🔥오늘 핵심
🧡실무에서 쓰는것만 추려서 진행
🔥오늘 헷갈린 개념
⭐모르는 개념
- ⭐상관관계분석 엄청 자주 쓰임
- 두개 이상의 "수치형 변수"가 서로 어떤 관계를 가지고 있는지, 그 관계의 "강도"와 "방향성"이 어떤지를 나타내는 통계적 척도
- "하나의 수치형 변수가 커질 때, 다른 수치형 변수도 함께 커지는지 혹은 작아지는지" 같은 "⭐수치형-수치형 관계"를 파악할 때 사용
=> ⭐두 변수의 관계가 선형적인 관계가 있을때만 사용 가능
- 양의 상관관계(+,+ Positive Correlation) : 두 변수 모두 값이 증가하는 경향을 보이는 관계( 예. 광고비와 매출액 )
- 음의 상관관계(+,- Negative Correlation) : 한 변수의 값이 증가할 때 다른 변수의 값은 감소하는 경향을 보이는 관계 ( 예. 상품 가격과 판매량 )
- 무상관( No Correlation ) : 두 변수 사이에 일정한 선형적인 관계가 없는 경우 ( 예. 고객의 거주 지역과 구매하는 상품의 색상 )
상관계수(orrelation Coefficient)
= 두 변수 간의 선형적 관계의 강도와 방향을 수치로 나타낸 값
-> general : 피어슨 상관계수
피어슨 상관계수
: 두 변수가 연속형이고, 두 변수 간의 관계가 선형이라는 가정을 전제제
스피어만 상관계수
:
- 데이터가 순서형이거나 이상치가 많거나, 관계가 비선형적일때
- 원래의 데이터를 순위(rank)로 변환해 피어슨 상관계수와 동일한 방식으로 계산
=> 두 상관계수 비교
- 단조 관계 - 값이 한 방향으로만 움직이는 관계
- 분석 과정
**** 한계점 및 주의사항
- 인과관계가 아님!
-
상관관계는 두 변수가 함께 움직이는 경향을 나타낼 뿐, 한 변수가 다른 변수의 원인이라는 인과관계를 의미하지 않음
ex) 아이스크림 판매량과 익사자 수는 양의 상관관계를 보이지만, 아이스크림이 익사의 원인이 아니라 '여름'이라는 제3의 변수(교란 변수) 때문일 수 있습니다. (더운 날씨에 아이스크림도 많이 팔리고, 물놀이도 많이 하기 때문)
-
- 비선형 관계 파악의 어려움
- 피어슨 상관계수는 선형 관계의 강도만 측정합니다. 만약 두 변수 사이에 강력한 비선형 관계(예: U자형, 역U자형)가 있다면, 피어슨 상관계수는 0에 가깝게 나와 관계가 없는 것처럼 오해할 수 있습니다. 이때는 산점도 확인이 필수적입니다.
- 이상치(Outlier)에 민감
- 피어슨 상관계수는 이상치에 의해 크게 영향을 받을 수 있습니다. 몇몇 특이한 데이터 포인트가 전체 상관계수 값을 왜곡할 수 있습니다.
필기
1. 상관관계분석
우리는 상관계수 파이썬한테 계산을 시킨다. 우리는 해석만 할 줄 알면 됨
스피어만 상관계수
순서형 -> 명목변수지만 숫자에 의미가 있어 수치형 처럼 쓸 수 있어 가져옴, 그리고 이상치가 많으면 이렇게 쓰임
스피어만은 그냥 이해하고 넘어가고 피어슨이 우리에겐 훨 중요함!
=>⭐상관관계분석은 수치형 변수라는거 잊지말자. 가장 중요
~강의 15분까지
시각화 하는 식들은 전혀 외울 필요 없음. -> 그냥 그때그때 인터넷 찾아서 쓰면됨
corr.() -> 피어슨 상관관계수는 이거만 딱 쓰면 쉽게 값이 나옴
상관관계는 인과관계가 아님
- 카이제곱검정
- 범주형 변수간의 관련성을 따질때 사용
적합도검증은 하나의 범주형 변수
-> 독립성검정 무조건 알아야함!
카이제곱 분포 그래프는 그냥 알고 넘어가면됨~
⭐자유도가 크다 = 데이터 값이 많아진다라고 정도만 알면됨( 자유도는 뭐고~ 이런건 몰라다도됨 )
