PowerPoint Presentation
|
|
|
- 지완 공
- 5 years ago
- Views:
Transcription
1 Clustering with Minitab oft Computing Lab Yonsei Univ.
2 공공전력사업체분석 데이터다운로드 방법 1. 방법 > Courses -> pecial lecture -> 삼성미니탭교육 -> 전체다운로드 FT YONEI UNIV. KOREA 1
3 공공전력사업체분석예제 유사한사업체들을그룹화 군집화해야하는레코드 : 22개의사업체 레코드변수의수 : 8개 규제완화에대한비용효과예측연구등에사용 다양한사업체대한상세한비용예측모형구축의필요성 군집화를통한군집별로대표적사업체를대상으로만모형구축 시간과노력감소 예로매출액 (sales) 와연료비 (fuel cost) 변수를살펴봄 군집화에도움이되는예 FT YONEI UNIV. KOREA 2
4 매출액과연료비변수 데이터셋 Fixed_charge: 고정부채보상배율 ( 수익 / 부채 ) RoR: 투자수익률 Cost: 킬로와트당생산비용 Load_factor: 연간부하량 Demand_growth: 1974 년부터 1975 년까지의최고전력수요량 (kwh) 증가율 (%) ales: 전력판매량 (kwh/ 년 ) Nuclear: 원자력발전의비율 (%) Fuel Cost: 총연료비용 (cents/kwh) FT YONEI UNIV. KOREA 3
5 산점도 매출액과연료비변수 그래프 -> 산점도 ( 단순 )->Y 변수 : 연료비, X 변수 : ales Click FT YONEI UNIV. KOREA 4
6 산점도 매출액과연료비변수 FT YONEI UNIV. KOREA 5
7 매출액과연료비변수 산점도분석 2~3 개의군집이나타나있는것으로보임 높은연료비, 낮은매출액 낮은연료비, 상대적으로낮은매출액 낮은연료비, 높은매출액 FT YONEI UNIV. KOREA 6
8 매출액과연료비변수 군집화알고리즘 개별레코드사이의거리를측정 거리에따라군집들을형성 계층적방법 (Hierarchical methods) 병합또는분할방법 병합방법 : n개의군집들을가지고최종적으로하나의군집이남을때까지병합 분할방법 : 모든레코드를포함하는하나의군집에서나누어짐 분석의목적이군집들을자연적계층구조로정렬할때유용 계층적병합군집화 비계층적방법 (Nonhierarchical methods) 미리군집의수를결정 레코드들을정해진군집에할당 적은계산량 대량의데이터베이스에서유용 K-평균군집화 FT YONEI UNIV. KOREA 7
9 수치형척도의정규화 ( 표준화 ) 거리계산의척도는각변수의단위 (scale) 에영향받음 값이큰변수는총거리에매우큰영향을줌 정규화 ( 측정치 - 평균 )/ 표준편차 계산 -> 표준화 Click Click FT YONEI UNIV. KOREA 8
10 수치형척도의정규화 ( 표준화 ) 정규화전 정규화후 FT YONEI UNIV. KOREA 9
11 정규화된산점도 FT YONEI UNIV. KOREA 10
12 거리측도 두접 ( 레코드 ) 간의거리를계산하는방법 고려해야할사항 무엇이측정되고있는가? 레코드간의어떤관련이있는가? 어떤척도 ( 수치형, 순서형, 명목형 ) 로처리해야하는가? 극단치들이있는가? 유클리드거리척도 큰값에영향을많이받음 ( 정규화필요 ) 측정항목들사이의관계가무시 측정학목들이실제강한상관관계가있다면다른형태의거리척도 ( 통계적거리등 ) 를사용 극단치에민감 FT YONEI UNIV. KOREA 11
13 연결방법 두군집을병합할때군집을연결하는기준 평균거리 : 하나의군집내에있는관측지들과다른군집내에있는관측치들사이의모든가능한거리의평균거리 중심거리 : 두군집의중심간의거리 완전거리 : 가장멀리떨어진두관측치사이의거리 McQuitty: 곧결합할군집과다른군집간거리의평균 중위수 : 한군집의한항목과다른군집의한항목간거리의중위수 단일거리 : 가장가까이에있는두관측치사이의거리 Ward: 연결가능한군집조합중연결된후에군집내제곱합을계산, 최소제곱합을가지는군집의거리연결 FT YONEI UNIV. KOREA 12
14 계층적병합군집화 하나의레코드로구성된군집들로부터모든레코드들로구성된하나의군집만남을때까지가장가까운 2 개의군집들을단계적으로병합 통계분석 -> 다변량분석 -> 관측개체군집분석 : 각각변수들간의그룹화 변수군집분석 : 한변수내에서의그룹화 덴드로그램 군집화과정및결과를나타내는나무형태의도표 아랫부분에레코드가표시 수직선의길이는레코드사이의거리, 유사한레코드들연결 FT YONEI UNIV. KOREA 13
15 단일연결법 ( 관측개체군집분석 ) 통계분석 -> 다변량분석 -> 관측개체군집분석 연결방법 : 단일, 거리측도 : Euclid, 군집수 : 1 FT YONEI UNIV. KOREA Click 14
16 단일연결법 ( 관측개체군집분석 ) 통계분석 -> 다변량분석 -> 관측개체군집분석 저장 FT YONEI UNIV. KOREA Click 15
17 단일연결법 ( 관측개체군집분석 ) 통계분석 -> 다변량분석 -> 관측개체군집분석 저장 -> 소속군집열 : C18 Click FT YONEI UNIV. KOREA
18 단일연결법 ( 관측개체군집분석 ) C18 열에데이터의군집표시 FT YONEI UNIV. KOREA 17
19 단일연결법 ( 관측개체군집분석 ) 단일군집 가장왼쪽군집이단일군집 FT YONEI UNIV. KOREA 18
20 단일연결법 ( 관측개체군집분석 ) 단일군집 가장상위의연결선으로군집화 (2 개의군집 ) 가장왼쪽군집이단일군집 FT YONEI UNIV. KOREA 19
21 단일연결법 ( 관측개체군집분석 ) 단일군집 두번째연결선으로군집화 (3 개의군집 ) FT YONEI UNIV. KOREA 20
22 완전연결법 ( 관측개체군집분석 ) 적절한군집으로나누어짐 가장선호하는방법 FT YONEI UNIV. KOREA 21
23 평균연결법 ( 관측개체군집분석 ) 완전연결보다최초의군집의수가적음 FT YONEI UNIV. KOREA 22
24 군집평가 목적 : 의미있는군집들을산출 군집분석의유용성 군집의설명가능성 군집분석에사용된각변수들에대해각군집의요약통계량 ( 평균값, 최소값, 최대값 ) 을구함 군집분석에서누락된변수가있는지조사 군집에대한이해를기초로각군집에맞는명칭부여 군집의안정성 입력값들이약간달라질때나누어진군집들이유의하게변화하는지조사 데이터를나누어한쪽데이터를사용하여만든군집이나머지데이터에도유사한지확인 분할된데이터집합으로군집분석수행 a집합의군집중심점을이용하여 B의각레코드가속하는군집을결정 B의군집결과가모든데이터를사용하여얻은군집결과와비교하여일관성조사 FT YONEI UNIV. KOREA 23
25 계층적군집화의장단점 장점 군집화가데이터에의해수행 덴드로그램의표현으로설명이쉬움 단점 데이터집합이매우클경우계산횟수가많아짐 단한번의군집화시도, 초기에잘못분배되면재분배불가능 안정성이낮은경향 단일, 완전거리척도가바뀌어도군집분석의결과에변화가적음 평균연결법의척도는완전히다른군집들이형성될수있음 극단치에민감 FT YONEI UNIV. KOREA 24
26 비계층적군집화 (k- 평균군집분석 ) 군집의수를명시 ( 군집의수결정이중요 ) 군집들내부의분산을최소화하여각각의사례를군집들중하나에할당 측정항목을기준으로군집들이가능한한동질성을갖도록사전정의된군집으로표본을나눔 군집내분산측정 군집의중심에서부터관찰치까지의거리의합 유클리드거리의제곱합 정수계획법을포함하는최적화문제 휴리스틱방법 알고리즘 빠르면서만족 최적은아님 k- 평균알고리즘 k 개의초기군집으로시작 가장가까운중심을가진군집에할당 관찰치가빠지거나추가되면군집의중심을재계산 군집사이에관찰치이동이분산을증가시키면군집화중단 FT YONEI UNIV. KOREA 25
27 비계층적군집화 (k- 평균군집분석 ) 통계분석 -> 단변량분석 ->K- 평균군집분석 Click Click FT YONEI UNIV. KOREA 26
28 비계층적군집화 (k- 평균군집분석 ) 결과 ( 표준화전 ), 군집의수 : 6 FT YONEI UNIV. KOREA 27
29 비계층적군집화 (k- 평균군집분석 ) 결과 ( 표준화후 ), 군집의수 : 6 FT YONEI UNIV. KOREA 28
30 아침용시리얼분석 FT YONEI UNIV. KOREA 29
31 예제 : 아침용시리얼 데이터집합 77 개의아침용시리얼제품에대한영양정보, 진열상태, 평가에대한정보 목표 단일연결법과완전연결법비교 의미있는군집도출 어린이를위한시리얼추천 문제 표준화된항목으로유클리드거리를사용하여계층적군집화를적용하시오. 군집화의개수는단일연결법과완전연결법을비교하시오. 군집을분석하세요. 초등학생을위한시리얼세트를추천하시오. 데이터표준화를해야하는가? 데이터의모든변수를사용해야하는가? FT YONEI UNIV. KOREA 30
