티스토리

집밖은 위험해

검색하기

블로그 홈

집밖은 위험해

throwexception.tistory.com/m

집밖은위험해 님의 블로그입니다.

구독자: 72

방명록 방문하기

주요 글 목록

다변량분석 - 7. 판별분석 discriminant analysis 판별 분석 discriminant analysis - 측정 변수들로 각 행, 개체들이 어느 그룹에 속하는지 판별하는 방법 - 주어진 데이터로 가장 잘 판별할수 있는 판별식을 만들어, 새로운 데이터를 분류함 판별 분석의 예시 - 은행이 기업에 대출 시, 대출 전 기업의 도산 가능 여부를 판별하는 경우 - 과거 도산 기업과 도산하지 않은 기업에 대한 데이터(자산, 부채, 이익 등)을 관측 - 도산 여부 판별할수 있는 판별식, 판별함수를 만들어 대출 받으려는 기업의 도산 가능 여부를 판별 선형 판별 함수 Linear Discriminant Function - 판별 오류가 최소가 되는 선형 함수 - 람다 = 그룹 간 분산/그룹 내 분산, 람다가 최대가 되는 계수벡터 b를 구해야 함 => 그룹 내부는 잘 뭉치고,.. 공감수 0 댓글수 0 2020. 11. 26.
다변량분석 - 6. 정준상관분석 Canonical Correlation Analysis 상관계수 Correlation - 두 변수 간의 선형적 상관 관계를 나타내는 통계량 - 피어슨의 상관계수 = Corr(x,y) = Cov(x, y)/(std(x)*std(y)) - -1 ~ 1사이 값을 가짐 - |corr(x,y)|가 1에 가까울수록 선형적 관계를 가짐 정준상관분석Canonical Correlation Analysis - 상관 계수가 두 변수의 관계를 다루었다면 - 정준상관분석은 독립 변수들과 한개 이상의 종속변수의 연관성을 다루는 분석 => 상관분석과 회귀분석의 결합 - 독립변수들과 종속변수들의 상관계수가 최대가 되는 선형 결합을 유도하여 분석하는 방법 정준상관분석의 예시 - 독립 변수 : 신체조건에 대한 변수 -> x1 : 키, x2, : 앉은키, x3: 가슴 둘레 - 종속 변수 : .. 공감수 0 댓글수 0 2020. 11. 26.
다변량분석 - 5. 다차원 척도법 MultiDemensional Scaling 다차원 척도법 - 개채들의 특징, 변수들을 측정 후, 개채들 간의 거리(유사성), 비유사성을 측정하여 다차원 공간에서 점으로 표현. - 일반적으로 2/3차원 공간상의 점으로 표현하여 개체들간 관계표현. - 클러스터링에 많이 사용. 다차원 척도법의 예시 - 국내 도시들의 인구수, 면적, 학교 수 등 통계들을 조사 후 다차원 척도법을 사용하는 경우 -> 도시들간 유사한 정도, 가까운 정도를 2차원 공간 상에서 표현할수 있음. -> 위 통계로 어느 도시와 어느 도시가 가까운지 알수 있다. MDS 분석 과정 1. 변수 측정 2. 거리, 비유사성 측정 3. 2/3차원 공간상에서 시각화 4. 최적 표현 결정 : 개체들 간 거리를 가장 잘 나타내는 위치 구함. 스트레스를 이용. * 스트레스 : 개체 간 비유사성이 얼.. 공감수 0 댓글수 0 2020. 11. 26.
다변량분석 - 4. 인자 분석 인자 factor : 숨어있는 요인 주성분 분석과 인자분석의 차이 - 주성분 분석 : 서로 관련있는 변수간의 선형결합으로 새로운 변수, 주성분을 만들어 분석 - 인자 분석 : 서로 관련있는 변수들을 설명할수있는 새로운 공통 변수를 파악하는 방법 인자분석의 예시 - 고등학교 학생 대상으로 국어, 영어, 수학, 사회, 지리, 역사 등 10개 과목 시험 실시 => 과목들을 공통적으로 설명할수 있는 공통 인자들을 유도하여 분석 => 공통인자 : 추상적 개념, 이해력, 분석력 등을 나타내는 변수로 각 과목은 인자들의 선형결합으로 표현 => 인자분석에선 인자들을 생성하는데 해석은 주관적으로 자료에 적절하도록 해석해야함 주성분 분석과 인자분석 - 관측된 변수들로 소수의 새로운 변수들을 생성하는 통계적 방법 - 분석 .. 공감수 0 댓글수 0 2020. 11. 10.
