jaing's pi

빅데이터 분석기사 시즌이 돌아왔다. 나는 작년에 메타코드 M을 통해 수업을 듣고, 필기를 쳐서 붙었으나 안일한 생각에 실기를 영상을 한번만 보고 실습 연습을 대충했더니 떨어졌따..흑흑 (손에 익는게 핵심인데 말이다...ㅠㅠ) 화장실도 다녀와서 시간이 너무 부족했다...(시험 중에 화장실을 다녀올 수 있다..) 시험도 일년에 두 번 밖에 없어서 바보 같이 그냥 끝내버렸어야 했는데.. 올해 상반기까지 끌고 왔다.. 다행히 필기는 한 번 치면 2년까지 합격이 유지된다고 한다. 시험 준비.. 열심히 해야지...흑흑 총 5강으로 되어있고, 강사 분이 친절하시고 완전 이해하기 쉽게 핵심 내용만 쏙쏙 뽑아서 잘 설명해주셔서 다시 듣기로했다.(총 9시간) 특히 2024년 버전으로 업데이트 되어있다! 이번에는 제발 실기..

통계학 기초 강의 통계 기초 이론 마지막강! 통계 검정이다. 7강 통계검정은 약 30분 길이로 되어 있다. 통계검정은 내가 설정한 가설에 대해 통계적으로 타당한지 확인해볼 수 있는 중요한 장이라고 볼 수 있다. 6.1.1. 통계검정 : 가설 1. 가설 검정 설정한 가설이 옳을 때 표본에서의 통계량과 통계량의 분포에서 이론적으로 얻은 특정 값을 비교하여, 가설의 기각/채택 여부를 판정하는 방법 - 확률적 오차 범위를 넘어서면 가설을 기각한다 - 유의수준( 𝛼 ) : 기각/채택의 여부 판단기준 ex) 실제 통계량과 이론적 통계값을 비교하는 것. 2. 가설의 종류 1) 귀무가설 (H0) - 대립가설과 상반되는 가설로, 일반적인 사실을 귀무가설로 설정 - 효과가 없다, 차이가 없다 등의 내용 2) 대립가설 (H..

통계학 기초 강의 통계 기초 이론 6강 통계적 추정이다. 6강 통계적 추정은 약 30분 길이로 되어 있다. 통계적 추정은 빅데이터 분석기사에서도 꽤 중요한 내용으로 나왔던 것으로 기억한다..! 6.1 통계적 추정 통계 inference의 꽃. 1. 통계적 추정 : 표본의 통계량을 기초로 하여 모집단의 모수를 추정하는 방법론 2. 통계적 추정의 종류 1) 점추정 : 모수의 단일한 값으로 추측하는 방식 - 신뢰도를 나타낼 수 없음 예) 대한민국 국민의 키 평균은 150cm이다! 2) 구간 추정 : 모수를 포함한다고 추정되는 구간을 구하는 방식 - 신뢰도를 나타낼 수 있음 예) 대한민국 국민의 키 평균은 148~152cm 사이에 있을 것이다! 통계적 추정의 기준 1. 불편성 (Unbiasedness) : 모수..

앞으로 두 강 남았다...!!! 열심히 달리자. 통계 기초 이론 5강 이산확률분포다. 5강 연속확률분포는 총 대략 1시간 길이로 되어 있다. 핵심 부분이고 종류도 다양해서 그런 것 같다! 5.1 연속확률분포 : Uniform Distribution 1. Uniform Distribution : 연속확률분포 중 가장 간단한 분포 2. 확률밀도함수 (PDF) 확률밀도 함수 그래프 * 확률값이 아니기 때문에 확률을 알기 위해서는 적분을 통해 cdf를 구해 알아야 함. - 기댓값 : (a+b)/2 - 분산 : (b_a)^2/12 5.2 연속확률분포 : 정규분포 1. 정규분포(가우스분포) - 연속확률분포 중 가장 널리 사용(거의 default 값) - 표본을 통한 통계적 추정 및 가설검정이론의 기본 *가장 많이 ..