32 예제 : 아침용시리얼 표준화된항목으로유클리드거리를사용하여계층적군집화를적용하시오. 군집화의개수는단일연결법과완전연결법을비교하시오. 다변량분석 -> 관측개체군집분석 -> 단일, 완전, 군집수 4~6 Click Click FT YONEI UNIV. KOREA 31
33 예제 : 아침용시리얼 연결방법 : 단일, 군집수 : 5 문제 : 파란색과핑크색의군집에 1 개의종류만그룹화되어있음 FT YONEI UNIV. KOREA 32
34 예제 : 아침용시리얼 연결방법 : 완전, 군집화 : 5 FT YONEI UNIV. KOREA 33
35 예제 : 아침용시리얼 연결방법 : 단일, 군집화 : 6 문제 : 파란색과보라색의군집에 1 개의종류만그룹화되어있음 FT YONEI UNIV. KOREA 34
36 예제 : 아침용시리얼 연결방법 : 완전, 군집화 : 6 FT YONEI UNIV. KOREA 35
37 예제 : 아침용시리얼 적절한군집선택 단일연결방식에서는단일군집이도출 완전군집화덴드로그램의관측값들을분석 FT YONEI UNIV. KOREA 36
38 예제 : 아침용시리얼 어른들이선호하는시리얼의그룹 어린이들이선호하는시리얼의그룹 ( 높은설탕비율 ) 군집화된결과를보고미리가지고있던정보 ( 아이들이선호하는시리얼은설탕비율이높다 ) 로추론 37 FT YONEI UNIV. KOREA
39 예제 : 아침용시리얼 초등학생을위한시리얼세트를추천하시오. 데이터표준화를해야하는가? 데이터의모든값을사용해야하는가? 표준화를해야함 각데이터별로측정단위가다를수있기때문에표준화를해주지않으면하나의값이다른값들에비해크기가크거나작을수있다. 예 : mg 으로측정된값과 g 으로측정된값의단위가다르기때문에표준화가필요 데이터의모든값으로군집화할필요는없음 사전정보에의해서어린이에게중요한영향소만을생각해도된다. 예 : 어린이건강에중요한값 (protein, fat, sodium, sugar) FT YONEI UNIV. KOREA 38
40 예제 : 아침용시리얼 통계분석 -> 다변량분석 -> 관측개체군집분석 변수 (protein, fat, sodium, fiber), 완전연결방법, 군집수 3 Click Click FT YONEI UNIV. KOREA 39
41 예제 : 아침용시리얼 군집의중심을보고판단 protein 이높고 fat 이낮으며 fiver 가높은군집 1 을선택 FT YONEI UNIV. KOREA 40
42 예제 : 아침용시리얼 그래프당최대관측개수설정 Click Click 100%_Bran, All-Bran, All-Bran_with_Extra_Fiber 를추천 41 FT YONEI UNIV. KOREA
43 Wine 데이터분석 FT YONEI UNIV. KOREA 42
44 Wine 데이터셋예제 Wine 데이터셋구성 같은지역내에있는세개의다른포도주양조장에서얻은와인의 13 가지성질을포함 Alcohol : 알코올 Malic Acid : 말산 Ash : 물푸레나무 Alkalinity of ash : 물푸레나무의알칼리도 Magnesium : 마그네슘 Total phenols : 총페놀 Flavanoids : 플래버노이즈 Nonflavanoid phenols Proanthocyanins : 프로안토시아닌 Color intensity : 색의강도 Hue : 색상 OD280/OD315 of diluted wines Proline : 프롤린 FT YONEI UNIV. KOREA 43
45 문제 Wine 데이터셋예제 1. Wine 데이터셋을시각화하기위해주성분분석으로 2 개의주성분을찾으시오. ( 주성분분석 : 서로연관이있는변수들의정보들을최대한확보하는적은수의새로운변수들을생성하는방법 ) 2. 1 번에서찾은주성분으로 Wine 데이터셋을 2 차원으로시각화하여데이터의분포를확인하고몇개의군집으로구분할수있을지를논하시오. 3. K- 평균군집분석을이용하여 2 번에서정한군집의개수로군집화하시오. 4. 관측개체군집분석을이용하여 3 번에서수행한군집의개수와비교하시오. 5. 군집된클러스터의속성을비교하시오. FT YONEI UNIV. KOREA 44
46 Wine 데이터셋예제 1 번풀이 ( 계속 ) Wine 데이터셋불러오기 미니탭상단의메뉴에서 [ 파일 ]->[ 워크시트열기 ] 클릭후 Wine.xls 열기 미니탭상단의메뉴에서 [ 통계분석 ]->[ 다변량분석 ]->[ 주성분분석 ] 클릭 변수란에왼쪽에변수들을모두클릭하고 선택 버튼클릭 FT YONEI UNIV. KOREA 45
47 1 번풀이 ( 계속 ) Wine 데이터셋예제 계산할성분수에 2 입력 행렬유형 : 상관계수 저장 버튼클릭 점수란에 C15, C 입력후확인 FT YONEI UNIV. KOREA 46
48 1 번풀이 Wine 데이터셋예제 워크시트에주성분 1(PC1) 은 C15 열에주성분 2(PC2) 는 C 열에저장된것확인 FT YONEI UNIV. KOREA 47
![Wine 데이터셋예제 2 번풀이 ( 계속 ) [ 그래프 ]->[ 산점도 ] 클릭 단순 선택후 확인 버튼클릭 X 변수, Y 변수에](/docs-images/90/103079093/images/49-3.jpg "PCA 의결과로얻은주성분각각을선택후 확인 버튼클릭 주성분 2 주성분 1 FT COMPUTING @ YONEI UNIV.")
49 Wine 데이터셋예제 2 번풀이 ( 계속 ) [ 그래프 ]->[ 산점도 ] 클릭 단순 선택후 확인 버튼클릭 X 변수, Y 변수에 PCA 의결과로얻은주성분각각을선택후 확인 버튼클릭 주성분 2 주성분 1 FT YONEI UNIV. KOREA 48
50 Wine 데이터셋예제 2 번풀이 주성분 PC1 와 PC2 로데이터셋을시각화 2~3 개의군집으로그룹화하는것이적절함 FT YONEI UNIV. KOREA 49
![Wine 데이터셋예제 3 번풀이 ( 계속 ) [ 통계분석 ]->[](/docs-images/90/103079093/images/51-2.jpg "다변량분석 ]->[K- 평균군집분석 ] 클릭 군집수 란에 2 입력,")
51 Wine 데이터셋예제 3 번풀이 ( 계속 ) [ 통계분석 ]->[ 다변량분석 ]->[K- 평균군집분석 ] 클릭 군집수 란에 2 입력, 변수표준화체크박스선택 저장버튼클릭 소속군집열 란에 c17 입력후확인버튼클릭 FT YONEI UNIV. KOREA 50
52 3 번풀이 ( 계속 ) Wine 데이터셋예제 미니탭화면에워크시트 C15 컬럼에군집화결과가저장됨 FT YONEI UNIV. KOREA 51
![Wine 데이터셋예제 3 번풀이 ( 계속 ) 산점도그래프를이용하여클러스터링의결과를시각화 [ 그래프 ]->[ 산점도 ] 클릭 그룹 표시선택후 확인 버튼클릭](/docs-images/90/103079093/images/53-3.jpg "산점도그리는나머지설정은이전과동일 결과그래프에서임의의점을선택후마우스오른쪽버튼클릭및 기호편집 클릭 FT COMPUTING @ YONEI UNIV.")
53 Wine 데이터셋예제 3 번풀이 ( 계속 ) 산점도그래프를이용하여클러스터링의결과를시각화 [ 그래프 ]->[ 산점도 ] 클릭 그룹 표시선택후 확인 버튼클릭 산점도그리는나머지설정은이전과동일 결과그래프에서임의의점을선택후마우스오른쪽버튼클릭및 기호편집 클릭 FT YONEI UNIV. KOREA 52
54 Wine 데이터셋예제 3 번풀이 기호편집 에서 [ 그룹 ] 탭을클릭후 C17 선택및 확인 버튼클릭 클러스터링의결과를산점도로확인 FT YONEI UNIV. KOREA 53
55 Wine 데이터셋예제 4 번풀이 ( 계속 ) 상단메뉴에서 [ 통계분석 ]->[ 다변량분석 ]->[ 관측개체군집분석 ] 클릭 연결방법은 완전, 변수표준화체크박스클릭, 군집수 4 FT YONEI UNIV. KOREA 54
56 4 번풀이 Wine 데이터셋예제 유사성수준의차이는 3 개의군집이최종분할로충분함을나타냄 FT YONEI UNIV. KOREA 55
57 Wine 데이터셋예제 5 번풀이 ( 계속 ) 군집된클러스터의각성분비교를위해데이터표준화 상위메뉴의 [ 계산 ]->[ 표준화 ] 클릭 FT YONEI UNIV. KOREA 56
58 Wine 데이터셋예제 5 번풀이 ( 계속 ) C18-C30 에표준화결과저장 워크시트의변수이름복사 FT YONEI UNIV. KOREA 57
![5 번풀이 ( 계속 ) Wine 데이터셋예제 막대차트생성 : [ 그래프 ]->[](/docs-images/90/103079093/images/59-2.jpg "막대차트 ] 메뉴클릭 FT COMPUTING @ YONEI UNIV.")
