미다. 매출이 증가하면 EPS도 증가할 가능성이 높다.하지만 매출이 늘었다고 해도 비용이 더 많이 늘어나거나, 이익률이 낮아지면 매출이 늘어도 EPS는 크게 증가하지 않을 수 있다. 매출 대비 비용 구조가 중요하다.예를 들어, 두 회사가 모두 1,000억 원의 매출을 올렸다고 해도, 한 회사는 비용이 900억 원이고, 다른 회사는 700억 원이라면, 당연히 순이익과..