통계 - 17. 통계적 추론에 대하여 19세기 과학자들의 통계적 추론에 대한 생각 - 뉴턴의 방정식 처럼 수학 방정식으로 설명가능하다고 생각 * 라플라스의 경우 모든것을 알면 과거, 현재, 미래를 설명 및 예측가능하다고 봄. => 관측할 때마다 방정식대로 결과가 나오지 않음. -> 관측 오차라 생각. - 관측 성능이 좋아져도 오차가 제거되지 않음. 현대 물리학 관점 - 방정식이나 기계같지 않고 불확실함. 불확실한 세상 파악방법 - 세상이 확률 분포를 따른다 가정하고, 측정 -> 측정 결과 = 데이터 통계적 추론 statistics inference - 불확실한 세상을 데이터 기반 추론 - 활용 범위 : 여론 조사, 이미지 인식, 문자 인식, 상품 추천 ㅡㅇ 통계적 추론의 기본 가정 - 세상은 불확실함. 불확실성을 가능성, 확률로 표현 - 세.. 공감수 1 댓글수 0 2020. 11. 10.
다변량분석 - 3. 주성분 분석 주성분 분석 primary componant analysis 개요 - 연구시 변수 측정. 변수가 100개 존재한다면 너무 많고 어려움 - 정보를 유지하면서 소수의 변수를 이용하여 분석. - 어떻게 주성분을 만들고 분석하는가를 다룸 변이 variation - 정보의 크기 - 일변량 시 분산으로 표현 - 다변량시 서로 다른 변수간 공분산 추가 주성분 principal component - 다변량 자료가 가지고 있는 총변이의 주요 부분을 가지고 있는 성분 주성분 분석 - 변수들의 정보를 최대한 보존하는 작은 수의 변수들(주성분)을 생성. - 주성분 분석의 범위 : 주성분 도출 방법과 생성된 주성분 성격과 통계적 추론을 포함 회귀 분석과 관련 예시 - 회귀 분석 모형에서 설명 변수 p가 50인 경우. -> 설명.. 공감수 0 댓글수 0 2020. 11. 9.
다변량분석 - 2. 다변량 분석과 데이터 시각화 단변량 데이터 다루기 1. 데이터 읽고 기술통계량 보기 공감수 0 댓글수 0 2020. 11. 3.
다변량분석 - 1. 다변량 분석과 R 기초 다변량 분석 주성분 분석, 인자 분석, 분산분석 등 두 개 이상의 변수들의 관계를 분석하는 모든 통계적 기법 c(a: b) - a에서 b까지 수 벡터 생성 %/% - 나누기 연산 %% - 몫 연산 seq(a, b, length = x) - a ~ b 사이 10개 간격으로 값 생성 rnorm() - 난수 생성 - 정규 분포를 따름 ex.1 평균이 10이고, 표준편차가 1인 정규분포를 따르는 난수 10개 생성시 => rnorm(10, 10, 1) 행렬 생성 - matrix(수열, ncols= 값, byrow=T/F) - matrix(1, nrow=x, ncol=y) 모든 값이 1인 x y 행렬 생성 서브 행렬 추출 - x가 행렬인 경우 - x[, c(1:3)] : 1 ~ 3열까지 모든 행데이터 추출 전치행렬.. 공감수 0 댓글수 0 2020. 11. 3.