59 5 번풀이 ( 계속 ) Wine 데이터셋예제 막대차트생성 : [ 그래프 ]->[ 막대차트 ] 메뉴클릭 FT YONEI UNIV. KOREA 58
60 5 번풀이 ( 계속 ) Wine 데이터셋예제 함수를 평균 으로, 그래프변수를 표준화된변수들 로, 그룹화범주형변수에 Cluster 로설정후 확인 버튼클릭 FT YONEI UNIV. KOREA 59
61 Wine 데이터셋예제 5 번풀이 결과해석 e.g. 군집 1 의알코올성분이군집 2 의알코올성분보다평균 15 정도더많음 FT YONEI UNIV. KOREA 60
62 Wine 데이터셋예제 추가문제 거리측도를변경하여군집화를수행하고비교하시오. Euclid, Manhattan, Pearson, Euclid 제곱, Pearson 제곱 FT YONEI UNIV. KOREA 61
63 IRI 데이터분석 FT YONEI UNIV. KOREA 62
64 Iris 데이터셋예제 Iris 데이터셋구성 3 가지붓꽃을분류하기위한데이터셋 (etosa, Versicolour, Virginica) epal length (cm 단위 ) : 꽃받침의길이 epal width (cm 단위 ) : 꽃받침의너비 Petal length (cm 단위 ) : 꽃잎의길이 Petal width (cm 단위 ) : 꽃잎의너비 pecies : 꽃의종류 (setosa / versicolor / virginica) FT YONEI UNIV. KOREA 63
65 문제 Iris 데이터셋예제 1. Iris 데이터셋을시각화하시오. ( 필요하면주성분분석을수행하시오 ) 2. 관측개체군집분석과 K- 평균군집분석을이용하여군집화하고결과를비교하시오. FT YONEI UNIV. KOREA 64
66 1 번답 Iris 데이터셋예제 1. Iris 데이터셋을시각화하시오. ( 필요하면주성분분석을수행하시오 ) FT YONEI UNIV. KOREA 65
67 2 번답 Iris 데이터셋예제 2. 관측개체군집분석과 K- 평균군집분석을이용하여군집화하고결과를비교하시오. FT YONEI UNIV. KOREA 66
68 Boston House 분석 FT YONEI UNIV. KOREA 67
69 BostonHousing 데이터셋예제 BostonHousing 데이터셋구성 보스턴시의주택가격에대한데이터셋 CRIM : 자치시 (town) 별 1 인당범죄율 ZN : 25,000 평방피트를초과하는거주지역의비율 INDU : 비소매상업지역이점유하고있는토지의비율 CHA : 찰스강에대한더미변수 ( 강의경계는 1, 아니면 0) NOX : 10ppm 당농축일산화질소 RM : 주택 1 가구당평균방의개수 AGE : 1940 년이전에건축된소유주택의비율 DI : 5 개의보스턴직업센터까지의접근성지수 RAD : 방사형도로까지의접근성지수 TAX : 10,000 달러당재산세율 PTRATIO : 자치시별학생 / 교사비율 B : 1000(Bk-0.63)^2 (Bk 는자치시별흑인의비율 ) LTAT : 모집단의하위계층의비율 (%) MEDV : 본인소유의주택가격 ( 중앙값 ) ( 단위 : $1,000) FT YONEI UNIV. KOREA 68
70 문제 BostonHousing 데이터셋예제 1. BostonHousing 데이터셋의 RM 컬럼과 MEDV 컬럼을이용해시각화하시오. 2. K- 평균군집분석을이용하여 RM 컬럼과 MEDV 컬럼으로전체데이터셋을군집화하시오 번의결과를관측개체군집분석을수행하여비교하시오. 4. 관측개체군집분석의거리측도를 Manhattan 과 Pearson 으로변경하고군집수를 4 로설정하여군집화하시오. FT YONEI UNIV. KOREA 69
71 1 번답 BostonHousing 데이터셋예제 1. BostonHousing 데이터셋의 RM 컬럼과 MEDV 컬럼을이용해시각화하시오. FT YONEI UNIV. KOREA 70
72 2 번답 BostonHousing 데이터셋예제 2. K- 평균군집분석을이용하여 RM 컬럼과 MEDV 컬럼으로전체데이터셋을군집화하시오. FT YONEI UNIV. KOREA 71
73 3 번답 BostonHousing 데이터셋예제 3. 2 번의결과를관측개체군집분석을수행하여비교하시오. FT YONEI UNIV. KOREA 72
74 4 번답 BostonHousing 데이터셋예제 4. 관측개체군집분석의거리측도를변경하고군집수를 4 로설정하여군집화하시오. Manhattan 거리 Pearson 거리 FT YONEI UNIV. KOREA 73
75 곰데이터셋분석 FT YONEI UNIV. KOREA 74
76 곰데이터셋 곰.mtw 워크시트열기 : 143 마리의곰데이터 전체길이, 머리길이 전체무게, 머리무게 목둘레, 가슴둘레 목표 : 143 마리의곰을소, 중, 대크기의곰으로분류 제한조건 : 2 번째, 78 번째, 15 번째의곰이각각이세범주의전형이라는것을알고있다. (1= 소, 2= 중, 3= 대 ) K- 평균군집분석을수행하고, 곰의크기라는열을만들어소속군집을저장하시오. FT YONEI UNIV. KOREA 75
77 초기분할열만들기 FT YONEI UNIV. KOREA 76
78 초기분할열만들기 열의이름지정 모든값을 0 으로채워줍니다. 전체데이터의개수만큼 제한조건을따르기위해데이터에값을입력합니다. 2 번째 =1, 78 번째 =2, 15 번째 =3 FT YONEI UNIV. KOREA 77
79 K- 평균군집분석 ㅋ FT YONEI UNIV. KOREA 78
80 K- 평균군집분석 FT YONEI UNIV. KOREA 79
81 K- 평균군집분석 FT YONEI UNIV. KOREA 80
82 무게 - 가슴둘레사이그래프에서군집화결과 FT YONEI UNIV. KOREA 81
83 무게 - 가슴둘레사이그래프에서군집화결과 FT YONEI UNIV. KOREA 82
84 주성분분석을이용한값에대한크기분석 곰의크기 1: 전형적인곰의상태를알고있음. 곰의크기 2: 전형적인상태를모르는상태에서의군집화 FT YONEI UNIV. KOREA 83
85 관측개체군집결과 1 FT YONEI UNIV. KOREA 84
86 관측개체군집결과 2 FT YONEI UNIV. KOREA 85
87 K- 평균 vs 관측개체군집 FT YONEI UNIV. KOREA 86
88 휴대전화통화분석 FT YONEI UNIV. KOREA 87
89 Telco-CAT 통신회사자료 (2001 년 ) 변수설명 신원및인구정보 : ID 번호, 성, 나이 계좌기록 : Churn( 이탈여부 ), Tariff( 요금제 ), Tariff_OK( 요금제의적절성여부 ) 등 통화정보 : Peak( 주간통화 ), Off-Peak( 야간통화 ), Weekend( 주말통화 ) 관련통화횟수및통화시간, International( 국제통화 ) 통화시간등 FT YONEI UNIV. KOREA 88
90 문제 1. 고객의통화관련행태 (Behavior) 를분석할것이다. 열복사를이용하여워크시트를다음의 8 가지변수를사용하여구성하시오. Customer_ID( 사용자 ID), Peak_calls_um ( 주간총통화횟수 ) AvePeak ( 주간평균통화시간 ( 분 ), 통화 1 건당 ) OffPeak_calls_um ( 야간총통화횟수 ) AveOffPeak ( 야간평균통화시간 ( 분 ), 통화 1 건당 ) Weekend_calls_um ( 주말총통화횟수 ) AveWeekend( 주말평균통화시간 ( 분 ), 통화 1 건당 ) International_min_um ( 국제통화총통화시간 ( 분 )) 2. 데이터셋의결측값들을찾고평균값을이용하여대치하시오. (AvePeak, AveOffPeak, AveWeekend 열만수정 ) 3. 시각화를위하여 2 개의주성분을찾으시오. 4. K-means 클러스터링을사용하여 2 개의군집으로그룹화하고의미를추론하시오.( 막대차트를이용 ) 5. K-means 클러스터링을사용하여 3, 4 개의군집으로나누어결과를비교하고의미를추론하시오. ( 막대차트를이용 ) 89 FT YONEI UNIV. KOREA
91 결측치처리기준 결측치가 10% 이하일경우 해당표본을제거 대치법을사용 단순회귀분석을사용 결측치가 10~20% 인경우 Hot deck cast substitution Regression Model-based methods 결측치가 20% 이상인경우 Egression Model-based method FT YONEI UNIV. KOREA 90
92 결측치확인방법 1 시계열도를이용 2 1 FT YONEI UNIV. KOREA 91
93 결측치확인방법 FT YONEI UNIV. KOREA 92
94 그래프결과 결측치 FT YONEI UNIV. KOREA 93
95 결측치확인방법 2 열통계량이용 결과 ( 세션창 ) International_mins_um에서의총관측치수 = 3237 비결측값수 = 3196 결측값수 = 41 FT YONEI UNIV. KOREA 94
96 결측치대치 평균값을이용 해당열선택 -> 바꾸기 International_mins_um 의평균 = FT YONEI UNIV. KOREA 95
97 결측치대치 값입력후모두바꾸기 결과 FT YONEI UNIV. KOREA 96
98 문제 1. 고객의통화관련행태 (Behavior) 를분석할것이다. 열복사를이용하여워크시트를다음의 8 가지변수를사용하여구성하시오.( 열복사이용 ) Customer_ID( 사용자 ID) Peak_calls_um ( 주간총통화횟수 ) AvePeak ( 주간평균통화시간 ( 분 ), 통화 1 건당 ) OffPeak_calls_um ( 야간총통화횟수 ) AveOffPeak ( 야간평균통화시간 ( 분 ), 통화 1 건당 ) Weekend_calls_um ( 주말총통화횟수 ) AveWeekend( 주말평균통화시간 ( 분 ), 통화 1 건당 ) International_min_um ( 국제통화총통화시간 ( 분 )) 2. 데이터셋의결측값들을찾고평균값을이용하여대치하시오. 3. 시각화를위하여 2 개의주성분을찾으시오. 4. K-means 클러스터링을사용하여 2 개의군집으로그룹화하고의미를추론하시오.( 막대차트를이용 ) 5. K-means 클러스터링을사용하여 3, 4 개의군집으로나누어결과를비교하고의미를추론하시오. ( 막대차트를이용 ) FT YONEI UNIV. KOREA 97
