CompTIA 데이터 플러스 스터디 그룹: 통계 및 분석 기법

### 통계 이해: 데이터 분석을 위한 핵심 개념
* 📅 좋은 아침, 행복한 월요일입니다! 참가자의 일정에 더 잘 맞출 수 있도록 **CompTIA 데이터 플러스 스터디 그룹이 월요일, 수요일, 금요일로 변경**되었습니다.
* 📝 이 세션에서는 설명 및 추론 통계 등 데이터 분석의 기본을 이해하는 데 도움이 되도록 설계된 **Mike Chapel의 강의**를 중점적으로 다룹니다.
* 📊 통계는 수학적 기법을 적용하여 데이터를 분석하고 제시하는 것으로, **데이터를 요약하는 기술 통계**와 **데이터를 통해 결론을 도출하는 추론 통계**의 두 가지 주요 분야로 나뉩니다.
* 📈 평균, 중앙값 및 모드와 같은 중심 경향 측정값은 데이터 집합의 중심을 식별하는 데 도움이 되며, **평균은 평균, 중앙값은 중간 값, 모드는 가장 자주 발생하는 값**입니다.
* 📉 범위, 분산, 표준 편차와 같은 분산 측정값은 데이터 값이 어떻게 분산되어 있는지에 대한 인사이트를 제공하며, **데이터 집합 내의 분포와 변동성**을 나타냅니다.
* 🔍 Z 점수는 개별 데이터 포인트가 전체 분포와 어떻게 관련되어 있는지 이해하는 데 유용하며, **값이 평균에서 얼마나 많은 표준 편차**를 갖는지를 나타냅니다.
* 💡 백분율은 통계에서 중요한 역할을 하며, 데이터를 정규화하고 **변화율 또는 차이율 계산**과 같이 값 간의 변화 또는 차이를 비교할 수 있게 해줍니다.
* 📚 이 세션에서는 이러한 개념을 실제로 적용하여 참가자들이 **학업과 다가오는 시험에 잘 대비**할 수 있도록 합니다.

### 통계의 이해 신뢰 구간, 가설 검정 및 상관 관계
* 📏 지난 1년간 자녀의 성장을 측정하려면 **백분율 변화를 계산하는 것**이 가장 적절한 방법입니다.
* 📊 평균보다 표준 편차가 1 표준 편차 이상인 데이터 포인트의 z 점수는 **1**이며, 이는 분포의 **양수 쪽**에 있음을 나타냅니다.
* 🔍 표본 데이터는 표본 평균이 모집단 평균을 완벽하게 대표하지 못할 수 있으므로 연구자는 **표본 데이터를 통해 모집단 통계에 근사치**를 구할 수 있습니다.
* 📈 신뢰 구간은 **표본 평균(X 막대), 모집단 표준 편차(σ), 표본 크기(N) 및 z 점수(Z)**를 포함하는 공식을 사용하여 표본 평균이 실제 모집단 평균에 얼마나 가까운지 추정하는 데 도움이 됩니다.
* 95% 신뢰 구간에서 임계 z값은 1.960이며, 이를 적용하여 샘플 평균이 32.7인치이고 표준 편차가 3.4이며 샘플 크기가 10인 경우 **30.6~34.8인치와 같은 범위**를 계산할 수 있습니다.
* 📝 가설 검정에서 귀무 가설(H₀)은 효과나 변화가 없다고 주장하는 반면, **대안 가설(H₁)은 약의 효과와 같은 유의미한 효과**가 있다고 가정합니다.
* 🔬 유의 수준(알파)은 유형 1 오류의 확률을 결정하며, 일반적인 알파 값은 **95% 신뢰 수준에서 0.05**로 설정됩니다.
* 📉 마지막으로, 더운 날씨와 같은 외부 요인에 영향을 받는 아이스크림 소비와 일광화상의 관계에서 볼 수 있듯이 **상관관계가 인과관계를 의미하지는 않**습니다.

이 스터디 그룹은 데이터 분석가 지망생을 위한 통계 및 분석 기법을 강조하는 CompTIA 데이터 플러스에 중점을 두고 있습니다.

CompTia Data+ Study Group

Giovanni Hale

CompTIA 데이터 플러스 연구 그룹 개요

참가자의 선호도에 따라 CompTIA Data Plus DA001 시험을 위한 스터디 그룹이 월요일, 수요일, 금요일로 변경되었습니다.

세션은 45분 주기로 진행되며 10분 휴식 시간을 포함하여 총 1시간 동안 진행됩니다.

