sons dataStory

변동(Variation) 관련내용 범위(range) 4분위수(Quantile) 중간값 절대 편차(MAD) 분산(Variance) 표준편차(Standard Deviation) 분산계수(Variation Coefficient) 표준편차(Standard Deviation) 분산 은 편차의 제곱으로 원시 자료(raw data) 단위의 제곱으로 자료를 해석하는데 불리합니다. 원래의 단위로 복원하기 위해서는 식 1과 같이 분산에 제곱근을 적용합니다. 이 결과를 표준편차 (standard deviation) 이라 하며 σ로 나타냅니다. $$\sigma=\sqrt{\frac{\sum^n_{i=1}(x_i-\mu)^2}{n-1}}$$ (식 1) 표준편차는 np.std(x, ddof), DataFrame.std(x, ddof) 으로 계산할 수 있습니다. numpy.std(x, axis=None, ddof=0, ...), DataFrame.std() 지정한 축을 기준으로 배열 객체 x의 표준편차를 계산 (= array.std() ) axis=None 의 경우 1차원 벡터로 전환하여 표준편차 계산 ddof: 자료의 자유도를 산출하기 위해 데이터 크기에서 빼주는 값 예) 평균이 72인 시험에서 A의 점수는 78입니다. 다음 중 A에게 유리하기 위한 자료의 표준편차(s)를 결정하세요. (1) s=2 (2) s=3 (3) s=4 자료의 변동이 작다는 것은 값들이 특정한 지점에 집중도가 증가한다는 것입니다. 또한 A의 점수는 평균 보다 크므로 표준편차가 작을수록 상위에 위치할 가능성이 증가하게 됩니다. 그러므로 (1)의 경우가 가장 유리할 것입니다. 통계분석에서 정보를 획득하기 위한 관심의 대상이 되는 전체 집합을 모집단(population) 이라하며 그 모집단에서의 일부를 표본(sample) 이라고 합니다. 일반적으로 모집단을 확보하는 것이 어려운 경우가 많습니다. 그러므로 모집단의 특성을 모집...