99 해설 1, 2 총 8 가지변수의워크시트 FT YONEI UNIV. KOREA 98
100 해설 3 결과 FT YONEI UNIV. KOREA 99
101 해설 3 막대차트 FT YONEI UNIV. KOREA 100
102 해설 4, 5 군집화결과 FT YONEI UNIV. KOREA 101
103 해설 4, 5 막대차트 FT YONEI UNIV. KOREA 102
CHU 통계교육 Workshop (DAY 7. MDA 군집분석 ) 1. 개념 Individual Directed Technique + 범주 ( 그룹 ) 에대한사전정보가없음 + 다변량측정치를동시에고려하여데이터개체분류 + 개체의유사성 (simila
1. 개념 Individual Directed Technique + 범주 ( 그룹 ) 에대한사전정보가없음 + 다변량측정치를동시에고려하여데이터개체분류 + 개체의유사성 (similarity, 거리의반대개념 ) 을측정변수들을이용하여계산 + 유사성이높은개체를군집으로묶어간다. + 개체를집단으로그룹화하여각집단의성격을파악함으로써데이터전체의구조에대한이해를얻는분석기법 군집원칙
슬라이드 1
빅데이터분석을위한데이터마이닝방법론 SAS Enterprise Miner 활용사례를중심으로 11 주차 군집분석 Cluster Analysis 최종후, 강현철 차례 8.1 군집분석의개념 8.2 k-평균군집방법 (k-means Clustering) 8.3 군집분석의특징과적용상의문제점 8.4 클러스터링 (Clustering) 노드 8.5 세그먼트프로파일링 (Segment
statistics
수치를이용한자료요약 statistics hmkang@hallym.ac.kr 한림대학교 통계학 강희모 ( 한림대학교 ) 수치를이용한자료요약 1 / 26 수치를 통한 자료의 요약 요약 방대한 자료를 몇 개의 의미있는 수치로 요약 자료의 분포상태를 알 수 있는 통계기법 사용 중심위치의 측도(measure of center) : 어떤 값을 중심으로 분포되어 있는지
True number of clusters = 3 V V1 2 군집의수선택 2.1 군집내와군집간제곱합이용 군집분석은각군집의평균의차이를크게하고 ( 군집간의변동을크게하고 ) 군집내의변동을작게하는 것이좋다. 군집의개수가늘어날수록커지고
군집분석 : 군집의개수 서울시립대통계학과이용희 FALL 2017 1 예제자료의준비 k- 평균군집분석의예제로서다음과같은 3 개의군집을인공적으로만들었다. library(mvtnorm) set.seed(244211) # number units in each cluster nn
자율학습
자율학습 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 자율학습 1 / 31 학습내용 주성분분석 (principal component analysis) 군집분석 (clustering) K-평균군집 (K-means clustering) 계층적군집 (hierarchical clustering) 박창이 ( 서울시립대학교통계학과 ) 자율학습 2 /
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
PowerPoint 프레젠테이션
System Software Experiment 1 Lecture 5 - Array Spring 2019 Hwansoo Han (hhan@skku.edu) Advanced Research on Compilers and Systems, ARCS LAB Sungkyunkwan University http://arcs.skku.edu/ 1 배열 (Array) 동일한타입의데이터가여러개저장되어있는저장장소
(001~006)개념RPM3-2(부속)
www.imth.tv - (~9)개념RPM-(본문).. : PM RPM - 대푯값 페이지 다민 PI LPI 알피엠 대푯값과산포도 유형 ⑴ 대푯값 자료 전체의 중심적인 경향이나 특징을 하나의 수로 나타낸 값 ⑵ 평균 (평균)= Ⅰ 통계 (변량)의 총합 (변량의 개수) 개념플러스 대푯값에는 평균, 중앙값, 최 빈값 등이 있다. ⑶ 중앙값 자료를 작은 값부터 크기순으로
소표본 ( Microsoft Word - SPSS_MDA_Ch6.doc
Chapter 6. 정준상관분석 6.1 정준상관분석 정준상관분석 (Canonical Correlation Analysis) 은변수들의군집간선형상관관계를파악하는분석방법이다. 예를들어신체적조건 ( 키, 몸무게, 가슴둘레 ) 과운동력 ( 달리기, 윗몸일으키기, 턱걸이 ) 사이의선형상관관계가있는지알아보고, 관계가있다면어떤관계가있는지분석하는것이다. 정준상관분석은 (
아이콘의 정의 본 사용자 설명서에서는 다음 아이콘을 사용합니다. 참고 참고는 발생할 수 있는 상황에 대처하는 방법을 알려 주거나 다른 기능과 함께 작동하는 방법에 대한 요령을 제공합니다. 상표 Brother 로고는 Brother Industries, Ltd.의 등록 상
Android 용 Brother Image Viewer 설명서 버전 0 KOR 아이콘의 정의 본 사용자 설명서에서는 다음 아이콘을 사용합니다. 참고 참고는 발생할 수 있는 상황에 대처하는 방법을 알려 주거나 다른 기능과 함께 작동하는 방법에 대한 요령을 제공합니다. 상표 Brother 로고는 Brother Industries, Ltd.의 등록 상표입니다. Android는
마지막 변경일 2018년 5월 7일 ** 이항분포와 정규분포의 관계 ** Geogebra와 수학의 시각화 책의 3.2소절 내용임. 가장 최근 파일은 링크를 누르면 받아 보실 수 있습니다.
마지막 변경일 2018년 5월 7일 ** 이항분포와 정규분포의 관계 ** Geogebra와 수학의 시각화 책의 3.2소절 내용임. http://min7014.iptime.org/math/2017063002.htm 가장 최근 파일은 링크를 누르면 받아 보실 수 있습니다. https://goo.gl/edxsm7 http://min7014.iptime.org/math/2018010602.pdf
PowerPoint Template
JavaScript 회원정보 입력양식만들기 HTML & JavaScript Contents 1. Form 객체 2. 일반적인입력양식 3. 선택입력양식 4. 회원정보입력양식만들기 2 Form 객체 Form 객체 입력양식의틀이되는 태그에접근할수있도록지원 Document 객체의하위에위치 속성들은모두 태그의속성들의정보에관련된것
Microsoft PowerPoint - chap06-1Array.ppt
2010-1 학기프로그래밍입문 (1) chapter 06-1 참고자료 배열 박종혁 Tel: 970-6702 Email: jhpark1@snut.ac.kr 한빛미디어 출처 : 뇌를자극하는 C프로그래밍, 한빛미디어 -1- 배열의선언과사용 같은형태의자료형이많이필요할때배열을사용하면효과적이다. 배열의선언 배열의사용 배열과반복문 배열의초기화 유연성있게배열다루기 한빛미디어
중심경향치 (measure of central tendency) 대표값이란용어이외에자료의중심값또는중심위치의척도 (measure of central location) 라고도함. 예 : 평균 (mean= 산술평균 ; arithmetic mean), 절사평균 (trimmed
중심경향치 (measure of central tendency) 대표값이란용어이외에자료의중심값또는중심위치의척도 (measure of central location) 라고도함. 예 : 평균 (mean= 산술평균 ; arithmetic mean), 절사평균 (trimmed mean), 가중평균 (weighted mean), 기하평균 (geometric mean),
OCW_C언어 기초
초보프로그래머를위한 C 언어기초 4 장 : 연산자 2012 년 이은주 학습목표 수식의개념과연산자및피연산자에대한학습 C 의알아보기 연산자의우선순위와결합방향에대하여알아보기 2 목차 연산자의기본개념 수식 연산자와피연산자 산술연산자 / 증감연산자 관계연산자 / 논리연산자 비트연산자 / 대입연산자연산자의우선순위와결합방향 조건연산자 / 형변환연산자 연산자의우선순위 연산자의결합방향
PowerPoint 프레젠테이션
Lec. 2 : Introduction to R Part 2 Big Data Analytics Short Course 17. 07. 04 R 의데이터구조 : Factor factor() : factor 생성하기 > region = c("a","a","b","c","d") > region [1] "A" "A" "B" "C" "D" > class(region)
JAVA 프로그래밍실습 실습 1) 실습목표 - 메소드개념이해하기 - 매개변수이해하기 - 새메소드만들기 - Math 클래스의기존메소드이용하기 ( ) 문제 - 직사각형모양의땅이있다. 이땅의둘레, 면적과대각
JAVA 프로그래밍실습 실습 1) 실습목표 - 메소드개념이해하기 - 매개변수이해하기 - 새메소드만들기 - Math 클래스의기존메소드이용하기 ( http://java.sun.com/javase/6/docs/api ) 문제 - 직사각형모양의땅이있다. 이땅의둘레, 면적과대각선의길이를계산하는메소드들을작성하라. 직사각형의가로와세로의길이는주어진다. 대각선의길이는 Math클래스의적절한메소드를이용하여구하라.