LinkedIn 학습을 통해 제공되는 Mike Chapel의 데이터 분석 과정은 설명 및 추론 통계를 다루며, 초보자 및 데이터 경험이 어느 정도 있는 사용자에게 탄탄한 기초를 제공하는 것을 목표로 합니다.

평균, 중앙값, 모드는 데이터 집합을 설명하는 데 사용되는 중심 경향의 세 가지 측정값입니다.

평균은 모든 값을 합산하고 관찰 횟수로 나누어 계산하며, 중앙값은 정렬된 데이터 집합의 중간 값입니다.

모드는 가장 일반적인 값이며, 데이터 집합에는 여러 가지 모드가 있을 수 있습니다.

최소, 최대, 범위와 같은 분산 측정값은 데이터가 어떻게 분산되어 있는지 이해하는 데 도움이 됩니다.

흔히 종 모양의 곡선으로 표시되는 정규 분포는 통계에서 데이터에 대한 결론을 도출하는 데 일반적으로 사용됩니다.

분산은 평균과의 제곱 차이의 평균을 측정하는 반면, 표준편차는 분산의 제곱근을 측정합니다.

모집단과 표본의 분산과 표준 편차를 계산하는 공식은 서로 다른 기호를 사용하여 여러 가지가 있습니다.

Z 점수는 특정 측정값이 평균에서 얼마나 많은 표준 편차를 보이는지를 나타내므로 데이터 세트에서 각 값의 상대적 위치를 파악할 수 있습니다.

통계에서 Z 점수와 백분율 이해하기

Z 점수는 데이터 포인트가 평균에서 얼마나 멀리 떨어져 있는지를 나타내며, 데이터의 99.

백분율은 일반적으로 통계에서 데이터 비율과 시간 경과에 따른 변화를 설명하는 데 사용됩니다.

표본 데이터를 사용하면 모집단 통계 측정값의 근사치를 구할 수 있으며, 표본 평균이 모집단 평균에 가까워지는 것을 목표로 합니다.

신뢰 구간 및 가설 테스트 이해

신뢰 구간은 표본 평균, 모집단 표준 편차, 표본 크기 및 z 점수를 통합하는 공식을 사용하여 표본 평균이 모집단 평균에 얼마나 가까운지 추정하는 데 도움이 됩니다.

96을 사용하여 계산할 수 있으며, 이는 실제 모집단 평균이 떨어질 가능성이 있는 범위를 제공합니다.

가설 검정에는 귀무가설과 대안 가설을 세우고, 유의 수준(알파)을 설정하고, 샘플 데이터를 수집하고, p값을 사용하여 귀무가설을 거부할지 여부를 결정하여 궁극적으로 모집단에 대한 결론을 도출하는 과정이 포함됩니다.

통계 테스트 이해: t-테스트 및 카이제곱 테스트

t-검정은 일반적으로 숫자 값의 경우 두 그룹의 평균 간에 통계적으로 유의미한 차이가 있는지 확인하는 데 사용됩니다.

카이제곱 검정은 범주형 변수에 적합하며 변수 간의 연관성을 평가하는 데 사용됩니다.

상관관계는 두 변수 간의 관계를 측정하며, 양의 상관관계와 음의 상관관계는 서로 다른 방향의 관계를 나타내지만 상관관계가 인과 관계를 의미하지는 않습니다.

미국 주에서 위도와 피부암 사망률 사이에는 음의 상관관계가 있으며, 위도가 높을수록 사망자 수가 적습니다.

선형 회귀 모델은 위도를 기준으로 사망자를 예측하며, 공식은 사망자 = 389 - 6 * 위도입니다.

이 모델은 특정 위도에 대한 예측을 하는 데 사용할 수 있지만 직선 예측으로 제한됩니다.

효과적인 요구 사항 수집 및 데이터 분석

비즈니스 요구사항을 수집하려면 명확한 의사소통이 필수적이며, 중요한 이니셔티브에는 서면 문서가 필요합니다.

데이터와 리소스의 격차를 파악하는 것은 매우 중요하며, 요구사항 문서를 유지하면 문제와 범위 변경을 추적하는 데 도움이 됩니다.

탐색적 데이터 분석(EDA) 프로세스에는 데이터 구조, 표현, 결측값, 이상값, 요약 통계 및 가정을 확인하여 분석을 위한 깨끗하고 정확한 데이터 집합을 확보하는 작업이 포함됩니다.