회귀모형 - 5. 일반화 선형 모형 기존의 회귀 모형 regression model - 기본 가정 : 오차 등분산성, 모형의 선형성, 오차의 정규성 반응 변수 Y가 정규 분포가 아닌경우 - 오차의 등분산성 위배 -> 분산안정화변화로 해결 - 오차의 정규성이 위배(오차가 정규분포를 안따를떄) : 일반화 선형 모형 일반화 선형 모형를 사용하는 경우 - 반응변수 Y가 정규분포를 안따르는 경우 ex. 반응변수가 비율을 나타내는 경우, 반응변수가 양의 개수를 나타내는 포아송 분포를 따르는 경우 일반화 선형 모형 generalized linear model - 반응 분포가 정규 분포 뿐만아니라, 이항분포, 포아송분포, 감마 분포와 같은 지수족 분포를 따를때 회귀 모형 형태로 확장된 모형 * 회귀모형의 한계를 극복함. 일반화 선형 모형의 구성성분 세가.. 공감수 1 댓글수 0 2020. 10. 30.
회귀모형 - 4. 회귀 모형 만들기 회귀 모형 regression model - 단순 회귀 모형 : 독립변수와 종속변수간에 선형적 관계를 갖는 경우 사용 - 다항 회귀 모형 : 독립변수와 종속변수간에 비선형적인 관계를 같는 경우 다항 회귀 모형 polynomial regression model 1. 독립변수가 하나인 경우 이차 다항 회귀 모형 2. 독립변수가 2개 인경우 이차다항회귀모형 다항회귀모형 예제 1 1. 데이터 로드, 플롯 - 연도별 교통범죄발생률과 승용차보급률 - 플롯시켰더니 약간 비선형적 => 2차 다항 회귀모형으로 만들어보자. * attach(데이터프레임). => plot시 데이터프레임$ 를 생략할수 있음 2. 모형 생성 - 구한 이차다항회귀모형은 아래와 같다. 다항회귀모형 예제 2 : 1990~1992년까지 마라톤 대회 5.. 공감수 1 댓글수 0 2020. 10. 30.
회귀모형 - 3. 회귀 모형에서 변수 선택 변수 선택과 기준/방법, 다중 공선성 다중 회귀 모형 - 여러개의 독립변수에 의해 종속변수 y에 주는 영향을 함수 식으로 표현한것 변수선택 variable selection problem - 많은 설명 변수 중에서 모형에 포함시킬 변수를 결정하는 것 다중공선성 multicollinearity - 모형에 포함되는 설명변수들 사이 연관성이 존재하는 경우 모형의 안정성과 신뢰성을 떨어트림 => 공선성, 다중공선성 - 두 설명변수 X1, X2가 상수 c0, c1,c2에 대해 다음 관계를 가지는 경우 -> 두 변수 사이에 완벽한 공선성(exact collinearity)가 있음 ex. X1 + X2 = 100인경우 X2는 X1으로 결정됨 다중공선성 multiconllinearity - 설명변수가 2개가 넘는 경우.. 공감수 0 댓글수 0 2020. 10. 30.
회귀모형 - 2. (다)중회귀모형 데이터 분석 방법 복습 이산형 - 일원배치법 - 이원배치법 연속형 - 회귀모형 (다)중 회귀모형 multiple regression model - 종속 변수의 변화를 설명하는데 두 개 이상의 독립 변수가 사용되는 회귀 모형 - 선형인 경우 다중 선형 회귀 모형 독립변수가 k개인 다중 회귀 모형 - beta0, ..., betak : 모집단 회귀 계수 - epsilion i : Yi를 측정시 오차 독립변수가 2개인 다중 회귀 모형 - 벡터로 나타내는 경우 다중 회귀 모형 - 행렬 + 독립변수 2개 상점의 총 판매액 자료를 이용한 다중 회귀 분석 - 독립변수 : 광고료 x1, 상점크기 x2 - 종속변수 : 총 판매액 y 다중 회귀 모델 - 최소제곱법 - 행렬을 이용하면 쉽게 추정치 beta를 구할 수 있다... 공감수 0 댓글수 0 2020. 10. 30.
회귀모형 - 1. 단순 회귀 모형 예측방법론 - 예측에는 주관적 예측과 객관적 예측이 있음 - 데이터 기반 예측 -> 객관적 예측 - 시계열 특성과 예측 모형을 보고 R 구현 회귀 분석 regression analysis - 독립변수와 종속변수 사이의 함수 관계(모형)을 구하는 통계적 분석 방법 - 독립 변수 independent variable, 설명변수 explanatory variable: 영향을 주는 변수 x - 종속변수 dependent variable, 반응변수 response variable : 영향을 받는 변수 y 회귀 용어의 유래 - 영국의 우생할자 galton이, 부모콩의 무게를 x 자식콩이 무게를 y로 산점도를 그려 관계를 살펴봄 => 자식의 무게는 평균 무게로 회귀(되돌아 가려는)하려는 경향을 발견 => 피어슨이 분.. 공감수 0 댓글수 0 2020. 10. 30.