13. 다차원척도법 (MultiDimensional Scaling) 13.1 개념및목적 다차원척도법 (mds) 는다차원관측값또는개체들간의거리 (distance) 또는비유사성 (dissimilarity) 을이용하여개체들을원래의차원보다낮은차원 ( 보통 2차원 ) 의공간상에
13. 다차원척도법 (MultiDimensional Scaling) 13.1 개념및목적 다차원척도법 (mds) 는다차원관측값또는개체들간의거리 (distance) 또는비유사성 (dissimilarity) 을이용하여개체들을원래의차원보다낮은차원 ( 보통 2차원 ) 의공간상에위치시켜 (spatial configuration) 개체들사이의구조또는관계를쉽게파악하고자하는데목적이있다.
공공기관임금프리미엄추계 연구책임자정진호 ( 한국노동연구원선임연구위원 ) 연구원오호영 ( 한국직업능력개발원연구위원 ) 연구보조원강승복 ( 한국노동연구원책임연구원 ) 이연구는국회예산정책처의정책연구용역사업으로 수행된것으로서, 본연구에서제시된의견이나대안등은
2013 년도연구용역보고서 공공기관임금프리미엄추계 - 2013. 12.- 이연구는국회예산정책처의연구용역사업으로수행된것으로서, 보고서의내용은연구용역사업을수행한연구자의개인의견이며, 국회예산정책처의공식견해가아님을알려드립니다. 연구책임자 한국노동연구원선임연구위원정진호 공공기관임금프리미엄추계 2013. 12. 연구책임자정진호 ( 한국노동연구원선임연구위원 ) 연구원오호영
제이쿼리 (JQuery) 정의 자바스크립트함수를쉽게사용하기위해만든자바스크립트라이브러리. 웹페이지를즉석에서변경하는기능에특화된자바스크립트라이브러리. 사용법 $( 제이쿼리객체 ) 혹은 $( 엘리먼트 ) 참고 ) $() 이기호를제이쿼리래퍼라고한다. 즉, 제이쿼리를호출하는기호
제이쿼리 () 정의 자바스크립트함수를쉽게사용하기위해만든자바스크립트라이브러리. 웹페이지를즉석에서변경하는기능에특화된자바스크립트라이브러리. 사용법 $( 제이쿼리객체 ) 혹은 $( 엘리먼트 ) 참고 ) $() 이기호를제이쿼리래퍼라고한다. 즉, 제이쿼리를호출하는기호 CSS와마찬가지로, 문서에존재하는여러엘리먼트를접근할수있다. 엘리먼트접근방법 $( 엘리먼트 ) : 일반적인접근방법
와플-4년-2호-본문-15.ps
1 2 1+2 + = = 1 1 1 +2 =(1+2)+& + *=+ = + 8 2 + = = =1 6 6 6 6 6 2 2 1 1 1 + =(1+)+& + *=+ =+1 = 2 6 1 21 1 + = + = = 1 1 1 + 1-1 1 1 + 6 6 0 1 + 1 + = = + 7 7 2 1 2 1 + =(+ )+& + *= + = 2-1 2 +2 9 9 2
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
Resampling Methods
Resampling Methds 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) Resampling Methds 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과 )
<4F E20C7C1B7CEB1D7B7A5C0BB20C0CCBFEBC7D120B5A5C0CCC5CD20BAD0BCAE20B9D720B1D7B7A1C7C120B1D7B8AEB1E F416E616C F616E645F47726
Origin 프로그램을이용한데이터분석및그래프그리기 "2-4 단일코일에의해형성되는자기장의특성측정 " 실험을예로하여 Origin 프로그램을이용한데이터분석및그래프그리기에대해설명드리겠습니다. 먼저 www.originlab.com 사이트를방문하여회원가입후 Origin 프로그램데모버전을다운로드받아서설치합니다. 설치에필요한액세스코드는회원가입시입력한 e-mail로발송됩니다.
???? 1
The Korean Journal of Applied Statistics (2012) 25(3), 471 483 DOI: http://dx.doi.org/10.5351/kjas.2012.25.3.471 A Variable Selection Procedure for K-Means Clustering Sung-Soo Kim 1 1 Department of Information
학습목차 2.1 다차원배열이란 차원배열의주소와값의참조
- Part2- 제 2 장다차원배열이란무엇인가 학습목차 2.1 다차원배열이란 2. 2 2 차원배열의주소와값의참조 2.1 다차원배열이란 2.1 다차원배열이란 (1/14) 다차원배열 : 2 차원이상의배열을의미 1 차원배열과다차원배열의비교 1 차원배열 int array [12] 행 2 차원배열 int array [4][3] 행 열 3 차원배열 int array [2][2][3]
슬라이드 1
Tadpole for DB 1. 도구개요 2. 설치및실행 4. 활용예제 1. 도구개요 도구명 소개 Tadpole for DB Tools (sites.google.com/site/tadpolefordb/) 웹기반의데이터베이스를관리하는도구 Database 스키마및데이터관리 라이선스 LGPL (Lesser General Public License) 특징 주요기능
adfasdfasfdasfasfadf
C 4.5 Source code Pt.3 ISL / 강한솔 2019-04-10 Index Tree structure Build.h Tree.h St-thresh.h 2 Tree structure *Concpets : Node, Branch, Leaf, Subtree, Attribute, Attribute Value, Class Play, Don't Play.
PowerPoint 프레젠테이션
실습 1 배효철 th1g@nate.com 1 목차 조건문 반복문 System.out 구구단 모양만들기 Up & Down 2 조건문 조건문의종류 If, switch If 문 조건식결과따라중괄호 { 블록을실행할지여부결정할때사용 조건식 true 또는 false값을산출할수있는연산식 boolean 변수 조건식이 true이면블록실행하고 false 이면블록실행하지않음 3
Poison null byte Excuse the ads! We need some help to keep our site up. List 1 Conditions 2 Exploit plan 2.1 chunksize(p)!= prev_size (next_chunk(p) 3
Poison null byte Excuse the ads! We need some help to keep our site up. List 1 Conditions 2 Exploit plan 2.1 chunksize(p)!= prev_size (next_chunk(p) 3 Example 3.1 Files 3.2 Source code 3.3 Exploit flow
G Power
G Power 부산대학교통계학과조영석 1. G Power 란? 2. G Power 설치및실행 2.1 G Power 설치 2.2 G Power 실행 3. 검정 (Test) 3.1 가설검정 (Test of hypothesis) 3.2 검정력 (Power) 3.3 효과크기 (Effect size) 3.4 표본수산정 4. 분석 4.1 t- 검정 (t-test) 4.2
장연립방정식을풀기위한반복법 12.1 선형시스템 : Gauss-Seidel 12.2 비선형시스템 12.1 선형시스템 : Gauss-Seidel (1/10) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. G-S 방법은선형대수방정
. 선형시스템 : GussSedel. 비선형시스템. 선형시스템 : GussSedel (/0) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. GS 방법은선형대수방정식을푸는반복법중에서 가장보편적으로사용되는방법이다. 개의방정식에서 인 ( 대각원소들이모두 0 이아닌 ) 경우를다루자. j j b j j b j j 여기서 j b j j j 현재반복단계
목 차
디지털운행기록계분석프로그램 사용자메뉴얼 루프 목 차 1. 단말기데이터다운로드 1-1 차량의설치된단말기의버튼중아래버튼은 1~2 초간누릅니다. 단말기의 버튼을 1 초 ~2 초간누릅니다 1-2 아래와같이변경된화면을확인후다운로드일수를설정 (1 일 ~31 일, 전체 ) 단말기의 버튼으로 다운로드일수를설정합니다. 1-3 USB 삽입후 OK 버튼을누르시면다운로드시작. 1.
