티스토리 뷰
[직딩잇템] 어서와 데이터는 처음이지 - 기초 of 기초 데이터 개념: Chapter 8. 데이터에서 맨 처음 봐야 하는 것 Part3 - 분산과 표준편차(1)
miiingo 2020. 4. 6. 15:30Chapter 8. 데이터에서 맨 처음 봐야 하는 것 Part3 - 분산과 표준편차(1)
아직 한발 남았다
데이터를 분석할 때 가장 먼저 해야되는 것들
- 분포의 모양
- 집중경향치
이 두 개만 알면 데이터의 특성을 다 이해한 걸까?
ex)
데이터 A = [1, 2, 3, 4, 5]
데이터 B = [1, 3, 5]
- 평균 : 3
- 좌우대칭 분포
- 같은 데이터? X!
=> 분포와 집중경향치만으로는 데이터의 특성을 다 알 수 없다
편차
A와 B는 데이터가 떨어진 정도가 다름
평균으로부터 각각의 수치들이 떨어진 거리가 다르다!
거리를 수치화하면 'A,B는 다른 데이터'임을 나타낼 수 있다.
1. 평균에서 각 데이터까지의 '거리'를 구한다
- 구해진 각각의 거리 = 편차
2. 거리(편차)의 짱(평균)을 뽑는다
- 데이터 양 ↑ -> 편차의 양 ↑ => 실제로 구하기 힘듬
- 편차의 짱 = 편차의 평균을 구함
- 편차의 평균 : 모든 편차를 더해서 편차의 개수로 나눈다
편차를 더하면 0만 나온다
- 평균 = 수치적으로 가운데
- 평균의 좌우를 빼고 더하면 당연히 0만 나온다
★편차(거리)의 합은 항상 0이 나온다!
- ∑(X-μ)=0
- 편차의 평균도 당연히 0
※ X : 각 데이터의 수치
두 데이터를 비교할수가 없다!
거리의 비교는 불가능한 것일까? -> 가능함!
정리
1. 데이터의 특성 : 좌우대칭이라는 분포 특성과 집중경향치만으로는 데이터를 설명할 수 없다.
2. 편차 : 평균에서 각 데이터까지의 거리(차)
3. 편차의 합 : ∑(X-μ)=0
'교육 및 세미나' 카테고리의 다른 글
- Total
- Today
- Yesterday
- Hyperledger Indy
- docker
- 하이퍼레저 패브릭
- 코딩테스트
- Hyperledger Fabric v1.1
- Blockchain
- Hyperledger Fabric
- javascript
- 빅데이터 교육
- 하이퍼레저 페브릭
- 코테
- 어서와 데이터는 처음이지
- 문제풀이
- 빅데이터 강의
- 암브로셔스
- Private Data
- 빅데이터 기초
- 코딜리티
- 블록체인
- 직딩잇템
- Hyperledger Fabric v1.2
- ambrosus
- codility
- 알고리즘
- ubuntu
- DOCs
- 기초 of 기초 데이터 개념
- 빅데이터
- 하이퍼레저 인디
- 블록 체인
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |