통계 기초
1-1.
통계학의 정의
- 기술통계 : 표본에 대한 분석 결과의 각종 수치들을 활용해 집단의 특성을 설명
- 추론통계(inference) : 표본을 활용하여 모집단의 특성을 나타냄
목적
- '의사결정'
- 마스크를 써야할까?
- 방진마스크 등 어떤 걸 써야할까?
- 요약
- 연관성 파악
- 예측
1-2.
목적
변수
- 변하는 수
- 변수의 모음이 데이터
- 변수의 종류 (명순이연)
질적변수 : 명목형, 순서형
양적변수 :
1강
통계자료의 구분
-
질적(qualitative)= 비계량형(nonmetric) = 범주형(categorical)
1) 명목형(nominal) : 혈액형 등
2) 순서형(ordinal) : 학년, 학점 -
양적(quantitative)= 계량형(numerical)..?
1) 구간자료(interval) : 온도, iq, 성적
2) 비율자료(ratio) : 몸무게
자료의 계층
-
숫자형 > 순서 > 명목 가능 (반대는 x)
-
시계열자료
횡단면 자료
패널자료(panel) 앞선 두개의 합
2강 표와 그래프 기술통계
2.1 도수분포표
- 도수분포표 : 전체 합이 도수의 합
- 상대도수분포표 : 합이 1
2.2 막대그림과 파이그림
- 막대그림
- 시각적으로 많고 적음
- 분리가 가능
- 파이그래프
- 전체중 차지하는 비율을 알때
- 히스토그램
- 숫자형 자료를 도수분표포를 활용하여 그래프 형태로 나타낸 것
- 그래프가 분리되어 있지 않다)
왜도
: 히스토그램의 기울어진 정도
1) 양의 왜도 (손바닥을 뒤집어서 오른쪽엄지)
- 낮은 데이터 값에 주로 분포
2) 음의 외도
- 높은 데이터 값에 주로 분포
3) 왜도 = 0
- 대칭
첨도 : 높을 수록 가운데 값에 보통 값이 몰림
모양
종모양, l모양, u, 단봉, 이봉..
2-4. 줄기 잎 전시
누적도수곡선
도수룰 누적하여 꺾은 선 그래프 형태로 그린 것
2-5. 상자그림(box plot)
크기순서로 배열한 후
최솟값, 일사분위수, 중앙값, 삼사분위수, 최댓값
특이값이 몰려있다면 최댓값 최솟값이 늘어날 수 있음.
그래서 상자의 치우친 정도만 보지 말고 특이값도 보기
2-6. 시계열 그림(시간에 따른..)
2-7. 산점도(scatter plot)
: 두양의 상관관계 (키&몸무게, 수면시간 & 학업성취도)
cf) 여러개의 양 : 산점도 행렬
sns.pairplot(iris, diag_kind='hist')plt.show()=
종류
- 양의 상관관계
- 음의 상관관계
2-8. 평행좌표그림(parallel coordinates plot)
다변량 자료를 이차원 평면에 나타내고, 직관적으로 파악할 수 있음
2-9. 분할표
2.10. 모자익 그림(mosaic plot) = 도수나 파이가 더 많이 쓰임
2.11 종횡비(aspect ratio)
2.12 특잇값(outlier)
-산점도 등에서도 쓰이고
-이걸버릴건지 말건지
3강. 수치기술통계
3-1. 중심위치척도
-
평균
population(모집단, N) : 모평균 (뮤) / 모수
sample space (표본공간, n) : 표본평균(smaple mean) (x바)/ 통계량(statistic)
산술평균 : 특이값에 영향을 많이 받음. -
중앙값
n이 홀수개 : n+1 / 2
n이 짝수 : n/2과 n/2 + 1의 가운데
산술평균에 비해 특이값에 상대적으로 영향을 덜받음
3.최빈값(mode)
명목형자료을 대표수로 표시함(혈액형 a는 몇명..)
편향의 정도