슬라이드 1
장연립방정식을 풀기위한반복법. 선형시스템 : Guss-Sedel. 비선형시스템 . 선형시스템 : Guss-Sedel (/0) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. G-S 방법은선형대수방정식을푸는반복법중에서 가장보편적으로사용되는방법이다. 개의방정식에서 인 ( 대각원소들이모두 0 이아닌 ) 경우를다루자. j j b j b j j j
04 Çмú_±â¼ú±â»ç
42 s p x f p (x) f (x) VOL. 46 NO. 12 2013. 12 43 p j (x) r j n c f max f min v max, j j c j (x) j f (x) v j (x) f (x) v(x) f d (x) f (x) f (x) v(x) v(x) r f 44 r f X(x) Y (x) (x, y) (x, y) f (x, y) VOL.
슬라이드 1
- 1 - 전자정부모바일표준프레임워크실습 LAB 개발환경 실습목차 LAB 1-1 모바일프로젝트생성실습 LAB 1-2 모바일사이트템플릿프로젝트생성실습 LAB 1-3 모바일공통컴포넌트생성및조립도구실습 - 2 - LAB 1-1 모바일프로젝트생성실습 (1/2) Step 1-1-01. 구현도구에서 egovframe>start>new Mobile Project 메뉴를선택한다.
R t-..
R 과데이터분석 집단의차이비교 t- 검정 양창모 청주교육대학교컴퓨터교육과 2015 년겨울 t- 검정 변수의값이연속적이고정규분포를따른다고할때사용 t.test() 는모평균과모평균의 95% 신뢰구간을추청함과동시에가설검증을수행한다. 모평균의구간추정 - 일표본 t- 검정 이가설검정의귀무가설은 모평균이 0 이다 라는귀무가설이다. > x t.test(x)
실험 5
실험. OP Amp 의기초회로 Inverting Amplifier OP amp 를이용한아래와같은 inverting amplifier 회로를고려해본다. ( 그림 ) Inverting amplifier 위의회로에서 OP amp의 입력단자는 + 입력단자와동일한그라운드전압, 즉 0V를유지한다. 또한 OP amp 입력단자로흘러들어가는전류는 0 이므로, 저항에흐르는전류는다음과같다.
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
슬라이드 제목 없음
계량치 Gage R&R 1 Gage R&R 의변동 반복성 (Equipment Variation) : EV- 계측장비에의한변동 - 동일측정자가동일조건에서반복하여발생된측정값의범위로부터계산되므로 Gage의변동을평가하게됨. 재현성 (Operator / Appraiser Variation) : AV- 평가자에의한변동 - 서로다른측정자가동일조건에서측정한값의차이로부터 계산되므로측정자에의한변동을평가함.
표본재추출(resampling) 방법
표본재추출 (resampling) 방법 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 표본재추출 (resampling) 방법 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과
Vector Differential: 벡터 미분 Yonghee Lee October 17, 벡터미분의 표기 스칼라미분 벡터미분(Vector diffrential) 또는 행렬미분(Matrix differential)은 벡터와 행렬의 미분식에 대 한 표
Vector Differential: 벡터 미분 Yonhee Lee October 7, 08 벡터미분의 표기 스칼라미분 벡터미분(Vector diffrential) 또는 행렬미분(Matrix differential)은 벡터와 행렬의 미분식에 대 한 표기법을 정의하는 방법이다 보통 스칼라(scalar)에 대한 미분은 일분수 함수 f : < < 또는 다변수 함수(function
자료의 이해 및 분석
어떤실험이나치료의효과를측정할때독립이아닌표본으로부터관찰치를얻었을때처리하는방법 - 동일한개체에어떤처리를하기전과후의자료를얻을때 - 가능한동일한특성을갖는두개의개체에서로다른처리를하여그처리의효과를비교하는방법 (matching) 1 예제 : 혈청 cholesterol 치를줄이기위해서 12 명을대상으로운동과함께식이요법의효과를 측정하기위한실험실시 2 식이요법 - 운동실험전과후의
= ``...(2011), , (.)''
Finance Lecture Note Series 사회과학과 수학 제2강. 미분 조 승 모2 영남대학교 경제금융학부 학습목표. 미분의 개념: 미분과 도함수의 개념에 대해 알아본다. : 실제로 미분을 어떻게 하는지 알아본다. : 극값의 개념을 알아보고 미분을 통해 어떻게 구하는지 알아본다. 4. 미분과 극한: 미분을 이용하여 극한값을 구하는 방법에 대해 알아본다.
1
1 2 3 4 5 6 b b t P A S M T U s 7 m P P 8 t P A S M T U s 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 Chapter 1 29 1 2 3 4 18 17 16 15 5 6 7 8 9 14 13 12 11 10 1 2 3 4 5 9 10 11 12 13 14 15
Windows 8에서 BioStar 1 설치하기
/ 콘텐츠 테이블... PC에 BioStar 1 설치 방법... Microsoft SQL Server 2012 Express 설치하기... Running SQL 2012 Express Studio... DBSetup.exe 설정하기... BioStar 서버와 클라이언트 시작하기... 1 1 2 2 6 7 1/11 BioStar 1, Windows 8 BioStar
%eb%8f%99%ec%9d%b8-[NO_09]%20%ec%9d%98%ea%b3%bc%eb%8c%80%ed%95%99%20%ec%86%8c%ec%8b%9d%ec%a7%80_F(%ec%b5%9c%ec%a2%85)-2.pdf
![%eb%8f%99%ec%9d%b8-[NO_09]%20%ec%9d%98%ea%b3%bc%eb%8c%80%ed%95%99%20%ec%86%8c%ec%8b%9d%ec%a7%80_F(%ec%b5%9c%ec%a2%85)-2.pdf](/thumbs/39/20481527.jpg "%eb%8f%99%ec%9d%b8-[NO_09]%20%ec%9d%98%ea%b3%bc%eb%8c%80%ed%95%99%20%ec%86%8c%ec%8b%9d%ec%a7%80_F(%ec%b5%9c%ec%a2%85)-2.pdf")
MaxstAR SDK 2.0 for Unity3D Manual Ver
MaxstAR SDK 2.0 for Unity3D Manual Ver 1.2 2015. 05. 14. 목차 1. 사전요구사항및제약사항 1 2. Trackable Data 생성 2 (1) 페이지접속및회원가입 2 (2) Trackable Data 생성및추가 / 삭제 5 (3) Unity3D 4.6.x 다운로드및설치 11 3. Maxst AR SDK Unity3D
비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2
비트연산자 1 1 비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2 진수법! 2, 10, 16, 8! 2 : 0~1 ( )! 10 : 0~9 ( )! 16 : 0~9, 9 a, b,
제 4 장회귀분석
회귀의역사적유래 (historical origin of the regression) 회귀 (regression) 라는용어는유전학자 Francis Galton(1886) 에의해처음사용된데서유래함. 그의논문에서 비정상적으로크거나작은부모의아이들키는전체인구의평균신장을향해움직이거나회귀 (regression) 하는경향이있다. 고주장 회귀의역사적유래 (historical
수도권과비수도권근로자의임금격차에영향을미치는 집적경제의미시적메커니즘에관한실증연구 I. 서론
수도권과비수도권근로자의임금격차에영향을미치는 집적경제의미시적메커니즘에관한실증연구 I. 서론 Ⅱ. 선행연구고찰 집적경제메커니즘의유형공유메커니즘매칭메커니즘학습메커니즘 내용기업이군집을형성하여분리불가능한생산요소, 중간재공급자, 노동력풀등을공유하는과정에서집적경제발생한지역에기업과노동력이군집을이뤄기업과노동력사이의매칭이촉진됨에따라집적경제발생군집이형성되면사람들사이의교류가촉진되어지식이확산되고새로운지식이창출됨에따라집적경제발생
Microsoft PowerPoint - 3ÀÏ°_º¯¼ö¿Í »ó¼ö.ppt
변수와상수 1 변수란무엇인가? 변수 : 정보 (data) 를저장하는컴퓨터내의특정위치 ( 임시저장공간 ) 메모리, register 메모리주소 101 번지 102 번지 변수의크기에따라 주로 byte 단위 메모리 2 기본적인변수형및변수의크기 변수의크기 해당컴퓨터에서는항상일정 컴퓨터마다다를수있음 short
저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,
Visual Basic 반복문
학습목표 반복문 For Next문, For Each Next문 Do Loop문, While End While문 구구단작성기로익히는반복문 2 5.1 반복문 5.2 구구단작성기로익히는반복문 3 반복문 주어진조건이만족하는동안또는주어진조건이만족할때까지일정구간의실행문을반복하기위해사용 For Next For Each Next Do Loop While Wend 4 For
MATLAB and Numerical Analysis
School of Mechanical Engineering Pusan National University dongwoonkim@pusan.ac.kr Review 무명함수 >> fun = @(x,y) x^2 + y^2; % ff xx, yy = xx 2 + yy 2 >> fun(3,4) >> ans = 25 시작 x=x+1 If문 >> if a == b >>
슬라이드 1
예제 7-6 어떤전기조립품을만들어내는전자회사에서완성품의잡음을측정하여그평균값과산포를관리하고자한다. 각로트에서의시료를뽑아잡음레벨을측정한데이터는 < 표 7.5> 와같다. 미니탭을사용하여 -R 관리도를그리고관리상태를판정하라. X 풀이 ) 1. C1(x1), C2(x2), C3(x3), C4(x4), C5(x5) 에데이터를입력 2. 통계분석 > 관리도 > 부분군에대한계량형관리도
Microsoft PowerPoint - e pptx
Import/Export Data Using VBA Objectives Referencing Excel Cells in VBA Importing Data from Excel to VBA Using VBA to Modify Contents of Cells 새서브프로시저작성하기 프로시저실행하고결과확인하기 VBA 코드이해하기 Referencing Excel Cells
설계란 무엇인가?
