프로그래밍/Statistics

[Statistics] 선형대수학 벡터 통계

1. 선형대수학 1) 벡터 - 숫자의 나열 - 숫자의 묶음 예) x = (1, 2, 3), y = (4, 3, 1) 2) 벡터의 연산 x + y = (5, 5, 4) 3 * x = (3, 6, 9) 3) 벡터의 특징 - 원소값, 방향(상대적인 위치) 4) 벡터의 차원 - 원소의 개수 5) 벡터의 크기(원점과의 거리) - 벡터의 모든 원소를 제곱하고 다 더한 뒤, 루트를 씌워준 값 2. 통계 1) 기술통계량(descriptive statistics) - 데이터에서 측정할 수 있는 요약된 수치값들 - 평균 : 데이터의 값을 더한 다음, 개수로 나눈 값 - 분산 : 데이터의 퍼진 정도. 각 데이터에서 평균을 뺀 값을 제곱해서 다 더한 뒤 데이터 개수로 나눈 값. - 표준분산 : 분산의 양의 제곱근 - 중앙값 ..

2022. 11. 28. 09:11
프로그래밍/Statistics

[Statistics] EDA정의와 필요성

1. EDA 정의 1) Exploratory Data Analysis 2) 탐색적 데이터 분석 3) Data ==> EDA ==> 인사이트 도출 4) EDA : 시각화, 통계 분석 2. EDA 필요성(효과) 1) 데이터 이해할 수 있도록 도와준다. 2) 가설을 추가하거나 수정할 수 있다. "이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다." 3. 가설 수립과 검정하기 1) 반복으로 구성된다. 가설 수립 ==> EDA를 통한 가설 검정 ==> Insight 획득, 구체화 예) 1. 보험 가입 기간이 긴 고객일수록 이탈율이 줄어들 것이다. 2. 건물별 화재 예측을 하는데 필요한 특징을 선정하는데 EDA를 수행함. 3. 벨브의 불량이 발생하는 공정상 원인 파악 [Stati..

2022. 11. 27. 01:53
프로그래밍/Statistics

[Statistics] 기술 통계과 추리통계

[Spring]웹 애플리케이션 HTTP 응답 상태코드 웹 개발 트렌드 백엔드 프론트엔드 1. 기술통계 1) 수집한 자료를 분석하여 대상들의 속성을 파악하는 통계 방법 - 중심 경향 값 - 분산도 - 상관계수 - 회귀계수 2) 중심경향값 - 평균 : 전체 자료가 가지는 수치들의 총합을 전체 자료의 수로 나눈 수치 - 중심값 : 최댓값과 최솟값의 정가운데 수치 - 최빈값 : 가장 많은 빈도를 보이는 수치 3) 분산도 - 분산 : 각 자료가 평균으로부터 떨어진 거리(편차)들을 제곱한 수치들의 총합을 전체 자료의 수로 나눈 수치 - 표준 분산 : 분산의 제곱근을 취한 수치 [HTML & CCS] HTML태그 종류와 특징, H태그 검색엔진 최적화 메타 태그 시멘틱 태그 2. 추리통계 1) 모집단을 대표하는 표본을..

2022. 11. 26. 16:21