𝑁𝑜𝑡𝑒𝑏𝑜𝑜𝑘

[ 목차 ]재현 가능성우연히 결과가 나오는 것이 아닌, 항상 일관된 결과가 나오는지 확인해야 함!재현 가능성동일한 연구나 실험을 반복했을 때 일관된 결과가 나오는지 여부 ( 연구의 신뢰성을 높이는 중요한 요소 )ex) 신약을 개발할 때 실험실에서만 효과가 있는 것이 아니라 실제 상황에서도 일관된 결과가 나온다고 믿을 수 있기 때문에 개발 가능한 것최근 p값에 대한 논쟁이 두드러지고 있음p값을 사용하지 않는 것이 좋다유의 수준을 0.05에서 변경하는 것이 좋다가설검정 원리상의 문제나 가설검정의 잘못된 사용이 낮은 재현성으로 이어진다는 문제 발생최근 논문을 다시 재현해서 실험을 해보는데 똑같은 결과가 나오지 않는 사례가 많아 재현성 위기가 문제 되고 있음중요성결과가 재현되지 않는다면 해당 가설의 신뢰도가 떨..

[ 목차 ] 피어슨 상관계수가장 대표적으로 많이 사용하는 상관계수파란색 점들로 나타내었으며, x와 y의 선형 관계를 보여줌그래프에서 점들이 직선적으로 퍼져있으며, 상관계수는 0.99로 매우 강한 양의 선형 관계를 나타냄피어슨 상관계수두 연속형 변수 간의 선형 관계를 측정하는 지표-1에서 1사이의 값을 가지며1은 완전한 양의 선형 관계-1은 완전한 음의 선형 관계0은 선형 관계가 없음을 의미피어슨 상관계수는 언제 사용할까❓공부 시간과 시험 점수 간의 상관관계 분석할 때🚫비선형 관계에선 사용할 수 없음 import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsfrom scipy.stats import pe..

[ 목차 ]A/B 검정: 두 버전(A와 B) 중 어느 것이 더 효과적인지 평가하기 위해 사용되는 검정 방법마케팅, 웹사이트 디자인 등에서 많이 사용됨사용자들을 두 그룹으로 나누고, 각 그룹에 다른 버전을 제공한 후, 반응 비교일반적으로 전환율, 구매수, 방문 기간, 방문한 페이지 수, 특정 페이지 방문 여부, 매출등의 지표 비교목적두 그룹 간의 변화가 우연이 아니라 통계적으로 유의미한지를 확인A/B 검정이 실제로 어떻게 적용되는지온라인 쇼핑몰에서 두 가지 디자인(A와 B)에 대한 랜딩 페이지를 테스트하여 어떤 디자인이 더 높은 구매 전환율을 가져오는지 평가import numpy as np import scipy.stats as stats # 가정된 전환율 데이터 group_a = np.random.bin..

[ 목차 ]모집단: 궁극적으로 관심있는 집단, 모집단의 특징을 모수라 함ex) 인구 총조사 표준 집단: 모집단에서 특정한 방법을 이용하여 뽑아낸 임의의 집단, 특징들을 통계량이라 함ex) 미국대선 출구조사모집단을 모두 전수조사하여 기술통계를 하면 정확한 값을 얻을 수 있지만 비용의 한계로 수행하지 못하는 경우에 "대표성"있는 샘플을 추출하여 이를 추론하는 것이 목적표본 추출의 중요성샘플링 편향(Sampling bias) : 분석 대상이 표본을 선택할 떄 과대하게 대표되거나 반대의 경우1936년 미국대선 당시 민주당 루즈벨트 vs 공화당 랜던의 경선1000만명이 넘는 사람으로부터 대선 설문 조사 진행 → 공화당 랜던 승리 예측갤럽은 겨우 2000명을 대상으로 격주로 여론 조사 실시 → 민주당 루즈벨트 승리..

[ 목차 ]데이터 분석으로 할 수 있는 일기술통계/시각화 : 데이터 명확하게 보기추론통계 : 수집된 데이터를 기반으로 진짜 그 사실이 맞나? 확인머신러닝/딥러닝 : 알고리즘에 기대어 결과를 예측하거나 새로운 정보 도출통계학 도구ExcelSASRPython수식자료형의 종류범주형 자료명목형 자료 : 순서가 의미 없는 자료 (ex : 혈액형 A, B, O, AB)순서형 자료 : 순서가 의미 있는 자료 (ex : 학점 A, B, C)수치형 자료이산형 자료 : 두 데이터 구간이 유한한 자료 (ex : 1명,2명)연속형 자료 : 두 데이터 구간이 무한한 자료 (ex : 키 160 ~ 170)범주형 자료는 인간의 언어로 표현된 자료이기 때문에 컴퓨터 혹은 수식에 적용할 때는 반드시 숫자형으로 변형하여 전달해야 함co..