Jerry StoryWalk

♪ 독립 2표본 검정 - 두 개의 독립적인 모집단에 대한 평균에 통계적으로 유의한 차이가 있는지를 검정하는 방법. - 독립 : A 집단의 양적 자료가 B 집단의 양적 자료에게 영향을 주지 않는 상태 이제 과정을 진행해보겠다. 독립 2표본은 모집단이 2개가 존재한다. (모집단 A, 모집단 B) 평균은 모집단을 대표하는 값이다. 귀무가설 : A집단의 평균과 B집단의 평균은 같다. 대립가설 : A집단의 평균과 B집단의 평균은 같지 않다. 유의수준 = 0.05 귀무가설과 대립가설이 주어졌다. 이제 귀무가설과 대립가설 중 하나를 선택하기 위해서는 모집단에서 표본을 추출하여 평균을 알아보자. 가정해 보았을 때 A 표본의 평균 - B 표본의 평균 = 0 이라면 귀무가설에 가까울 것이고, A 표본의 평균 - B 표본의..

문제 코딩테스트 연습 - 문자열 내 마음대로 정렬하기 문자열로 구성된 리스트 strings와, 정수 n이 주어졌을 때, 각 문자열의 인덱스 n번째 글자를 기준으로 오름차순 정렬하려 합니다. 예를 들어 strings가 [sun, bed, car]이고 n이 1이면 각 단어의 인덱스 1� programmers.co.kr 코드 string = [] def swap(strings, x, y): strings[x], strings[y] = strings[y], strings[x] def solution(strings, n): for i in range(len(strings)): string.append(strings[i][n]) for size in reversed((range(len(strings)))): for..

일표본 t 검정을 공부하기에 앞서 가설검정에 대해 알아보겠다. ※ 가설검정이란? 모집단에 대한 입장(주장)에 대해 표본을 추출하여 수집된 데이터에 근거하여 그 입장(주장)이 맞다고 할 수 있는지를 통계적으로 검정하는 것이다. 가설에는 "귀무가설" 과 "대립가설" 이 있다. 귀무가설(歸無假說; Null hypothesis) : 모집단에 대한 기존의 생각(입장) 대립가설(對立假說; alternative hypothesis) : 귀무가설과 다른 새로운 생각(입장) 표본의 데이터를 근거로 귀무가설과 대립가설 중에서 하나를 선택하는 과정이 가설검정이다. import scipy.stats as stats # 분석에 필요한 라이브러리 ♪ 일표본 t 검정(One sample t-test) - 한 개의 모집단을 이루고 ..

통계에서 가설의 종류는 귀무가설(Null Hypothesis)이 있고 대립가설(Alternative Hypothesis)이 있다. 귀무가설 영가설(零假說) 이라고도 불리며, 별 차이가 없는 경우의 가설이다. 대립가설 귀무가설과는 다른 가설을 주장한다. p-value(유의확률) 귀무가설을 기각할 수 있는 최소한의 유의 수준이다. 유의 수준 : 귀무가설 또는 대립가설의 기준점 유의 수준 > p-value 이면 대립 가설을 채택 유의 수준 < p-value 이면 귀무 가설을 유지

문제 코딩테스트 연습 기초부터 차근차근, 직접 코드를 작성해 보세요. programmers.co.kr level1 크레인 인형뽑기 코드 def solution(board, moves): new_board = []; bucket = []; count = 0 for i in range(len(board[0])): new_board.append([]) for j in range(len(board)): new_board[i].append(board[j][i]) for i in moves: for j in range(len(new_board[0])): if(new_board[i-1][j] > 0 and count == 0): bucket.append(new_board[i-1][j]) new_board[i-1][j..