(8.6) 모각코 결과

공부한 내용이다!

1. 안드로이드 앱 프로그래밍 인강

안드로이드

빌드 시-> DEX 포맷으로 만들어짐

실행 시 -> ART Runtime 에서 실행됨

------------------------------------------------------------

  public void onButton1Clicked(View v){

        Toast.makeText(this,"버튼이 눌렀어요.",Toast.LENGTH_LONG).show();

    }

------------------------------------------------------------

사이트 접속하는 코드

 public void onButton2Clicked(View v){

        Intent intent  = new Intent(Intent.ACTION_VIEW, Uri.parse("https://m.naver.com"));

        startActivity(intent);

    }

-----------------------------------------

전화가 걸리는 코드

 public void onButton3Clicked(View v){

        Intent intent = new Intent(Intent.ACTION_VIEW, Uri.parse("tel:010-1000-1000"));

        startActivity(intent);

    }

-------------------------------------

2. 통계학 공부

모집단(모수)를 Sampling -> 표본(통계량)

통계학이란 표본(통계랑)을 이용해서 모집단(모수)를 추정 하는 것

--------------------------------------------------------------------------------------------------

통계 분석의 단계

1. 귀무가설, 대립가설 수립 -> 귀무가설 :  기존 주장, 우리가 타파하고자 하는 주장

                            대립 가설 : 통계적 근거를 통해 입증하고자 하는 주장 

2. 검정 통계량 계산(어떤 검정을 실시할 것인가 결정)

-> 현실적으로 모집단 전체를 조사할 수 는 없기에, 표본을 뽑아 표본통계량으로 계산을 하곤 한다.

-> 표본통계량을 가설 검정에서는 검정통계량으로 부른다.

3. 귀무 가설을 기각? 채택?(유의 수준 : 오류를 허용할 범위 -> 0.05로 놓고)

-> 유의 확률(p-value) : 대립가설이 틀릴 확률

-> 유의 확률이 유의 수준보다 작으면 귀무가설을 기각시킬 수 있다.

따라서, 우리가 주장하는 대립가설을 채택할 수 있다.

----------------------------------------------------------------------------------------------

독립 사건 -> 두 사건 A와 B에서 한 사건의 결과가 다른 사건에 영향을 주지 않을 때 A와 B를 독립사건이라고 합니다.

종속 사건 -> 두 사건 A와 B에서 한 사건의 결과가 다른 사건에 영향을 줄 떄 A와 B를 종속사건이라고 합니다.

----------------------------------------------------------------------------------------------

회귀 분석(Regression Analysis) -> 독립변수와 종속변수 사이의 인과관계에 따른 수학적 모델인 선형적 관계식(함수)을 구하여

어떤 독립변수가 주어졌을때, 이에 따른 종속변수를 예측하는 분석 방법

상관 분석 -> 두 변수 사이의 관계 유무 또는 관계의 강도(선형 관계)에 대한 통계적 분석 방법

분산 분석 -> 

수축기 혈압과 이완기 혈압(상관 관계) -> 서로 선형적인 증가, 감소와 관련된 상호 관계만을 나타낸다.

                                                      한 변수가 다른 변수에 영향을 주는 관계는 의미하지 않는다.

한 변수가 다른 변수에 영향을 주어 두 변수간 서로 관련성을 보일 경우에는

상관 관계가 아니라 인과 관계를 가진다고 한다.

변수간 상관 관계를 분석 -> 상관 분석

변수간 인과 관계를 분석 -> 회귀 분석

----------------------------------------------------

회귀  분석

1. 독립변수(에측)와 종속변수(반응)

ex) 케이크 요리법

가능한 독립 변수 -> 굽기 시간, 오븐 온도

가능한 종속 변수 -> 케이크의 촉촉함, 케이크의 두께

ex) 식물 성장

가능한 독립 변수 -> 조명 양, 토양의 PH, 물주기 빈도

가능한 종속 변수 -> 잎 크기, 식물의 키

일반 적으로 독립변수는 X축에, 종속 변수는 Y축에 그린다.

단순 선형 회귀

하나의 종속 변수와 하나의 독립 변수

다중 선형 회귀

하나의 종속 변수와 둘 이상의 독립 변수

-> 독립 변수가 너무 많으면 종속 변수와 관련이 없는 독립 변수를 제거해야 한다.

