StatisticalAnalysis Archives - DEEPLINK CORE Lab

시계열 분석 – 계절성 자기회귀 통합 이동 평균 모델(SARIMA, Seasonal ARIMA): 데이터 사이언스의 필수 요소 이해하기

시계열 데이터 분석은 데이터 사이언스의 중요한 영역 중 하나이며, 그 중에서도 계절성을 고려한 시계열 분석은 매우 중요합니다.이번 포스트에서는 계절성 자기회귀

시계열 분석의 주요 영역 중 하나는 이동 평균 모델(Moving Average Model, MA)이다. 이 포스트에서는 MA 모델의 기본 원리와 이를 데이터

“이상치(Outlier)”란 데이터 세트에서 다른 관찰값들과 크게 다른 값을 가진 관찰 결과를 말한다. 이상치는 데이터 수집, 측정 오류 또는 실제 변동성으로

오늘은 데이터 분석에서 자주 사용되는 두 가지 회귀 방법, 선형 회귀와 로지스틱 회귀에 대해 알아볼 예정이다. 이 두 방법은 비슷한

오늘은 통계학과 데이터 사이언스에서 매우 중요한 개념인 ‘귀무 가설(Null Hypothesis)’과 ‘대립 가설(Alternative Hypothesis)’에 대해 알아볼 예정이다. 이 두 가설은 실험적

일반적인 데이터 정규화 방법 최소-최대 정규화(Min-Max Normalization) Z-점수 정규화(Z-Score Normalization) 로버스트 정규화(Robust Scaling) 정규화 방법에 따른 차이를 차트로 확인하기 데이터

모수적 방법 (Parametric Methods)이란? 모수적 방법은 모집단이 특정 분포(대개 정규 분포)를 따른다고 가정하는 통계적 분석 방법이다. 이러한 방법은 분포의 특정

제1종 오류 (Type I Error) 제2종 오류 (Type II Error) 차이점 이 두 오류 사이의 균형을 맞추는 것은 통계적 분석에서

탐색적 데이터 분석(Exploratory Data Analysis, EDA)이란 데이터를 분석하기 전에 데이터의 주요 특성을 이해하고, 데이터에 숨겨진 패턴, 이상치, 구조 등을 탐색하는