금오공과대학교 C++ 프로그래밍 jhhwang@kumoh.ac.kr 컴퓨터공학과 황준하 6 강. 함수와배열, 포인터, 참조목차 함수와포인터 주소값의매개변수전달 주소의반환 함수와배열 배열의매개변수전달 함수와참조 참조에의한매개변수전달 참조의반환 프로그래밍연습 1 /15 6 강. 함수와배열, 포인터, 참조함수와포인터 C++ 매개변수전달방법 값에의한전달 : 변수값,
Microsoft Word - ntasFrameBuilderInstallGuide2.5.doc
NTAS and FRAME BUILDER Install Guide NTAS and FRAME BUILDER Version 2.5 Copyright 2003 Ari System, Inc. All Rights reserved. NTAS and FRAME BUILDER are trademarks or registered trademarks of Ari System,
< B3F3BEEEC3CC20C1F6BFAAC0C720B4D9BEE7C7D120C6AFBCBAC0BB20B9DDBFB5C7D120C0AFC7FCC8AD20B9E6B9FD5FB1E8BCADBFB52E687770>
농어촌지역의다양한특성을반영한유형화방법 김서영 정동명 김경미 목 차 제 1 절서론 1 1. 농어촌유형화배경 1 2. 연구목적및필요성 2 3. 연구범위와방법 4 4. 연구의한계 4 제 2절통계적분석방법 5 1. 요인분석 6 2. 군집분석 8 가. 계층적군집 9 나. 분할적방법 1 3. 군집개수선정기준 12 가. CCC 12 나. pseudo F 12 제 3 절농어촌지역유형분석
<B4EBC7D0BCF6C7D02DBBEFB0A2C7D4BCF62E687770>
삼각함수. 삼각함수의덧셈정리 삼각함수의덧셈정리 삼각함수 sin (α + β ), cos (α + β ), tan (α + β ) 등을 α 또는 β 의삼각함수로나 타낼수있다. 각 α 와각 β 에대하여 α >0, β >0이고 0 α - β < β 를만족한다고가정하 자. 다른경우에도같은방법으로증명할수있다. 각 α 와각 β 에대하여 θ = α - β 라고놓자. 위의그림에서원점에서거리가
Ⅰ. 1 Ⅱ. 1 Ⅲ. 1 Ⅳ. 3 Ⅴ. 3 Ⅵ. 4. ph 4 1). ph 4 2). ph 1. ph 16 1). ph 16 Ⅶ. 23 Ⅷ. 24 Ⅸ. 24
84 제 55 회경기도과학전람회 ph 29. 5. 11 ( ) ( ) 5 Ⅰ. 1 Ⅱ. 1 Ⅲ. 1 Ⅳ. 3 Ⅴ. 3 Ⅵ. 4. ph 4 1). ph 4 2). ph 1. ph 16 1). ph 16 Ⅶ. 23 Ⅷ. 24 Ⅸ. 24 ph 1..,.... 2.. ph? 1) ph? () 2) ph? (). ph? 1) ph? 3.. ph? -. potential
제 3 장평활법 지수평활법 (exponential smoothing) 최근자료에더큰가중값, 과거로갈수록가중값을지수적으로줄여나가는방법 시스템에변화가있을경우변화에쉽게대처가능 계산이쉽고많은자료의저장이필요없다 예측이주목적단순지수평활법, 이중지수평활법, 삼중지수평활법, Wint
제 3 장평활법 지수평활법 (exponential smoothing) 최근자료에더큰가중값, 과거로갈수록가중값을지수적으로줄여나가는방법 시스템에변화가있을경우변화에쉽게대처가능 계산이쉽고많은자료의저장이필요없다 예측이주목적단순지수평활법, 이중지수평활법, 삼중지수평활법, Winters의계절지수평활법 이동평균법 (moving average method) 평활에의해계절성분또는불규칙성분을제거하여전반적인추세를뚜렷하게파악
<B3EDB4DC28B1E8BCAEC7F6292E687770>
1) 초고를읽고소중한조언을주신여러분들게감사드린다. 소중한조언들에도불구하고이글이포함하는오류는전적으로저자개인의것임을밝혀둔다. 2) 대표적인학자가 Asia's Next Giant: South Korea and Late Industrialization, 1990 을저술한 MIT 의 A. Amsden 교수이다. - 1 - - 2 - 3) 계량방법론은회귀분석 (regression)
Leader in Electrics & Automation GIPAM MANAGER Electric Equipment
Leader in Electrics & Automation GIPAM MANAGER Electric Equipment >>GIPAM MANAGER 사용설명서 목 차 1. 접속 4 2. SYSTEM CONFIG ( 시간설정 ) 10 3. MIMIC DIAGRAM 16 4. DI/DO Point Editing 27 5. Relay Setting 42 6. EVENT/FAULT
2_안드로이드UI
03 Layouts 레이아웃 (Layout) u ViewGroup의파생클래스로서, 포함된 View를정렬하는기능 u 종류 LinearLayout 컨테이너에포함된뷰들을수평또는수직으로일렬배치하는레이아웃 RelativeLayout 뷰를서로간의위치관계나컨테이너와의위치관계를지정하여배치하는레이아웃 TableLayout 표형식으로차일드를배치하는레이아웃 FrameLayout
이분산시계열모형을이용한 주가연계증권의군집분석 이 을 으로 함
이분산시계열모형을이용한 주가연계증권의군집분석 이분산시계열모형을이용한 주가연계증권의군집분석 이 을 으로 함 이 을 의 으로 함 요 약 주가연계증권 은원금또는최저수익률을보장하되주가지수가일정수준에도달하면약속한금리를지급하는금융파생상품이다 상품은기초자산의주가지수 예상연수익률 조기상환기준퍼센트 만기 그리고상환간격등의조건을다르게설정하여다양하게발행되는데 그러한조건차이가투자결과에미치는영향에관한연구는미흡한실정이다
제 12강 함수수열의 평등수렴
제 강함수수열의평등수렴 함수의수열과극한 정의 ( 점별수렴 ): 주어진집합 과각각의자연수 에대하여함수 f : 이있다고가정하자. 이때 을집합 에서로가는함수의수열이라고한다. 모든 x 에대하여 f 수열 f ( x) lim f ( x) 가성립할때함수수열 { f } 이집합 에서함수 f 로수렴한다고한다. 또 함수 f 을집합 에서의함수수열 { f } 의극한 ( 함수 ) 이라고한다.
소프트웨어공학 Tutorial #2: StarUML Eun Man Choi
소프트웨어공학 Tutorial #2: StarUML Eun Man Choi emchoi@dgu.ac.kr Contents l StarUML 개요 l StarUML 소개및특징 l 주요기능 l StarUML 화면소개 l StarUML 설치 l StarUML 다운 & 설치하기 l 연습 l 사용사례다이어그램그리기 l 클래스다이어그램그리기 l 순서다이어그램그리기 2
한국통계학회논문집 2012, 19 권, 6 호, DOI: Sales Forecasting Model Considering the Local Environment Chul So
한국통계학회논문집 2012, 19 권, 6 호, 849 858 DOI: http://dxdoiorg/105351/ckss2012196849 Sales Forecasting Model Considering the Local Environment Chul Soo Kim 1,a, Su Min Oh a, So Yeon Park a a Department of Computer
PowerPoint Presentation
Object-Oriented Analysis and Design How to use StarUML, Korea 1. StarUML 개요 2 2. 설치하기 다음의 website 에서다운로드받음. http://staruml.sourceforge.net/ko/download.php staruml-5.0-uml-cm.exe 파일을클릭합니다. 로컬디스크에다운받은 staruml-5.0-with-cm.exe
Endpoint Protector - Active Directory Deployment Guide
Version 1.0.0.1 Active Directory 배포가이드 I Endpoint Protector Active Directory Deployment Guide 목차 1. 소개...1 2. WMI 필터생성... 2 3. EPP 배포 GPO 생성... 9 4. 각각의 GPO 에해당하는 WMI 연결... 12 5.OU 에 GPO 연결... 14 6. 중요공지사항
시스템경영과 구조방정식모형분석
2 st SPSS OPEN HOUSE, 2009 년 6 월 24 일 AMOS 를이용한잠재성장모형 (Latent Growth Model ) 세명대학교경영학과김계수교수 (043) 649-242 gskim@semyung.ac.kr 목차. LGM개념소개 2. LGM모형종류 3. LGM 예제 4. 결과치비교 5. 정리및요약 2 적합모형의판단방법 Tips SEM 결과해석방법
chap 5: Trees
5. Threaded Binary Tree 기본개념 n 개의노드를갖는이진트리에는 2n 개의링크가존재 2n 개의링크중에 n + 1 개의링크값은 null Null 링크를다른노드에대한포인터로대체 Threads Thread 의이용 ptr left_child = NULL 일경우, ptr left_child 를 ptr 의 inorder predecessor 를가리키도록변경
Toad for Oracle V11.5 New Features and Enhancements (All Editions)
(All Editions) TOAD FOR ORACLE V11.5... 1 1. QUERY BUILDER... 3 1-1 QUERY BUILDER 시작하기... 4 1-2 QUERY BUILDER 사용하기... 5 1-3 TOAD FOR ORACLE 11.5 달라진점... 6 (1) 화면 UI 향상... 6 (2) Subquery... 7 (3) Union...
