💖 Hongsi's Study/📊 통계･공간통계･공간최적화55

• 

  [통계] p-value(유의확률)란? p-value(유의확률)는 통계적 가설검정에서 관찰된 데이터가 귀무가설(null hypothesis)이 참이라는 가정하에 나타날 확률을 의미합니다. 이는 가설검정에서 데이터가 얼마나 극단적인지를 평가하는 척도로 사용됩니다. 다음은 p-value의 주요 개념과 활용을 정리한 내용입니다:1. 귀무가설과 대립가설귀무가설 (H0H_0): 차이가 없거나 효과가 없다는 가정입니다. 예를 들어, "두 집단 간 평균 차이가 없다"는 가정입니다.대립가설 (H1H_1): 귀무가설과 반대되는 주장으로, 예를 들어 "두 집단 간 평균 차이가 있다"는 내용입니다.p-value는 귀무가설이 참일 때, 현재 관찰된 데이터 또는 그보다 극단적인 데이터가 나올 확률을 계산합니다.2. p-value의 해석p-value가 작을수록 귀무가.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2024. 12. 9.

• 

  [공간통계] 통계와 공간통계의 차이? 1. 분석 대상의 본질적 차이통계정의: 통계는 데이터 세트를 정량적으로 분석하여 평균, 분산, 상관관계, 회귀계수 등과 같은 요약값을 도출하거나 예측 모델을 구축하는 데 중점을 둡니다.데이터 특성: 일반적으로 관측치 간의 순서나 위치는 고려되지 않으며, 데이터 포인트는 독립적이라고 가정합니다.예:설문조사 데이터를 사용해 소비자 만족도를 분석.학생 성적과 출석률 간의 상관관계를 분석.공간통계정의: 공간통계는 데이터를 지리적 위치와 연결하여 분석하며, 공간적 상관성(spatial correlation), 공간적 이질성(spatial heterogeneity), 그리고 데이터의 지리적 분포를 분석합니다.데이터 특성: 데이터 포인트가 지리적 위치와 연계되어 있으며, 공간적 관계와 의존성을 주요 분석 대상으로 합.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2024. 12. 9.

• [데이터 분석] 비즈니스 데이터 분석 절차 비즈니스 데이터 분석 절차는 데이터의 수집부터 인사이트 도출 및 의사결정 지원에 이르기까지 여러 단계를 포함합니다. 다음은 일반적인 비즈니스 데이터 분석 절차의 단계입니다:1. 문제 정의 및 목표 설정비즈니스 문제 정의: 분석의 목적과 해결하려는 비즈니스 문제를 명확히 정의합니다. 예를 들어, "고객 이탈률 감소", "매출 증가를 위한 마케팅 전략 도출", "서비스 개선 방안 도출" 등이 될 수 있습니다.목표 설정: 문제를 해결하기 위한 명확한 목표를 설정합니다. 예를 들어, "고객 이탈률 10% 감소" 또는 "월간 매출 20% 증가" 등의 구체적인 목표를 설정합니다.KPI(핵심 성과 지표) 정의: 성과를 측정할 수 있는 KPI를 설정하고, 이를 통해 분석 성과를 평가할 기준을 마련합니다.2. 데이터 수.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2024. 10. 1.

• 

  로지스틱 회귀(Logistic Regression)와 AUC-ROC 로지스틱 회귀 (Logistic Regression) 로지스틱 회귀는 분류 문제를 해결하기 위한 통계적 모델입니다. 주로 이진 분류 문제에 사용되지만, 다중 분류 문제에도 확장될 수 있습니다. 로지스틱 회귀는 선형 회귀와 비슷한 방식으로 데이터의 로지스틱 함수(Logistic function) 또는 시그모이드 함수(Sigmoid function)를 사용하여 출력값을 0과 1 사이의 확률로 변환합니다. 이 함수는 특정 이벤트의 발생 확률을 예측하는 데 사용되며, 예측된 확률은 결국 이벤트의 발생 여부(예: 0 또는 1)를 결정하는 데 사용됩니다. 로지스틱 회귀 모델은 다음과 같은 시그모이드 함수를 사용합니다: AUC-ROC AUC-ROC는 모델의 분류 성능을 평가하는 데 사용되는 지표입니다. AUC(Are.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2024. 3. 24.

