29가지 통계 개념 - 통계학에서의 넓이에 대한 원칙
시각화에서 주의할 점인 넓이를 표시하는 원칙에 대해 알아보자.
넓이에 대한 원칙이란 무엇인가?
넓이에 대한 원칙이란 그래프의 영역은 자료가 표현하고자 하는 정도와 동일해야한다는 것이다. 쉬운 예를 들어보면, 4 ft, 5 ft, 6 ft 라는 세 길이에 대한 값을 얻었다고 하자. 아래 그림 중 위의 것은 넓이에 대한 원칙을 만족한다.
- 4 ft 로 측정된 것의 넓이는 4(높이가 1, 길이가 4인 상자)이다.
- 5 ft 로 측정된 것은 넓이는 5(높이가 1, 길이가 5인 상자)이다.
- 6 ft 로 측정된 것은 넓이는 6(높이가 1, 길이가 6인 상자)이다.
아래의 그림은 넓이에 대한 원칙을 위반한다. 표기된 수치보다 넓게 표현되었기 때문에 사람들의 시선은 자연스럽게 4 ft 짜리 상자들로 갈 것이다. 6 ft 상자가 명백하게 더 길지만, 더 넓은 영역을 가진 곳으로 가는 것이다.
- 4 ft 로 측정된 것의 넓이는 8(높이가 2, 길이가 4인 상자)이다.
- 4 ft 로 측정된 것의 넓이는 5(높이가 1, 길이가 5인 상자)이다.
- 4 ft 로 측정된 것의 넓이는 6(높이가 1, 길이가 6인 상자)이다.
넓이에 대한 원칙과 3D 파이차트
아래의 3D 파이차트에서 노란 부분은 초록 부분과 비슷해(보이거나 더 커) 보인다. 하지만 아래의 범례를 보면 실제로는 초록색이 노란색보다 10%p 더 크다. 모든 소프트웨어가 넓이에 대한 원칙을 지키지는 않는다. 그렇기 때문에 그래프를 만든 다음 이를 꼭 확인해야 한다.
넓이의 원칙과 막대그림(Bar Charts)
막대그림은 수직축이 0 에서 시작하지 않는다면 넓이에 대한 원칙을 위반할 수 있다. 이러한 전략은 언론사에서 실제 상황보다 더 나쁘게 말하기 위해 일반적으로 사용하기도 한다. 아래의 그래프틑 Fox News 에서 가져온 것으로, 부시 정부의 감세 정책이 끝나면 일어날 재앙에 대해 보여주고 있다. 수직축의 시작점이 34인 것에 주목하자.
수직축은 주로 좌측에 있고, 0부터 시작한다. 축을 오른쪽에 놓은 것은 어쩌면 굉장히 똑똑한 선택이었을 수도 있다. 일반적인 시청자라면 왼쪽을 먼저 보고 없으면 오른쪽으로 옮겨갈텐데, 그렇게 되면 세금이 “엄청나게” 늘어났다고 볼 것이기 때문이다. 실제로 오른 세금은 4.6%p 정도이다.
출처: What is the Area Principle?
2022
Back to top ↑2020
모수, 큰 수의 법칙, 그리고 중심극한정리
모수, 큰 수의 법칙, 그리고 중심극한정리에 대하여
번역] 내가 COVID19 데이터를 시각화하지 않는 이유
그리고 여러분들도 (아마도) 하지 않아야 하는 이유
사내 스터디에 대한 회고
회사 서비스의 추천 시스템을 개선하기 위해 팀 내에서 (아직까진 두 명이긴 하지만) 지난 두 달 동안 스터디를 진행했습니다. 얼마 전 두 번째 스터디가 끝났고 이에 대한 회고를 해보려고 합니다.
번역] 데이터의 어두운 면 - 개인정보 (Dark Side of Data:Privacy)
원문: Dark Side of Data: Privacy by Emre Rencberoglu
번역] 초보자를 위한 RStudio 의 프로젝트 와 작업 디렉토리
원문: RStudio Projects and Working Directories: A Beginner’s Guide by Martin Chan
번역] 몇 가지 추천 시스템에 대한 개괄
원문: An Overview of Several Recommendation Systems
번역] Tidy Tuesday 이벤트에 대한 소개
원문: TidyTuesday GitHub Repository
번역] 프로그래밍 언어들의 이름을 지은 방법
원문: How programming languages got their names
2019
번역] 회의를 덜 끔찍하게 만드는 방법
원문: How to Make Meetings Less Terrible 팟캐스트: How to Make Meetings Less Terrible (Ep. 389)
R 에서 networkD3 를 이용해서 샌키 다이어그램(Sankey Diagram) 그리기
생키 다이어그램 (Sankey Diagram) 은 흐름(Flow) 다이어그램의 한 종류로써 그 화살표의 너비로 흐름의 양을 비율적으로 보여준다.
