DevSSOM

상관관계 : 한 변수와 다른 변수가 함께 변하는 함수관계 양의 상관관계 : 두 변수가 같은 방향으로 움직인다. - x가 증가할 때, y가 증가한다 = x가 감소할 때, y가 감소한다 - y가 증가할 때, x가 증가한다 = y가 감소할 때, x가 감소한다 음의 상관관계 : 두 변수가 다른 방향으로 움직인다. - x가 증가할 때, y가 감소한다 = x가 감소할 때, y가 증가한다 - y가 증가할 때, x가 감소한다 = y가 감소할 때, x가 증가한다 보통 여기까지만 배우는데, 사실, 이게 다가 아니다! 상관관계를 나타내는 상관계수는 두 가지를 의미 : 힘 & 방향 상관계수 상관계수는 -1부터 0을 거쳐 +1까지만 존재 상관계수의 + / - 는 방향을 의미 (우상향하냐, 우하향하냐) 상관계수가 -1일 때 = ..

변수(Variable) 변수란 값이 변하는 숫자. 변수의 반대말은 상수. 변하지 않고 항상 그대로 있는 숫자라는 뜻이니까. 예시 1 : 회사에서 고객을 상대로 상품에 대한 만족도를 조사했을 때, 변수명은 '고객만족도'이고, 조사한 이 변수의 값은 고객마다 다르기 때문에 값이 변하니까 '변수'임. 예시 2 : '교육정도'라는 변수는 하위에 4가지 수준의 속성을 가지고 있음. 중졸/고졸/대졸/대졸이상. 물론 여기서 속성은 연구자의 의지에 따라 조금씩 바뀔 수는 있음. 이렇게 4가지의 속성을 그대로 가지고 분석하기는 어려움. 통계프로그램은 숫자만을 인식하고, 분석의 기초는 수학적인 것이기 때문에 각 속성에 값을 부여함. 부여된 값들 사이에는 어떠한 관계가 있을 수도 있고, 없을 수도 있음. 변수의 종류 대부분..

$$ H_0: D_{A-B} = 0$$ $$ H_1: D_{A-B} \ne 0 \quad 또는 \quad H_a: D_{A-B} \ne 0 $$ \(H_0\) : 귀무가설 \(H_0\)는 영어로 Null Hypothesis 의 약자. Null이란 비어있다, 아무것도 없다는 뜻. 우리말로 귀무가설. 즉, 無로 돌아가는 가설이라는 의미. 아무 영향도 없고, 아무 일도 없다 라는 것을 가정하는 가설 -> 이 가설이 맞다면 아무 일도 없을 거다! 귀무가설은 언제나 = 0 로 기억. \(H_1\) 또는 \(H_a\) : 대립가설 \(H_1\) 또는 \(H_a\) 는 영어로 Alternative Hypothesis의 약자. 우리말로 대립가설. 즉, 첫번째의 귀무가설을 대체하는 대립하는 가설이라는 말. 위의 두 개를..

p값 (p밸류) p-value : probability value -> 확률값. "어떤 사건이 우연히 발생할 확률이 얼마일까?"에서 어떤 사건이 우연히 발생할 확률이 바로 p값. 왜 p값은 항상 0.05보다 작아야 할까? 혹은 작기를 바랄까? p값은 확률값이기 때문에 p값이 가질 수 있는 값은 0부터 1까지. 0.05를 %로 바꾸면 5%의 확률. p값이 0.05보다 작다는 것은 어떤 사건이 우연히 발생할 확률이 5%보다 작다는 의미. 즉, 이 사건이 우연히 일어났을 가능성이 거의 없다고 보는 것. 분명히 뭔가 이유(인과관계)가 있다고 추정하는 것. 여기서 기준이 되는 5%는 쉽게 말해, "이정도면 우연은 아닐꺼야" 라는 수준의 정도. p값이 0.05보다 작다는 것 = 어떤 사건이 우연히 발생할 가능성이 ..

대표값 : 자료의 대표적인 특징 평균, 중간값, 최빈값, 분산, 표준편차, 구간, 최소값, 최대값 등등 평균(mean) $$ 평균 = \frac{자료 전체의 합(sum)} {자료의 개수(n)} $$ 자료의 중심값! 이라는 뜻. 평균은 수학적 연산이 가능하고 쉽지만, 모든 자료로부터 영향을 받는다. 이 말은, 다른 뜻으로 이상한 값의 영향을 심각하게 받는다(아웃라이어에 취약하다). 평균이 있어야 분산이나 표준편차 같은 계산을 시작할 수 있어서 통계에서 가장 대표적인 값이다. 우리가 가진 자료가 {1 2 3 4 5} 이렇게 되어 있다면, 평균 = (1 + 2 + 3 + 4 + 5) / 5 = 3 분산(variance) & 표준편차(standard deviation) $$ 분산 = {\sum_{i=1}^n (..

오늘 수업시간에 함께 정리했던,, 선택의문문에 있어서의 Yes 나 No 의 대답이 가능한 것과 그렇지 않는 것들을 구분해서 글로 다시 한번 정리를 해 보겠습니다.. 완벽하게 이해해 놓으셔야 합니다.. 일단 선택의문문의 구성은 세 가지의 형태입니다.. 접속사 or 를 앞뒤로.. (1) 단어와 단어가 연결된 경우 Would you like to go to the beach or the mountains? 해변으로 가기를 원하나요, 아니면 산으로 가기를 원하나요? (2) 구나 구로 연결된 경우 Do you want to meet in my office or at the conference room? 제 사무실에서 만나기를 원하시나요, 아니면 회의실에서 만나길 원하시나요? (3) 문장과 문장으로 연결된 경우 C..

^^ 제목보고 뭔지 바로 아셨죠? 수업시간에 제가 말씀드렸던.. 세가지를 글로 한번 정리해 보았습니다..!! 천천히 한번 읽어 보시죠..!! 조동사 Will Be동사 Were 의문사 Where 는 사실은 발음으로 잡아내기에는 거의 불가능한 경우가 대부분입니다.. 실제로.. 문장안에서 시작부분을 덩어리로 들어야만 정확하게 잡히는 형태입니다.. 아래의 예문을 몇개 보시고,, 셋 중에 하나를 골라보세요.. (A) Will (B) Were (C) Where 1. ____ you attend the seminar this Friday? 2. ____ is the nearest post office? 3. ____ you satisfied with the result? 대표적인 문장입니다.. 일단 의문사 다음에 주..

개강일부터 오늘 수업시간까지 함께 정리했던.. Part 2, 3, 4 의 문제를 풀고 난 후에 review 를 하는 방식에 대해서.. 글로 한번 다시 정리를 해보고,, 최종적으로는 review 하시는데 필요한 최대 시간까지 약속을 좀 해서.. 개인적으로 reivew 하는데 혼돈이 없도록 하기 위해서.. 공지글을 올려 봅니다..!!! 글이 좀 깁니다.. 끝까지 포기하지 마시고.. ^^ 천천히 내용을 그리면서 읽어 봐 주시길 바랍니다..!!! Part 2 는 LC 에서 절대적인 순발력을 요하는 전형적인 파트입니다..!! Part 2 의 경우에는 수업시간에 말씀드린 것 처럼.. 질문을 듣고,, 바로 한번에 우리말로 바꾸려고 노력을 하면서 문제를 풀어 주시고.. 그게 잘 되지 않아서 오답이 나온 것들은 [오답 ..