실험계획 - 5. 회귀분석과 공분산 분석 분산분석 -> 요인의 수준이 이산형(100, 120)에 따른 종속변수의 영향 회귀분석 : x가 이산이 아닌 연속인경우 분석 방법 공분산분석 : x가 이산형인것도 있고 연속형인것도 두개다 있는 경우 회귀분석 regression analysis - 독립변수들과 종속변수 간에 관계를 함수식으로 정리하여 분석하는 방법 - 독립/종속변수는 연속값 - 단순 회귀 simple regression : 독립변수가 하나 - 다중 회귀 multiple regression :독립변수가 여러개 다중 선형 회귀 multiple linear regression 다항 회귀 모형 polynomial regression model 상관계수 correation coefficient - 두 변수간에 선형적 상관관계에 대해서 나타냄 - 1에.. 공감수 2 댓글수 0 2020. 10. 29.
실험계획 - 4. 이원배치 분산분석 이원배치법 - 2개의 요인(독립변수 A, B)와 반응 변수(종속변수) 사이의 관계를 알아보기위한 실험계획 - 독립 변수는 불연속, 종속 변수는 연속적인 값 - 반복이 없는 경우와 있는 경우가 존재 - 반복하는 경우 두 요인간 상호 작용 효과를 검출 가능 이원배치법에서 효과 - 주 효과 main effect : 요인 A의 수준간 차이가 존재하는가 - 상호 작용 효과 interection effect(교호 작용효과) : 요인 A의 서로 다른 수준에서 요인 B의 주효과가 다른가 실험의 랜덤화 - 완전 확률화 계획법 : 두 요인 수준 조건에 순서를 주고, 랜덤한 순서대로 실험 이원 배치법 고정모형(A, B 고정요인- 모수인자) - 반복의 장점 인자 조합의 효과를 실험 오차와 분리하여 구할수 있음 교호작용을 분리.. 공감수 1 댓글수 0 2020. 10. 29.
실험계획 - 3. 일원배치 분산분석 유의확률 = 한계유의수준 = p value 유의수준 = alpha 일원 배치의 구조 모형 - 독립 변수(중요한 요인, 인자)가 하나. 이 변수가 종속 변수(반응치)에 어떤 영향을 미치는가? 1. 모수 인자(고정 인자) - 관심 대상이 되는 반응온도에서 80도, 100도, 120도를 고정된 인자. - 최적 조건 - 인자의 수준에 따라 반응치의 모평균이 바뀌는가 2.변량인자 (랜담인자) - 80~120도사이 같은 구간 반응 온도는 변량 인자 일원 배치법의 구조 모형 오차 epsilon_ij에 대한 가정 - 정규성, 독립성, 불편성, 등분산성 분산분석 귀무가설 H0 : alpha1 = . . . = alpha_a = 0 => 수준 효과간 차이가 없다 ex. 100도 = 120도 = 130도 .. 에서 차이가 .. 공감수 0 댓글수 0 2020. 10. 29.
실험계획 - 2. 두 모집단 비교 관련 용어 - 모집단 population : 알고자 하는 대상 집합 - 랜덤 추출 random sampling : 임의의 표본 추출 - 랜덤 표본 random sample : 모집단에서 추출한 표본 - 모수 parameter : 모집단의 특징을 나타내는 값 ex. 모평균, 모분산 - 통계량 statistics : 표본을 이용하여 추정하고자 하는 값에 대한 함수 ex. 표본 평균, 표본 분산 - 추정 estimation : 표본을 이용하여 모집단에 대한 값을 추정하는 과정 - 점추정 point estimation : 모수에 대한 추정 - 구간 추정 interval estimation : 모수에 대한 추정과 추정의 정확률 - 신뢰 수준 confidence level : 모수가 참이라 속할것으로 기대되는 구간.. 공감수 0 댓글수 0 2020. 10. 29.
