[ COURSE ]
C4-1 수소엔진 데이터로 푸는 머신러닝의 비밀
CODE
DATASET
회귀 (효율, NOx)
분류 (조기점화, 노킹)
C2-1 한우 데이터로 푸는 선형모형의 비밀
하나의 데이터셋, 4가지 모형
CODE
DATASET
가설검정
분산분석(ANOVA) vs 회귀분석
BLUE(Best Linear Unbiased Estimator))
고정효과 추정
BLUP (Best Linear Unbiased Predictor)
BLUE + BLUP
고정효과 추정 + 임의효과 예측
가설검정
분산분석(ANOVA) vs. 회귀분석
BLUE (최량선형불편추정량)
고정효과 추정
C3-1 수학적창의성 데이터로 푸는 가설검정의 비밀
하나의 데이터셋, 7가지 가설
CODE
DATASET
대응된 두 집단 모평균 비교
차이평균
독립된 두 집단 모평균 비교
평균차이
독립된 여러 집단 모평균 비교
집단간과 집단내의 분산비
대응된 연속형 변수간 상관
상관계수
회귀모델의 유의성(적합성)
회귀와 잔차의 분산비
회귀계수의 유의성
회귀계수(기울기와 절편)
공변량을 통제한 집단 조정평균 비교
공변량 보정 후 집단간과 집단내의 분산비
독립된 두 집단 모평균 비교
독립표본 t검정
통계량의 모수로의 회귀
단순선형회귀분석 t검정
상관분석 t검정
보드게임집단 vs. 독서집단 : 사전-사후 회귀직선 비교 (평균점 이동 및 회귀선 신뢰밴드 포함)
가설 1-1
보드게임 집단은 사전보다 사후 점수가 향상되었는가
가설 2-1
보드게임집단은 독서집단보다 향상점수가 큰가
가설 2-2
교사개입 보드게임집단, 교사 미개입 보드게임집단, 독서집단의 향상점수는 서로 다른가
가설 3-1
보드게임 전 창의력 점수와 보드게임 후 창의성 점수는 서로 상관이 있는가
가설 3-2
보드게임 전 창의성 점수는 보드게임 후 창의성 점수를 설명하는가
가설 3-3
보드게임 전 창의성 점수의 회귀계수는 유의한가
가설 2-3
사전점수를 통제해도 보드게임 처치 효과가 있는가
C1-1 딸기 데이터로 푸는 표본의 비밀
하나의 데이터셋, 7가지 가설
CODE
DATASET
모평균과 표본평균 비교
모평균과 모분산을 아는 경우
모평균과 표본평균 비교
모평균을 알고 모분산을 모르는 경우
모분산과 표본분산 비교
모분산을 아는 경우
가설 1
딸기 표본평균은 모집단의 모평균과 같은가
가설 2
딸기 표본평균은 모집단의 모평균과 같은가 – 모분산은 표본분산과 같다고 추정
가설 3
딸기 표본분산은 모집단의 모분산과 같은가 – 모평균과 표본평균은 같다고 추정