통계 기초 이론 4강 이산확률분포다. 4강 이산확률분포는 약 20분여 길이로 되어 있다. 4.1 이산확률분포 : 이항분포 데이터 분석 실무에 적합한 효율적인 분포 위주로 배우기 때문에, 본 강의에서는 이항, 베르누이, 포아송 분포 중심으로 배우게 된다. 이외의 분포도 알 수 있다. 베르누이 분포는 이항 분포의 어머니라고 볼 수 있다. 1. 베르누이 시행 (trial) : 사상이 두 개뿐인 시행(성공 or 실패) - 각 시행에서 성공확률과 실패확률의 합은 1 - 각 시행은 서로 독립 - 베르누이 시행을 n 번 독립 시행했을 때의 확률 변수 x의 분포는 이항분포이다. -> 이항분포 : 베르누이 시행을 반복했을 때의 분포! - 이 때, 확률변수 X의 평균(기대값) : p - 확률변수 X의 분산 : p(1-p)..

급하게 말고 차근차근..! 통계 기초 이론 3강 확률과 확률변수의 4-7 소강의 이다. 3강 확률과 확률변수는 7개의 소강의, 총 1시간 20분 길이로 되어 있다. 3.4 확률변수/이산확률변수/연속확률변수 확률변수 1. 확률변수 - 표본공간에서 정의된 실수값 함수 - 실수가 아니면 확률분포함수를 정의할 수 없음 (그래프를 못그립니다..!) - 일정 확률을 가지고 발생하는 사건에 수치를 부여한 것 why? 계산을 할 수 있기 때문 - 변수가 어떤 값을 취하는지가 확률적으로 결정된다 - 통계적 규칙성은 있다고 봄 -> 간단히 말해 사건을 실수 값에 매핑하는 것! 2. 확률분포 - 확률변수의 값과, 확률을 대응시켜 표, 그래프, 함수로 표현한 것 -> 확률변수의 설명서! 정규분포, 베르누이 분포, T 분포, ..

블로그에 계속 써야지 써야지 하고.. 정리를 못했다.. 쇠뿔도 단김에 빼라고.. 제때 들으면서 작성해야겠다. 통계 기초 이론 3강 확률과 확률변수의 1-3 소강의 이다. 3강 확률과 확률변수는 7개의 소강의, 총 1시간 20분 길이로 되어 있다. 3.0 확률과 확률변수 통계에서 확률이 왜 나오는가? 통계는 앞선 내용에서 표본을 통해 모수를 추정하는 학문이라고 했다. 데이터를 샘플링할 때, 무작위성(Randomness)가 들어가기 때문에 확률에 대해 알아야 데이터의 속성을 잘 알 수 있다. 1. 표본공간(S) : 랜덤한 현상의 모든 가능한 결과의 집합 2. 사건(event) : 표본공간의 부분집합 1) 합사상 : 합집합 2) 곱사상 : 교집합 3) 여사상 : 여집합 4) 배반사상 : 교집합이 공집합일 때 ..

학부생 때 통계학 강의를 듣고 싶었다. 실은 수학을 싫어해서 듣기 싫었지만.. 학부 연구생 때 랩에 있다보니까 배워야겠다는 생각이 있어서 복학하고 뒤늦게 꾸역꾸역 신청했다. 근데... 1학년 수업이다 보니까 4학년인 나는 열심히 신청했지만... 그 누구도 통계학에 관심이 없었다. 결국 최소 인원 수강인원을 채우지 못한 채 폐강 되었다. 근데 메타코드 M에 강의가 있어서 한번 들어보기로 했다. 데이터 분석할 때 데이터의 분포나 형태에 따라 알맞은 처리 방법이 필요하기 때문에, 더 이상은 모른 채로 어영부영 넘어가는 게 아니라 알아두는 게 필요했다. 총 7강으로 되어있고, 각 소강의마다 부담없이 듣기에 좋은 10~20분 내외로 나눠져 있었다. 0. 오리엔테이션 통계는 데이터의 수집, 분석, 추론, 요약 등 ..