Tech Journal

2. 분산분석(ANOVA, Analysis of Variance) 분산분석은 세 개 이상의 독립된 집단 간 평균 차이를 검정할 때 사용하는 통계 기법입니다. 이 기법은 단일 평균 비교보다 더 일반적인 상황에서 사용되며, 집단 간 차이의 유의성 여부를 F-통계량을 통해 판단합니다. 귀무가설 $H_0$: 모든 집단의 평균은 같다. 대립가설 $H_1$: 적어도 하나의 집단 평균은 나머지와 다르다. 필수 가정 조건(Assumptions) 분산분석을 수행하기 위해서는 아래의 세가지 가정사항을 필요로 합니다: 정규성(Normality): 각 집단의 ... Read More

Annotated follow-along guide: Data structures in Python This notebook contains the code used in the instructional videos from Module 4: Data structures in Python. Introduction This follow-along guide is an annotated Jupyter Notebook organized to match the content from each module. It contains the same code shown ... Read More

As you’ve learned, strings are a crucial class of data because they represent textual information. Data professionals encounter strings all the time, so it’s important to become familiar with different ways of manipulating and working with them. This reading will review the string formatting techniques you’ve learne... Read More

목차 제1절 통계학 개론 제2절 기초 통계 분석 t-검정 분산분석(ANOVA) 제3절 다변량 분석 제4절 시계열 예측 제5절 주성분 분석 1. t-검정(t-test) 일 표본 t-검정(one-sample t-test) 일(단일) 표본 t-검정은 하나의 표본이 어떤 기준값(모집단)과 통계쩍으로 유의한 차이가 있는지 평가하는 가설 검정 방법입니다. 이 검정은 모집단의 분산(또는 표준편차)을 알수 없고, 표본 데이터를 통해 모평균을 추청해야 할 때 사용됩니다. 일 표본 단측 t-검정(one-sample o... Read More

Activity: Work with strings in Python Introduction Data professionals work with a lot of string data. For example, while analyzing the results of a marketing campaign, you may need to review item descriptions or customer names, which is stored as string data. Becoming comfortable working with strings in Python is ... Read More