변동(Variation) 관련내용 범위(range) 4분위수(Quantile) 중간값 절대 편차(MAD) 분산(Variance) 표준편차(Standard Deviation) 분산계수(Variation Coefficient) 1.3.6 분산계수(Variation Coefficient) 분산계수(Cv) 는 식 1과 같이 데이터 셋의 표준편차를 평균으로 나눈 값으로 평균을 중심으로 데이터들의 퍼짐의 정도를 수치적으로 보여 줍니다. 표준편차와 평균의 단위는 같습니다. 그러므로 이 계산 결과는 단위가 없는 값이므로 여러 그룹들의 변동의 정도를 비교하는 척도롤 사용할 수 있습니다. \begin{align}\text{Cv}&=\frac{\sigma}{\mu}\quad \text{or} \quad \frac{s}{\bar{x}}\\&\mu:\text{모평균}, \quad \bar{x}: \text{표본 평균}\end{align} (식 1) 예를 들어 한 그룹의 키와 몸무게의 평균과 표준편차는 다음과 같다고 합니다. 항목 평균 표준편차 키 165 cm 19 cm 몸무게 70 kg 12.9 kg 위 표에서 나타낸 것과 같이 키의 표준편차는 몸무게보다 큽니다. 그러나 두 데이터 간의 차이는 단위(cm와 kg)의 차이에 의한 영향을 일 수 있습니다. 그러므로 두 데이터의 비교를 위해서는 단위를 제거한 결과가 필요합니다. 다음은 각 데이터의 coefficient of variance를 계산한 것으로 몸무게에 비해 키의 변동의 큰 것을 알 수 있습니다. 이 결과는 위 표에서 제시한 표준편차들의 비교 결과를 보다 명확하게 나타냅니다. 키 : $\frac{19 \,\text{cm}}{165 \,\text{cm}} = 0.185$ 몸무게 : $\frac{12.9 \,\text{kg}}{70 \,\text{kg}}= 0.115$ 예) ...
python 언어를 적용하여 통계(statistics)와 미적분(Calculus), 선형대수학(Linear Algebra)을 소개합니다. 이 과정에서 빅데이터를 다루기 위해 pytorch를 적용합니다.