Booking.com 에서의 축차 검정 (Sequential Testing)
원문: Sequential Testing at Booking.com
통계학에서 표준 정규 모형을 사용하는 경우:
이러한 사실들이 68 95 99.7의 법칙이라고 불리며 때로는 경험 법칙 이라고도 한다. 그 이유는 이 법칙이 원래 관측에서 왔기 때문이다(경험이란 “관측에 기반한”이라는 의미이다)
정규 곡선이란 가장 일반적인 형태의 자료 분포이다. 정규분포에서는 모든 측정치들이 평균으로부터의 거리로 계산된다. 이 측청치들은 표준 편차로 보여진다.
정규 곡선은 좌우대칭인 분포이기 때문에 중앙의 68.2%는 반으로 나눠질 수 있다. 평균으로부터 0에서 1-표준편차 이내에는 34.1%의 자료가 위치한다. 반대편(0에서 -1-표준편차)에도 마찬가지 이다). 둘을 합치면 이 안에 68%의 데이터가 존재하는 것이다.
이 법칙은 여러분의 데이터가 정규분포를 따르거나, 거의 정규분포를 따른다고 할 수 있거나, 좌우 대칭이고 하나의 최빈값(unimodal)을 가진 분포의 형태를 띄고 있을 때 사용할 수 있다. 만약에 문제에서 정규분포나 근사 정규분포를 언급하고 있고, 그리고 표준편차가 주어졌다면 평균으로부터 특정 표준편차 거리 안에 대략적으로 어느 정도의 데이터가 그 안에 위치하는지 구할 수 있다는 말이다.
어떤 강아지들의 몸무게가 평균 70 lbs, 표준편차 2.5 lbs 아래에 평균 70 lbs였다고 하자. 이 몸무게가 정규분포를 따른다고 할 때:
답:
68 95 99.7의 법칙은 정규분포 모형이 발간되기 75년 전인 1733년 아브라함 드무아브르(Abraham de Moivre)가 만들었다. 드무아브르는 확률론의 발전에 이바지했다. 아마도 통계학에 대한 그의 가장 큰 업적은 우연의 교의(The Doctrine of Chances) 일 것이다. 이 책에는 시행 횟수가 많을 경우 이항 분포를 정규 분포로 근사하는 내용이 담겨 있다.
드무브아르는 실험을 통해 68 95 99.7의 법칙을 발견했다. 여러분도 100개의 공정한(fair) 동전을 던지는 것으로 실험을 해볼 수 있다.
Mónica Blanco and Marta Ginovart. How to introduce historically the normal distribution in engineering education: a classroom experiment. Retrieved December 28 2015. http://upcommons.upc.edu/bitstream/handle/2117/6483/howtointroduce.pdf
68 95 99.7 Rule in Statistics : 2023-10-20 현재 해당 주소로는 접근이 불가능한 것으로 확인했습니다.
원문: Sequential Testing at Booking.com
가장 좋은 방법은 당연히 영어 밖에 사용하지 못하는 환경에 강제로 처해지는 것이겠지만 그것이 어려우니…
고민의 흔적을 보여주세요
을 찾습니다.
원문: Charts & Accessibility
모수, 큰 수의 법칙, 그리고 중심극한정리에 대하여
그리고 여러분들도 (아마도) 하지 않아야 하는 이유
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.
원문: Dark Side of Data: Privacy by Emre Rencberoglu
원문: RStudio Projects and Working Directories: A Beginner’s Guide by Martin Chan
원문: TidyTuesday GitHub Repository
원문: How programming languages got their names
원문: How to Make Meetings Less Terrible 팟캐스트: How to Make Meetings Less Terrible (Ep. 389)
생키 다이어그램 (Sankey Diagram) 은 흐름(Flow) 다이어그램의 한 종류로써 그 화살표의 너비로 흐름의 양을 비율적으로 보여준다.
2년 전 일본어로 책을 내긴 했지만 대부분의 독자들이 이 책을 읽을 수는 없을 것 같았다.
자기회귀 모형이란 무엇인가?
회귀분석을 실행하기 위해 필요한 가정과 조건들에 대해 알아보자.
통계적 검정과 회귀분석에서 자주 사용되는 정규성 가정과 정규성 검정에 대해 알아보자.
여러 통계 검정과 모형에서 사용되는 독립성 가정에 대해 알아보자.
시계열 모형 중 ARMA 모형에대해 알아보자.
시각화에서 주의할 점인 넓이를 표시하는 원칙에 대해 알아보자.
평균 양쪽의 z-값들 사이의 넓이를 구하는 방법에 대해 알아보자.
분산분석의 개념과 방법에 대해 알아보자.
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.
Akaike’s Information Criterion 의 정의와 이를 구하는 방법에 대해 알아보자.
수정된 R제곱과 그 용도에 대해서 알아보자.
통계 용어 중 정확도(Accuracy)와 정밀도(Precision) 에 대해서 알아보자.
절대 오차와 평균 절대 오차에 대해서 알아보자.
가설 검정이란 무엇이며, 가설 검정의 다양한 방법에 대해 알아보자.
회귀분석이란 무엇이며, 회귀분석 과정에서 사용하는 용어와 다양한 방법에 대해 알아보자.
이 글은 MathJax 를 GitHub Pages Jekyll blog 에 추가하는 방법을 다룬다. 이탤릭체로 된 부분은 본문에는 없고 제가 따라하면서 고치거나 추가한 부분이니 참고하세요.
모집단과 표본집단을 이용하는 경우 통계학에서 말하는 10% 조건이 무엇인지에 대해 알아보자.
여러분의 GitHub 블로그에 Jupyter notebook 을 바꿔서 올릴 수 있도록 도와줄 글입니다. 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...
68 95 99.7의 법칙이란 무엇인가?
단위근 검정 방법 중 하나인 Augmented Dickey Fuller 검정에 대해 알아보자.
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...