실험계획 - 1. 실험 계획 개념 실험 계획을 하는 이유 - 특정 프로세스와 시스템을 이해 -> 최적화 등 의사결정 목적 1. 중요 요인 찾기 : 정화하는데 소요되는 시간에 영향을 미치는 정화수 종류, 온도, 필터 종류 등의 유의성 파악 2. 입력 변수와 출력변수간 관계 파악 : 염색할때 염색 온도가 명암에 미치는 영향 파악 3. 최적 조건 찾기 : 독립변수가 종속 변수에 영향을 미칠때(통계적 유의성이 존재시) 최적 조건을 위함 4. 비교 실험 : 여러 가지 약물의 효과 비교를 위하여 실시 프로세스 모형 연구의 종류 - 관측 연구와 실험 연구 1. 관측 연구 - 기존의 자료, 관측 등 2. 실험 연구 - 실험 대상에 대해 처리를 하는 연구 - 모든 연구는 관측 연구에서 시작하여 실험을 통해 확인 실험 계획 기본 원리 1. 랜덤화 rand.. 공감수 0 댓글수 0 2020. 10. 29.
파이썬R - 8. 분산 분석 실험 계획법 - 대표적인 분석 방법 -> 분산 분석 - 실험을 어떻게 계획하고 분석하는가 를 실험계획법에서 배운다. 분산 분석 - 요인이 한개인 경우 -> 일원 배치 분산 분석 - 요인이 여러개 인 경우 -> 이원 배치 분산 분석 1. 일원분산분석 예제 - 목화 함유량 퍼센트 pct 에 따라 섬유 장력 tensile을 측정한 자료가 주어질때 - 요인은 목화 함유량 - 실험 수준 : 15%, 20%, 25%, 30%, 35% 다섯개 처리 선택 - 각 수준별로 5회씩측정 => R과 파이썬으로 일원분산분석 하자 요인(인자 ) : pct 수준 ; 5 Y : 장력 tensile 분산 분석이라는 용어의 이유 - - 변동을 분해한 표 -> 분산 분석표 분산 분석 1. 분산분석표 작성 : 수준 간에 차이가 있는가, 없.. 공감수 0 댓글수 0 2020. 10. 28.
파이썬R - 7. 평균 검정 평균 검정 - 단일 표본에서 모평균 - 두 독립 표본에서 평균 검정(평균이 같은가 다른가) - 대응 표본에서 평균 검정 => t 검정 t검정 t test(평균 검정) - 모집단의 분산이나 표준편차를 모를때 표본으로 추정된 분산이나 표준편차로 검정. - 두 모집단에 평균간 차이는 없다 라는 귀무가설과 평균 간 차이가 있다는 귀무가설중 하나를 선택가능한 통계적방법 예습 1. 단일 표본 모평균 검정 - 25마리 게 체온을 이용한 단일 표본에서의 모평균 검정 귀무가설 H0 : mu = 24.3 vs 대립가설 H1 : mu != 24.3 1.1 R에서 모평균 검정 t0 = 2.7128 p value = 0.0124 -> 유의수준 alpha = 0.05 이라면 p value < alpha 이므로 귀무가설을 기각한다.. 공감수 1 댓글수 0 2020. 10. 28.
파이썬R - 6. 파이썬 기술통계 기술 통계 - 개별 기술통계 - 그룹별 기술통계 - 기술통계 플로팅(줄기잎, 박스, 히스토그램) - 분할표 contingency table 데이터 준비 통계량 출력 다변수 접근 다변수 기술통계량 출력 - 데이터프레임.describe() 왜도, 첨도 확인하기 왜도 skewness - E(((X-mu)/sigma)^3) - 한방향으로 치우쳐진 정도 - 왼쪽으로 치우쳐지면 positive skewness - 우측으로 치우쳐지면 negative skewness 첨도 kurtosis - E(((X-mu)/sigma)^4) - 3 - 분포의 꼬리에 데이터가 몰려있는지에 관한 측도 왜도, 첨도 예제 - skew(a) : 결과 분포가 우측으로 매우 치우쳐짐 - kurtosis(a) : 첨도가 매우 큰걸 볼수있음 - 9.. 공감수 1 댓글수 0 2020. 10. 28.