• [통계] 확률 분포 - 이산형 분포와 연속형 분포 확률분포는 어떤 확률변수가 취할 수 있는 모든 값과 그 값이 나타날 확률을 설명하는 수학적 모델입니다. 확률변수란 무작위로 변할 수 있는 값을 나타내는 변수로, 예를 들어 주사위를 던졌을 때 나오는 눈금이나 학생의 시험 점수 등이 있습니다. 확률분포는 이러한 확률변수의 행동을 수학적으로 정의하고 예측하는 데 사용됩니다. 확률 분포는 크게 계량형(연속형) 분포와 계수형(이산형) 분포로 나눌 수 있습니다. 이 두 분류는 확률 변수가 취할 수 있는 값의 종류에 따라 구분됩니다. 이산형(계수형) 분포 (Discrete Probability Distribution) 계수형 분포는 확률 변수가 취할 수 있는 값이 셀 수 있는 경우에 해당합니다. 이는 확률 변수가 특정한 값을 취하는 확률이 명확하게 정의될 수 있음을.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2024. 2. 4.

• 

  [일본 통계] 일본 도도부현 면적 (2023.10 기준) 면적 단위는 km2 전국 377974.8 1 홋카이도 83421.46 26 교토 부 4612.2 2 아오모리 현 9645.1 27 오사카 부 1905.34 3 이와테 현 15275.04 28 효고 현 8400.95 4 미야기 현 7282.29 29 나라 현 3690.94 5 아키타 현 11637.52 30 와카야마 현 4724.69 6 야마가타 현 9323.15 31 톳토리 현 3507.03 7 후쿠시마 현 13784.39 32 시마네 현 6707.81 8 이바라키 현 6097.56 33 오카야마 현 7114.6 9 토치기 현 6408.09 34 히로시마 현 8478.94 10 군마 현 6362.28 35 야마구치 현 6112.61 11 사이타마 현 3797.75 36 도쿠시마 현 4146.99 12 치.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2023. 12. 22.

• [공간 통계] E2SFCA, G2SFCA E2SFCA(Enhanced Two-Step Floating Catchment Area)와 G2SFCA(Gravity Two-Step Floating Catchment Area)는 지리적 접근성 분석에 사용되는 두 가지 방법론입니다. 이들은 주로 의료 서비스, 교육, 소매점 등의 접근성을 평가하는 데 활용됩니다. 각 방법에 대해 전문적으로 설명하겠습니다. E2SFCA (Enhanced Two-Step Floating Catchment Area): E2SFCA는 Two-Step Floating Catchment Area(TSFCA) 방법의 확장 버전입니다. 이 방법론은 서비스 접근성을 두 단계로 평가합니다: 첫 번째 단계에서는 서비스 공급자의 위치에 가상의 'catchment' (서비스가 제.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2023. 12. 8.

• [공간통계] GWR과 MGWR 차이 GWR(지리적 가중 회귀, Geographically Weighted Regression)와 MGWR(다중 지리적 가중 회귀, Multiscale Geographically Weighted Regression)는 공간 데이터 분석에서 사용되는 두 가지 방법론입니다. 이들의 주요 차이점을 설명하겠습니다. GWR (지리적 가중 회귀): GWR은 지리적 위치에 따라 회귀 계수가 변하는 모델입니다. 이 방법은 공간적으로 비균질한 데이터를 다룰 때 유용합니다. GWR은 각 관측치에 대해 지리적 위치를 고려하여 로컬 회귀 분석을 실시합니다. 이 모델은 각 지역의 특성을 반영하여 회귀 계수가 다르게 추정되며, 이를 통해 공간적 오토코릴레이션(자기상관) 문제를 해결할 수 있습니다. MGWR (다중 지리적 가중 회귀):.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2023. 12. 8.

