오늘 학습한 내용

SQL 코드카타

문제

이 문제에서 우리는 관리자를 자신에게 보고하는 다른 직원이 최소 1명 있는 직원으로 간주합니다.

모든 관리자 의 ID와 이름 , 관리자에게 직접 보고하는 직원 수 , 
보고자의 평균 연령을 가장 가까운 정수로 반올림하여 보고하는 솔루션을 작성하세요.

결과 테이블을 순서대로 반환합니다 employee_id.

작성 쿼리

select e1.employee_id, 
       e1.name, 
       (select count(e2.employee_id) 
        from Employees e2 
        where e2.reports_to = e1.employee_id) as reports_count, 
       (select round(avg(e2.age)) 
        from Employees e2 
        where e2.reports_to = e1.employee_id) as average_age
from Employees e1
having reports_count > 0
order by e1.employee_id

PYTHON 코드카타

문제

두 정수 a, b가 주어졌을 때 a와 b 사이에 속한 모든 정수의 합을 리턴하는 함수, 
solution을 완성하세요.
예를 들어 a = 3, b = 5인 경우, 3 + 4 + 5 = 12이므로 12를 리턴합니다.

제한 조건
a와 b가 같은 경우는 둘 중 아무 수나 리턴하세요.
a와 b는 -10,000,000 이상 10,000,000 이하인 정수입니다.
a와 b의 대소관계는 정해져있지 않습니다.

문제 풀이

def solution(a, b):
    answer = 0
    for i in range(min(a, b), max(a, b) + 1):
        answer += i
    return answer

풀이 설명

total = 0	: 합계를 저장할 변수를 0으로 초기화
for i in range(min(a,b), max(a,b) +1)	: 
min(a,b) 를 range가 시작하는 숫자로
max(a,b)+1 를 range의 마지막 숫자로(미만으로, 미포함이니까 +1 진행)
i 순회 시작
* a와 b가 같은 경우에도 range(a, a+1)이 되어 한 번만 반복함
total += i	: total = total + i 를 통해서
각 정수 i를 total 변수에 넣어주는 것!
return total	: 정답 반환

통계학 학습내용

통계학 라이브 세션 1회차 복습 내용 요약

• 마케터는 데이터의 종류에 따라 관련된 계산을 어떤식으로 수행할 지 결정하게 됩니다.
• 데이터 종류는 대표적으로 수치형, 범주형 데이터가 있습니다.
• 데이터 대표값에는 평균, 중간값, 최빈값이 있습니다. 데이터 분포를 보다 명확히 파악하기 위해 편차, 분산, 표준편차를 학습했습니다.
• 편차는 그 합이 0 으로 분포를 확인할 수 없습니다. → 음수값을 없애기 위해 제곱을 취해주는 분산의 개념이 도입되었습니다. → 분산은 제곲값으로 그 단위가 달라 제곱근의 씌워 다시 단위를 맞춰주었습니다. 이것이 표준편차 입니다.
• 무수히 많은 데이터를 대상으로 효과적인 통계분석을 위해 표본추출이 이뤄지고 있습니다.
• 모집단은 어떤 데이터 집합을 구성하는 전체이고, 표본은 그 중 일부(부분집합)입니다.
• 표본의 분포를 가지고 모집단의 분포를 추정하며, 해당 과정에서 무수히 많은 경우의 수의 표본이 생성될 수 있습니다. 표본 크기가 충분히 크다면 어떤 분포에서도 표본평균이 정규분포를 따른다는 것이 중심극한정리 입니다.
• 정규분포는 종 모양을 띄고 있으며, 분포는 좌우 대칭의 형태입니다. 평균치에서 그 확률이 가장높습니다.
• 정규분포에서 평균 0, 분산 1을 가지는 경우, 이를 표준정규분포라고 합니다. 데이터분석시 이를 표준화라고 부릅니다.
• 데이터분석시 표준화가 필요한 경우: 머신러닝 모델을 만들 때, 데이터의 범위가 많이 차이나는 경우. 예시로 최근 일주일 접속일수의 1과 결제금액의 1 은 같은 의미가 아니며, 범위가 큰 데이터의 경우 숫자가 가지는 절대치를 잘못 받아들일 수 있어 표준화는 반드시 필요합니다.
• 데이터 결과가 우연인지, 실제 차이인지 통계적으로 판단하는 과정을 가설검정이라고 합니다.
• 귀무가설은 차이나 변화가 없다고 가정하는 기본전제입니다.
• 대립가설은 차이나 변화가 있다고 주장하는 가설입니다.
• 유의수준(α)은 우연이라 보기 힘든 기준선으로, 일반적으로 0.05(5%)를 사용합니다.
• p값(p-value)는 귀무가설이 참일 때, 지금처럼 극단적인 결과가 나올 확률을 의미합니다.