기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[data analysis] 변동: 분산(variance)

변동(Variation)

관련내용

분산(Variance)

데이터의 중심으로부터의 차이 정도를 나타내는 지표로 중간값을 사용하는 MAD와는 달리 분산 (variance)은 평균을 사용합니다. 또한 MAD는 절대값을 적용하는데 반해 동일한 이유로 분산은 편차의 제곱을 사용합니다. 즉, 식 1과 같이 계산되는 분산을 평균제곱편차(mean squared deviation)라고도 합니다. 일반적으로 분산은 σ2으로 나타냅니다.

\begin{align}\sigma^2&=\frac{\sum^n_{i=1}(x_i-\mu)^2}{n-1}\\& n:\text{샘플 크기},\quad \mu: \text{평균} \end{align}(식 1)

그림 1은 데이터의 각 값과 평균의 편차 제곱(yvar), 중간값과의 차이의 절대값(ymad) 함수들의 형태를 나타낸 것입니다. 즉, 분산과 MAD산출하기 위한 함수들을 나타냅니다.

그림1. 분산과 MAD 함수.

그림 1에서 나타낸 것과 같이 MAD와 분산을 위한 함수는 각각 직선과 2차 곡선입니다. 편차는 확률을 기반으로 하는 통계적 추론의 중요한 매개변수입니다. 기존 자료를 기반으로 새로운 값을 추정하기 위한 통계 모델은 편차를 최소로 하는 지점을 기준으로 구축됩니다. 이 기준은 함수의 미분에 의한 최소 극값으로 결정할 수 있습니다. 이러한 측면에서 2차 함수인 분산 함수가 더 유리합니다.

예)

한 반에서 무작위로 선택한 6명의 수학점수입니다. 이 자료의 분산을 결정합니다.

90, 65, 95, 75, 70, 85

x=np.array([90, 65, 95, 75, 70, 85])
mu=x.mean(); mu
80.0

평균을 기준으로 각 값의 편차와 제곱편차를 계산합니다.

점수 편차 제곱편차
A 90.0 10.0 100.0
B 65.0 -15.0 225.0
C 95.0 15.0 225.0
D 75.0 -5.0 25.0
E 70.0 -10.0 100.0
F 85.0 5.0 25.0

분산은 위 표의 제곱 편차의 평균으로 다음과 같이 계산됩니다.

\begin{align}\sigma^2 & = \frac{100.0 + 225.0 + 225.0 + 25.0 + 100.0 + 25.0}{6}\\&=116.7\end{align}

분산은 np.var(x, ddof=None), 객체.var(ddof=None) 메소드를 적용하여 계산할 수 있습니다. 이 함수와 메소드에서 ddof는 자유도를 생성하는 요인으로 전체 자료수에서 제외하는 갯수를 의미합니다.

  • numpy.var(x, axis=None, ddof=0, ...), x.var(axis=None, ddof=0, ...)
    • 객체 x의 분산을 계산
    • x: array, DataFrame, Series 객체
    • axis: 연산의 방향을 지정
    • ddof: 자료의 자유도를 산출하기 위해 고려되는 값
round(np.var(x, ddof=1), 2))
140

분산 계산과정은 다음과 같습니다.

  1. 평균 결정
  2. 각 값과 평균의 차이를 계산(=편차)
  3. 각 편차의 제곱을 계산(=제곱 편차)
  4. 제곱편차의 합(sum of square, SS) 계산
  5. 편차 제곱의 합을 자료의 크기 또는 자유도로 나누어 분산을 결정

예)

SS=486, n=120(샘플 수)인 자료의 분산을 결정합니다.

σ2 = 486(식 1.3.6)
120 − 1
≈  44.36

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...

turtle로 정오각형 그리기

정오각형 그리기  오각형을 그리는 것 역시 정사각형 , 정삼각형 을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요? 이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요? 위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요. 사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90 오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108 육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120 ... 위 그림에서 내각과 외각의 관계를 보면 위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요. 360/변수의 수=다각형에서 하나의 외각 위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠. 1) 지정한 길이만큼 앞으로 이동합니다. 2) 오른쪽 또는 왼쪽으로 72도를 회전합니다. 3) 앞으로 동일한 길이만큼 이동합니다. 4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다. 5)1번부터 4번 ...