𝑁𝑜𝑡𝑒𝑏𝑜𝑜𝑘

[ 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..

KEEP (현재 만족하고 있는 부분, 이어가면 좋을 부분)통계학 열심히 복습하면서 모르는 거 있으면 바로 구글링하고 최대한 이해해볼려는 자세  PROBLEM (불편하게 느끼는 부분, 개선이 필요한 부분)혼자 힘으로는 힘든 게 있으니 바로 튜터님 찾아가기  TRY (문제에 대한 해결책, 다음 회고때 판별 가능한 것, 당장 실행 가능한 것)책을 살까 고민중이고 지금 당장에 할 수 있는건 계속 복습하기

[ 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..

[ 목차 ]포맷팅 (formatting)f-stringx = 10print(f"변수 x의 값은 {x}입니다.")x = 10print("변수 x의 값은 {}입니다.".format(x))x = 10print("변수 x의 값은 %d입니다." % (x))split문자열 → 리스트로 변환 (공백 기준으로 분할)sentence = "Hello, how are you doing today?"words = sentence.split()print(words) # 출력: ['Hello,', 'how', 'are', 'you', 'doing', 'today?'](특정 구분자를 기준으로)data = "apple,banana,grape,orange"fruits = data.split(',')print(fruits) # 출력..