• 

  [통계] 이중차분법(Double-Difference Method) 이중차분법(Double-Difference Method)은 경제학과 통계학에서 실험적이거나 준실험적 방법론에서 흔히 사용되는 기법입니다. 이 방법은 처리 효과(Treatment Effect)를 추정할 때 발생할 수 있는 선택 편향(Selection Bias)을 최소화하는 데 유용합니다. 이중차분법은 주로 관찰된 데이터를 이용할 때 사용되며, 무작위 대조 실험이 불가능하거나 실질적으로 수행되지 않았을 때 유용합니다. 기본 개념: 처리군(Treatment Group): 특정 정책이나 개입을 받는 그룹입니다. 대조군(Control Group): 처리 또는 개입을 받지 않는 그룹입니다. 이중차분법은 처리군과 대조군 모두에서 시간에 따른 변화를 비교하여 처리의 효과를 추정합니다. 이를 통해 개입 이전과 이후의 변.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2023. 11. 7.

• [통계] 척도(scale)의 네 가지 종류 (명목 nominal/서열 ordinal/등간 interval/비율 ratio) 통계학에서 사용되는 척도(measure)는 데이터의 성질을 측정하거나 설명하기 위한 방법을 제공합니다. 주요한 척도는 다음과 같습니다: 명목 척도 (Nominal Scale) 정의: 단순히 카테고리나 라벨로 구분하는 척도입니다. 예시: 성별(남, 여), 혈액형(A, B, AB, O) 등 수학적 연산: 불가능 서열 척도 (Ordinal Scale) 정의: 카테고리 간에 순서가 있는 척도입니다. 예시: 학점(A, B, C, D, F), 설문 조사 응답(매우 만족, 만족, 보통, 불만족) 수학적 연산: 크기 비교 가능, 그러나 평균이나 표준편차 등을 계산하는 것은 무의미 등간 척도 (Interval Scale) 정의: 순서 뿐만 아니라 간격도 동일한 척도입니다. 예시: 섭씨 온도, IQ 지수 수학적 연산: 덧.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2023. 9. 10.

• [통계] 거리를 측정하는 여러가지 방법들 (유클리디안/맨해튼/코사인/자카드) 거리를 측정하는 방법은 여러 가지가 있으며, 적용 분야나 목적에 따라 다르게 선택될 수 있습니다. 수학적/통계적 거리 측정 방법 유클리디안 거리(Euclidean Distance): 두 점 사이의 직선 거리를 계산하는 가장 기본적인 방법입니다. (d(x, y) = \sqrt{\sum_{i=1}^{n} (x_i - y_i)^2}) 맨해튼 거리(Manhattan Distance): 각 축에 대한 차이의 절대값을 더합니다. (d(x, y) = \sum_{i=1}^{n} |x_i - y_i|) 코사인 유사도(Cosine Similarity): 두 벡터 간의 코사인 각도를 사용해 유사성을 측정합니다. 유사도를 거리로 변환할 수도 있습니다. 지오데식 거리(Geodesic Distance): 두 점을 잇는 가장 짧은.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2023. 9. 10.

• [통계] Jaccard's Coefficient Jaccard's Coefficient(또는 Jaccard Index)는 두 개의 집합이 얼마나 유사한지를 측정하기 위한 통계적 지표 중 하나입니다. 이것은 데이터 과학, 정보 검색, 패턴 인식 등 다양한 분야에서 사용됩니다. Jaccard's Coefficient는 다음과 같이 정의됩니다: J(A, B) = (A ∩ B) / (A ∪ B) 여기서: J(A, B): 두 집합 A와 B의 Jaccard's Coefficient입니다. A ∩ B: A와 B의 교집합, 즉 A와 B 모두에 속하는 원소들의 집합입니다. A ∪ B: A와 B의 합집합, 즉 A 또는 B 중 어느 하나에 속하는 모든 원소들의 집합입니다. Jaccard's Coefficient는 0과 1 사이의 값을 가지며,.. 💖 Hongsi's Study/📊 통계･공간통계･공간최적화 2023. 9. 7.