“이상치(Outlier)“는 데이터 분석에서 자주 마주하게 되는 중요한 요소이다.이는 다른 데이터 포인트들과 현저히 다른 값을 가지는 관측값으로, 데이터 수집 과정의 오류일
Continue reading
Tag: StatisticalAnalysis
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
Continue reading
시계열 분석 – 이동 평균 모델(MA, Moving Average Model): 데이터 사이언스의 필수 요소 이해하기
시계열 분석의 주요 영역 중 하나는 이동 평균 모델(Moving Average Model, MA)이다. 이 포스트에서는 MA 모델의 기본 원리와 이를 데이터
Continue reading
선형 회귀와 로지스틱 회귀의 차이점: 데이터 사이언스의 필수 요소 이해하기
오늘은 데이터 분석에서 자주 사용되는 두 가지 회귀 방법, 선형 회귀와 로지스틱 회귀에 대해 알아볼 예정이다. 이 두 방법은 비슷한
Continue reading
귀무 가설(Null Hypothesis)과 대립 가설(Alternative Hypothesis)의 차이점: 데이터 사이언스의 필수 요소 이해하기
오늘은 통계학과 데이터 사이언스에서 매우 중요한 개념인 ‘귀무 가설(Null Hypothesis)’과 ‘대립 가설(Alternative Hypothesis)’에 대해 알아볼 예정이다. 이 두 가설은 실험적
Continue reading
모수적 방법(Parametric Methods)과 비모수적 방법(Non-Parametric Methods)이란?: 데이터 사이언스의 필수 요소 이해하기
모수적 방법 (Parametric Methods)이란? 모수적 방법은 모집단이 특정 분포(대개 정규 분포)를 따른다고 가정하는 통계적 분석 방법이다. 이러한 방법은 분포의 특정
Continue reading
제1종 오류(Type I error)와 제2종 오류(Type II error)의 차이점은 무엇인가?: 데이터 사이언스의 필수 요소 이해하기
제1종 오류 (Type I Error) 제2종 오류 (Type II Error) 차이점 이 두 오류 사이의 균형을 맞추는 것은 통계적 분석에서
Continue reading
탐색적 데이터 분석(EDA, Exploratory Data Analysis) 이란?: 데이터 사이언스의 필수 요소 이해하기
탐색적 데이터 분석(Exploratory Data Analysis, EDA)이란 데이터를 분석하기 전에 데이터의 주요 특성을 이해하고, 데이터에 숨겨진 패턴, 이상치, 구조 등을 탐색하는
Continue reading