곡선 회귀 분석

독립변수와 종속 변수의 관계를 2차 이상의 함수로 설명하는 모형이다. 

예를 들면, y = a+ bx+ cx^2 과 같은 함수 관계를 들 수 있다.

결국 다중회귀분석 기법을 사용하게 되지만, 독립변수 간의 종속성에 주의할 필요가 있다.

다변량 회귀분석

두 개이상의 종속변수를 사용하는 모형으로서, 예를 들면, 아버지와 어머니의 키로

두 자녀의 키를 설명하는 경우에 해당한다.

로지스틱 회귀모형

-> 종속변수가 이항분포를 따를 때

------------------------------------------

회귀 분석의 사례

최고 기온과 최근 빙과류 판매 사이에 아래와 같은 상관관계가 있다고 가정하자

25도 : 260 만개

26도 : 270 만개

27도 : 280 만개

28도 : 290 만개

29도 : 300 만개

그렇다면 기온이 32도일때 판매량은 얼마라고 예상할 수 있을까? 

그것을 알아내는 것이 바로 회귀분석의 목적이다.

기업에서 회귀분석을 통해 하고자 하는 것

1) 매출액에 영향을 미치는 변수는 무엇인지

2) 이들 변수들이 어느 정도로 영향을 미치고 있는지

3) 나아가 미래 매출액을 예측할 수 있기를 바란다.

-------------------------------------------------------------

회귀분석 모형을 그릴때는 산점도를 그리고,

이를 바탕으로 회귀분석 모형을 그린다.

------------------------------------------------------------------------------------------------------------------------

상관 분석

두 변수간에 어떤 선형적 관계를 갖고 있는지를 분석하는 방법

2개 이상의 양적인 변수간 관계가 유의한지 확인하는 분석

연속형 변수 = 양적 변수

예)

'인터넷 이용 횟수' 와 '수학 성적' 간의 관계

'독서실 이용률'과 '스트레스 지수' 간의 관계

상관 분석은 독립변수와 종속변수간의 구분이 없다.

모든 변수가 독립이며 종속이다.

상관 분석에는 Pearson 상관 분석 과 Spearman 상관 분석이 있다.

Pearson 상관 분석 -> 두 연속형 변수 사이의 상관 관계(상관성)을 분석하는 방ㅂ버

예) 고등학생 한 학급에 50명이 있다고 할때

-> 학생들의 수학과목의 성적과 물리과목의 성적이 관련이 있는지 확인하는 것

     수학과목과 물리과목은 서로 수리적 또는 과학적 능력과 관련이 있어

두 과목은 서로 관련이 있을 것이라는 가설을 어느 정도 두고 있으며 실제로 그런지 확인한다.

-----------------------------------------------------------------------------------------------------

피어슨 상관 계수

수축기 혈압과 이완기 혈압, 키와 몸무게와 같이 분석하고자 하는 두 변수가 모두 연속형 자료일 때

두 변수간 선형적인 상관관계의 크기를 모수적의 방법으로 나타내는 값

피어슨의 적률 상관 계수, 피어슨의 r , R 등은 모두 피어슨 상관 계수를 나타내는 다른 용어들이다.

피어슨의 상관 계수의 크기는 절대적인 것은 아니지만 보통 아래와 같은 범위를 지정하여

두 변수간 상관 관계의 크고 작음을 나타낸다.

-1 <= r <= -0.7 : 매우 강한 음(-)의 상관 관계

-0.7 < r <= -0.3 : 강한 음(-)의 상관 관계

-0.3 < r <= -0.1 : 약한 음(-)이 상관 관계

-0.1 < r <= 0.1 : 상관 관계 없음

0.1 < r <= 0.3 : 약한 양(+)의 상관 관계

0.3 < r <= 0.7 : 강한 양(+)의 상관 관계

0.7 < r <= 1.0 : 매우 강한 양(+)의 상관 관계

---------------------------------------------------------------------------

스피어만 상관 계수

상관 관계를 분석하고자 하는 두 연속형 변수의 분포가 심각하게 정규 분포를 벗어난다던가

또는 두 변수가 순위 척도 자료(ordinal scale) 일때 사용하는 값입니다.

연속형 자료일 때는 각 측정값을 순위 척도 자료로 변환시켜 계산합니다.