파이썬R - 5. R 기술통계 기술 통계 descriptive statistic - 데이터를 어떻게 묘사할것인가에 대한 학문 기술 통계량 descriptivie statistics - 중심 위치 측도, 산포 측도 등 중심 위치 측도 - 기대값 expectation : 데이터의 무게 중심 => 표본 평균 bar x = (x1 + ... xn) / n = sigma xi/n - 중앙값 median : 데이터를 크기 순으로 나열시 중간에 있는 값. 산포 측도 - 표본 분산 : 표본들이 표본 평균으로부터 흩어진 정도 S2 = sigma (xi - bar x)2/ (n-1) - 사분위수 quartile : 통계의 변량을 도수 분포로 정리할떄 1/4 , 2/4, 3/4 자리의 값 => Q1(25%), Q2(50%), Q3(75%) => 사분위수.. 공감수 1 댓글수 0 2020. 10. 28.
파이썬R - 4. 파이썬과 R 그래픽 라이브러리 Matplotlib - john hunter가 개발 시작 - 2012년 사후, michael droettboom 개발자 그룹에서 개발 일반 사인 그래프 import numpy as np import matplotlib.pyplot as plt # inline으로 출력 %matplotlib inline # 비 대화형 plt.ioff() x = np.linspace(0, 10, 50) sinus = np.sin(x) plt.plot(x, sinus) plt.show() 플롯 옵션과 레전드(범례) 추가 cosinus = np.cos(x) plt.plot(x, sinus, label="sinus", color="blue", linestyle="--",linewidth=2) plt.plot(x, cosinus, .. 공감수 0 댓글수 0 2020. 10. 28.
파이썬R - 3. R데이터처리, dplyr 값 라벨 바꾸기 - 숫자로 입력된 값을 라벨로 바꾸기 ex. job 1-> 근로자, 2 -> 사무직 3-> 전문가 명목형 변수 nomial data로 바꾸기 : factor()함수 순서형 변수 ordered data 로 바꾸기 - ordered()함수 막대 그래프 그리기 1. table()함수 : 해당 변수 - 빈도수 출력 2. barplot() : 막대 그래프 출력 3. title() : 그래프 제목 변수 변환하기 recode - 그룹별 값주기 변수값 변환하기 recode - car 패키지의 recode() 활용하기 - 레코드 후, 순서형 변수로 라벨을 주어야 그룹의 의미를 알기 편하다. 값 추출하기 dplyr 패키지 - 데이터 처리를 위한 패키지 - 전처리 작업 1. filtering 데이터 추출 2.. 공감수 0 댓글수 0 2020. 10. 28.
파이썬R - 2. R 데이터처리 변수 바꾸기, 결측치처리, 이름바꾸기, 라벨, 라벨 변환 등 결측치 제거 na.omit(데이터프레임) 변수명 변경 names(dataframe)[index] 변수명 바꾸기 colnames(dataframe) 값 라벨 value label - 숫자로 입력된 값을 라벨로 바꾸기 ex. job 1 = 근로자, 2= 사무직 edu 1=무학자, 2=초졸 3=중졸 공감수 0 댓글수 0 2020. 10. 27.
파이썬R - 1. 파이썬 pandas 공감수 0 댓글수 0 2020. 10. 27.
