페르소나

INTRO 1999년 미국 회사의 CEO와 성과 자료 1. 표의 빈칸에 해당하는 기초 통계량을 구하시오. 2. profits에 따른 CEO의 salary에 대한 산점도를 그리고 상관계수를 구하시오. 3. profits에 따른 CEO의 salary에 대한 단순선형회귀식을 구하고 분석하시오. 4. profits과 age, sales에 따른 CEO의 salary의 회귀식을 구하고 분석하시오. 5. profit, age, sales, tenure, assets에 따른 CEO의 salary의 회귀식을 구하고 분석하시오. 6. 후진제거법으로 최적의 회귀식을 찾으시오. 단, salary를 종속변수로 한다. 7. 전진선택법으로 최적의 회귀식을 찾으시오. 단, salary를 종속변수로 한다. 8. 단계적방법으로 최적의 ..

INTRO forecast package : auto.arima, forecast R console> install.packages.("forecast") 시계열 자료 분석 및 모형 예측 [예제] 1871~1970년 아스완 댐에서 측정한 나일강의 연간 유입량 시계열 데이터 test_time_series_analysis.R rm(list=ls()) library(forecast) library(TTR) ## Nile time-series data Nile str(Nile) class(Nile) mode(Nile) summary(Nile) par(mfrow=c(1,1)) plot(Nile) 출력결과 > ## Nile time-series data > Nile Time Series: Start = 1871 E..

시계열 자료 분석 [예제] 1947~1979년 영국 월별 폐질환 사망자에 관한 시계열 자료 test_time_series_analysis.R rm(list=ls()) ## Seasonal Factor ldeaths plot(ldeaths) 출력결과 > ## Seasonal Factor > ldeaths Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec 1974 3035 2552 2704 2554 2014 1655 1721 1524 1596 2074 2199 2512 1975 2933 2889 2938 2497 1870 1726 1607 1545 1396 1787 2076 2837 1976 2787 3891 3179 2011 1636 1580 1489 1300 1356 ..

INTRO 1. 정상성(Stationary) 2. 시계열 모델(Time-Series Model) 2.1. 자기회귀 모델(AR Model, Auto-Regressive Model) 2.2. 이동평균 모델(MA Model, Moving Average Model) 2.3. 자기회귀누적이동평균 모델(ARIMA Model, Auto-Regressive Intergrated Moving Average Model) 2.4. 분해 시계열 - 추세요인(Trend Factor) - 계절요인(Seasonal Factor) - 순환요인(Cyclical Factor) - 불규칙요인(Irregular Factor) 1. 정상성 시간의 흐름에 따라 관측된 데이터를 시계열 자료(Time-Series Data)라고 한다. 시계열 분석..

INTRO 1. 상관 분석(Correlation Analysis) - 피어슨 상관계수(Pearson Correlation Coefficient, PCC) - 스피어만 상관계수(Spearman's Rank Correlation Coefficient, SRCC) 2. 다차원 척도법(Multi-Dimensional Scailing, MDS) 3. 주성분 분석(Principal Component Analysis, PCA) 3. 주성분 분석 상관관계가 있는 고차원 자료를 자료의 변동을 최대한 보존하는 저차원 자료로 변환시키는 방법으로 자료의 차원을 축약시키는데 주로 사용한다. HTML 삽입 미리보기할 수 없는 소스 주성분들은 차원을 줄여 예측모델을 만들 때도 사용한다. 하래 그림과 같이 희생되는 정보가 가장 적은..

INTRO 1. 상관 분석(Correlation Analysis) - 피어슨 상관계수(Pearson Correlation Coefficient, PCC) - 스피어만 상관계수(Spearman's Rank Correlation Coefficient, SRCC) 2. 다차원 척도법(Multi-Dimensional Scailing, MDS) 3. 주성분 분석(Principal Component Analysis, PCA) 2. 다차원 척도법 여러 대상 간의 거리가 주어져 있을 때, 대상들을 동일한 상대적 거리를 가진 실수공간의 점들로 배치시키는 방법. 주어진 거리는 추상적인 대상들 간의 거리 또는 실수 공간의 거리가 된다. 대상들을 2차원이나 3차원 실수공간의 점으로 대응시킬 수 있다면 이 점들을 시각화할 수 ..

INTRO 1. 상관 분석(Correlation Analysis) - 피어슨 상관계수(Pearson Correlation Coefficient, PCC) - 스피어만 상관계수(Spearman's Rank Correlation Coefficient, SRCC) 2. 다차원 척도법(Multi-Dimensional Scailing, MDS) 3. 주성분 분석(Principal Component Analysis, PCA) 1. 상관 분석 - 스피어만 상관계수 피어슨의 상관계수는 두 변수 간의 선형관계의 크기를 측정하는 값으로 비선형적인 상관관계는 나타내지 못한다. 스피어만 상관계수는 두 변수 간의 비선형적인 관계도 나타낼 수 있는 값으로, 한 변수를 단조 증가 함수로 변환하여 다른 변수를 나타낼 수 있는 정도를..

INTRO 1. 상관분석(Correlation Analysis) - 피어슨 상관계수(Pearson Correlation Coefficient ,PCC) - 스피어만 상관계수(Spearman's Rank Correlation Coefficient, SRCC) 2. 다차원 척도법(Multi-Dimensional Scailing, MDS) 3. 주성분 분석(Principal Component Analysis, PCA) 1. 상관분석 데이터의 두 변수 간의 관계 분석으로 상관관계를 알아보기 위해 상관계수(Correlation Coefficient)를 이용한다. 등간척도 이상으로 측정되는 두 변수들 간의 상관관계를 측정하는데 쓰이는 피어슨 상관계수와 서열척도인 두 변수들의 상관관계를 측정하는데 쓰이는 스피어만 상..