번역] 2016년 모든 데이터 사이언티스트가 알아야할 10+2 가지 데이터 사이언스 방법론
2년 전 일본어로 책을 내긴 했지만 대부분의 독자들이 이 책을 읽을 수는 없을 것 같았다.
번역] 29가지 통계 개념 - 회귀분석의 가정과 조건들
회귀분석을 실행하기 위해 필요한 가정과 조건들에 대해 알아보자.
번역] 29가지 통계 개념 - 정규성 가정
통계적 검정과 회귀분석에서 자주 사용되는 정규성 가정과 정규성 검정에 대해 알아보자.
29가지 통계 개념 - 독립성 가정
여러 통계 검정과 모형에서 사용되는 독립성 가정에 대해 알아보자.
29가지 통계 개념 - ARMA 모형
시계열 모형 중 ARMA 모형에대해 알아보자.
29가지 통계 개념 - 통계학에서의 넓이에 대한 원칙
시각화에서 주의할 점인 넓이를 표시하는 원칙에 대해 알아보자.
29가지 통계 개념 - 평균으로부터 양쪽으로 떨어진 z-값 사이의 넓이
평균 양쪽의 z-값들 사이의 넓이를 구하는 방법에 대해 알아보자.
29가지 통계 개념 - 분산분석(Analysis of Variance)
분산분석의 개념과 방법에 대해 알아보자.
29가지 통계 개념 - 공분산분석(Analysis of Covariance)
분산분석(ANOVA; ANalysis Of VAriance) 와 회귀분석의 개념을 섞은 공분산분석(ANCOVA; ANalysis of COVAriance)에 대해 알아보자. 이 글을 이해하기 위해서는 아래의 글을 먼저 읽는 것이 좋다.
29가지 통계 개념 - Akaike’s Information Criterion(AIC)의 정의와 공식
Akaike’s Information Criterion 의 정의와 이를 구하는 방법에 대해 알아보자.
29가지 통계 개념 - 수정된 R제곱 무엇에 사용하는 것인가?
수정된 R제곱과 그 용도에 대해서 알아보자.
29가지 통계 개념- 정확도와 정밀도(Accuracy and Precision)
통계 용어 중 정확도(Accuracy)와 정밀도(Precision) 에 대해서 알아보자.
29가지 통계 개념 - 절대 오차와 평균 절대 오차(MAE)
절대 오차와 평균 절대 오차에 대해서 알아보자.
통계학도감 - 5장 가설 검정
가설 검정이란 무엇이며, 가설 검정의 다양한 방법에 대해 알아보자.
통계학도감 - 9장 회귀분석
회귀분석이란 무엇이며, 회귀분석 과정에서 사용하는 용어와 다양한 방법에 대해 알아보자.
GitHub Pages Jekyll Blog 에 MathJax 추가하기 (Adding MathJax to a GitHub Pages Jekyll Blog)
이 글은 MathJax 를 GitHub Pages Jekyll blog 에 추가하는 방법을 다룬다. 이탤릭체로 된 부분은 본문에는 없고 제가 따라하면서 고치거나 추가한 부분이니 참고하세요. 절차
29가지 통계 개념 - 통계학에서의 10% 조건이란 무엇인가?
모집단과 표본집단을 이용하는 경우 통계학에서 말하는 10% 조건이 무엇인지에 대해 알아보자.
GitHub 블로그에 Jupyter notebook 올리는 방법
여러분의 GitHub 블로그에 Jupyter notebook 을 바꿔서 올릴 수 있도록 도와줄 글이다. 직접 바꾸는 방법은 1회성 글들을 위해서 추가했고, 변환 과정과 파일 이동, 그리고 여러분의 블로그에 올리는 것까지 한 번에 할 수 있는 자동화 bash 를 만드는 자세한 방법...
29가지 통계 개념 - 통계학에서의 68, 95, 99.7의 법칙(68 95 99.7 Rule in Statistics)
68 95 99.7의 법칙이란 무엇인가?
29가지 통계 개념 - ADF(Augmented Dicky Fuller) 검정
단위근 검정 방법 중 하나인 Augmented Dickey Fuller 검정에 대해 알아보자.
쉽게 풀어 쓴 29가지 통계 개념(29 Statistical Concepts Explained in Simple English)
이 자료는 데이터 과학과 관련된 특정 주제에 대한 연재물이며, 다룰 주제는 다음과 같다. 회귀분석, 군집화, 신경망, 딥러닝, 의사결정나무, 앙상블, 상관관계, 파이썬, R, 텐서플로우, SVM, 데이터 축소, 피쳐 선택, 실험 계획법, 교차검증, 모델 피팅 등. 이 글을 계속 받...