통계 - 16. 실험계획법과 검정 용어 - 요인 factor : 결과값의 산포에 영향을 주는 원인들 중 실험에서 직접 취급되는 원인 - 반응 response : 실험의 결과로 얻어지는 양적자료 - 수준 level : 실험을 하기 위한 요인의 속성 - 처리 treatement : 요인의 수준 혹은 요인 수준의 좋바 - 실험 단위 experimental unit EU : 처리받는 대상, 다른 처리가 가해지는 최소 단위 - 관측 단위 Observational unit OU 일원 배치법 One-way ANOVA - 고려하는 요인이 하나인 경우로 완전 랜덤화 설게를 전제로함 - 각 처리에 대한 데이터들은 정규분포를 따르는것을 가정 - mu_i = i번쨰 처리의 모평균 - 공통분산 sigma2를 가정 - 균형자료(등반복실험)을 가정 - 데이터 구조.. 공감수 1 댓글수 0 2020. 10. 27.
통계 - 15. 표본 분포와 가설검정 표본 분포 - 임의 현상에 대한 추론을 위해 모집단 population을 설정하는것은 통계분석에서 중요 -> 구성 원소 sampling unit 전체를 조사 census 하는것은 불가능 확률 분포 random sample - 모집단의 각 구성원이 고르개 추출한 표본 - 특정한 확률 분포를 따르는모집단으로부터 독립적으로 관측(추출)된 표본 통계량 statistics - 관측 가능한 확률 표본에 댛나 함수 - 확률 변수들을 대입하는 함수로, 통계량 또한 확률 변수가 된다. -> 통계량의 확률 분포 : 표본 분포 sample distribution - 모수는 관측하지 못하므로 모수는 통계량은 아님 - 표본의 함수인 통계량을 이용하여 통계적 추론을 수행 ex. 표본평균과 표본 표준 편차 검정 통계량 test s.. 공감수 0 댓글수 0 2020. 10. 27.
통계 - 14. 구간추정 점추정에서는 모수의 한 값만을 추정하였다면 모수만 아니라 모수를 포함하는 구간 또한 추정이 가능함 -> 모평균, 모분산 구간추정방법 점 추정 point estimation - 모집단이 정규분포를 따를때 모평균 mu에 대한 추정시 - mu의 최대가능도 추정량은 표본 평균과 동일하다 => 주어진 자료로 모수 추정값 획득. 예제 - 다음 5개 데이터가 주어질떄 모평균 추정량을 구하자 - 10, 15, 5, 10, 15 -> 표본이 작을때 표본에 따라 모평균 추정량이 크게 바뀜 구간 추정 interval estimation - 모수를 포함할 것으로 기대되는 구간을 제시하여 모수 추정 신뢰 구간 confidence interval - 95% 신뢰구간 : theata에 대한 95% 신뢰구간을 구하는 과정을 100번.. 공감수 0 댓글수 0 2020. 10. 27.
통계 - 13. 통계적 가설 검정 2 가능도비검정. 최강력검정을 확장, 일반화 분할표를 이용하는 카이제곱검정 유의성 검정 최강력 검정 - 단순 가설이 존재 - 최강력 검정의 기각역 (R) 복합 가설에서의 가설검정 - 복합 가설하의 확률 밀도함수가 하나로 결정할 수 없음 -> 확률밀도함수 비를 바탕으로 최강력 검정 사용에 제약 - 하나로 결정되지 않는 확률 밀도함수 대신 각 가설하의 최대가능도를 이용 최대 가능도비 - 귀무가설 하 theta의 최대가능도 추정량 hat theta0 - 대립가설 하 theta의 최대가능도 추정량 hat theta1 가능도비 검정 likelihood ratio test - 귀무 가설하 최대가능도와 모수 전체에서 구한 최대가능도의 비에 의해 기각역이 정해지는 검정 - 최대가능도비를 사용한 기각역 R (k' 공감수 1 댓글수 0 2020. 10. 26.

문의안내

티스토리
로그인
고객센터

티스토리는 카카오에서 사랑을 담아 만듭니다.