3 장기술통계 : 수치척도 Part B 분포형태, 상대적위치, 극단값 탐색적자료분석 두변수간의관련성측정 가중평균과그룹화자료
3 장기술통계 : 수치척도 Part B 분포형태, 상대적위치, 극단값 탐색적자료분석 두변수간의관련성측정 가중평균과그룹화자료 분포형태, 상대적위치, 극단값 분포형태 z-값 체비셰프의원리 경험법칙 극단값찾기 분포형태 : 왜도 (skewness) 분포형태를측정하는중요한척도중하나를 왜도 라고한다. 자료집합의왜도를구하는계산식은조금복잡하다. 통계프로그램을사용하여왜도를쉽게계산할수있다.
목차 포인터의개요 배열과포인터 포인터의구조 실무응용예제 C 2
제 8 장. 포인터 목차 포인터의개요 배열과포인터 포인터의구조 실무응용예제 C 2 포인터의개요 포인터란? 주소를변수로다루기위한주소변수 메모리의기억공간을변수로써사용하는것 포인터변수란데이터변수가저장되는주소의값을 변수로취급하기위한변수 C 3 포인터의개요 포인터변수및초기화 * 변수데이터의데이터형과같은데이터형을포인터 변수의데이터형으로선언 일반변수와포인터변수를구별하기위해
금오공대 컴퓨터공학전공 강의자료
C 프로그래밍프로젝트 Chap 13. 포인터와배열! 함께이해하기 2013.10.02. 오병우 컴퓨터공학과 13-1 포인터와배열의관계 Programming in C, 정재은저, 사이텍미디어. 9 장참조 ( 교재의 13-1 은읽지말것 ) 배열이름의정체 배열이름은 Compile 시의 Symbol 로서첫번째요소의주소값을나타낸다. Symbol 로서컴파일시에만유효함 실행시에는메모리에잡히지않음
Microsoft PowerPoint - 알고리즘_5주차_1차시.pptx
Basic Idea of External Sorting run 1 run 2 run 3 run 4 run 5 run 6 750 records 750 records 750 records 750 records 750 records 750 records run 1 run 2 run 3 1500 records 1500 records 1500 records run 1
목 록( 目 錄 )
부 附 록 錄 목록( 目 錄 ) 용어설명( 用 語 說 明 ) 색인( 索 引 ) 목 록( 目 錄 ) 278 고문서해제 Ⅷ 부록 목록 279 1-1 江 華 ( 內 可 面 ) 韓 晩 洙 1909년 10월 11일 1-2 江 華 ( 內 可 面 ) 韓 晩 洙 洪 元 燮 1909년 10월 2-1 江 華 ( 府 內 面 ) 曺 中 軍 宅 奴 業 東 고종 18년(1881) 11월
슬라이드 1
대한의료관련감염관리학회학술대회 2016년 5월 26일 ( 목 ) 15:40-17:40 서울아산병원동관 6층대강당서울성심병원김지형 기능, 가격, 모든것을종합 1 Excel 자료정리 2 SPSS 학교에서준다면설치 3 통계시작 : dbstat 4 Web-R : 표만들기, 메타분석 5 R SPSS www.cbgstat.com dbstat 직접 dbstat 길들이기
SBR-100S User Manual
( 1 / 13 ) SBR-100S 모델에 대한 사용자 펌웨어 업그레이드 방법을 안내해 드립니다. SBR-100S 는 신규 펌웨어가 있을시 FOTA(자동업데이트) 기능을 통하여 자동 업그레이드가 되며, 필요시 사용자가 신규 펌웨어를 다운받아 수동으로 업그레이드 할 수 있습니다. 1. 준비하기 1.1 연결 장치 준비 펌웨어 업그레이드를 위해서는 SBR-100S
슬라이드 제목 없음
MS SQL Server 마이크로소프트사가윈도우운영체제를기반으로개발한관계 DBMS 모바일장치에서엔터프라이즈데이터시스템에이르는다양한플랫폼에서운영되는통합데이터관리및분석솔루션 2 MS SQL Server 개요 3.1 MS SQL Server 개요 클라이언트-서버모델을기반으로하는관계 DBMS 로서윈도우계열의운영체제에서만동작함 오라클관계 DBMS 보다가격이매우저렴한편이고,
PowerPoint 프레젠테이션
응용식물통계학 Statistics of Applied Plants Science 친환경식물학부유기농생태학전공황선구 13 장상관분석 1. 상관계수 2. 상관분석의가정과특성 3. 모상관계수의검정과신뢰한계 4. 순위상관 14 장회귀분석 1. 회귀직선의추정 2. 회귀직선의검정및추론 3. 모집단절편과회귀계수의구간추정 4. 곡선회귀 - 실습 - 상관분석 지금까지한가지확률변수에의한현상을검정하였다.
Database Search 편 * Database Explorer 8개의카테고리로구성되어있으며, 데이터베이스의폴더역할을하는 subset ( 혹은 subbase) 을생성하여데이터를조직및관리하게된다. 클릭! DNA/RNA Molecules : feature map의데이터
Database Search 편 * Database Explorer 8개의카테고리로구성되어있으며, 데이터베이스의폴더역할을하는 subset ( 혹은 subbase) 을생성하여데이터를조직및관리하게된다. 클릭! DNA/RNA Molecules : feature map의데이터정보를 annotation하고, 다른소스로부터가져온데이터를 VectorNTI 내부포맷으로저장시킨다.
클라우드사회과학연구자동화 사용자매뉴얼 http://ssra.or.kr 알림 목 차 1. 클라우드사회과학자동화란? 1. 1 목적및의의 1) 교육심리학용어사전 (2000) - 8 - 1. 2 주요기능및특징 설문지작성자동화 - 9 - 자료수집자동화 통계분석자동화 - 10 - - 11 - 2. 클라우드사회과학연구자동화시작하기 2.2 시작하기 2.2 절차및지원기능
<4D F736F F F696E74202D20C4C4C8B031B1DEC7CAB1E22DC0FCC3BCB1B3C0E72D D3133B3E232C8B8B1EEC1F6202D20BAB9BBE7BABB2E707074>
[ 엑셀총정리 (3)] 구분 주요 정보 ISBLANK, ISERROR, CELL, ISERR, ISEVEN, ISLOGICAL, ISNONTEXT, ISNUMBER, ISODD, ISTEXT, N, TYPE 데이터베이스 DSUM, DAVERAGE, DCOUNT, DCOUNTA, DMAX, DMIN, DVAR, DSTEDEV, DGET, DPRODUCT VLOOKUP,
<4D F736F F D D31312D30312D53572D30312DBBE7BFEBC0DABCB3B8EDBCAD5FBFDCBACEB9E8C6F7BFEB2E646F63>
SAM4S Printer Driver Installer 달리명시하지않은한, 인쇄또는복사된문서는통제하지않는문서임 목 차 1. 1. WINDOWS DRIVER INSTALLER 설치 설치...... 2 2. 프린터추가...... 5 3. 프린터제거...... 19 4. 프린터추가 / 제거선택...... 21 5. 프로그램추가 / 제거...... 21 SHC- 11-01-
<4D6963726F736F667420506F776572506F696E74202D20283135313132372931312EBCADBAF1BDBABDC3BCB3C0C720C0D4C1F6BCB1C1A4205BC8A3C8AF20B8F0B5E55D>
서비스기업 운영관리론 Start Your Global Business With Asadal 1 서비스 시설의 입지선정 서강대학교 경영대학 경영전문대학원 교수 서창적 서비스 시설의 유형 Start Your Global Business With Asadal 2 준제조형 서비스 목표 : 네트워크의 물류비용의 최소화 예) 창고, 콜센터 배달 서비스 목표 : 지리적
Microsoft Word - PLC제어응용-2차시.doc
과정명 PLC 제어응용차시명 2 차시. 접점명령 학습목표 1. 연산개시명령 (LOAD, LOAD NOT) 에대하여설명할수있다. 2. 직렬접속명령 (AND, AND NOT) 에대하여설명할수있다. 3. 병렬접속명령 (OR, OR NOT) 에대하여설명할수있다. 4.PLC의접점명령을가지고간단한프로그램을작성할수있다. 학습내용 1. 연산개시명령 1) 연산개시명령 (LOAD,
Microsoft PowerPoint - MDA DA pptx
판별분석개념 Indvdual Drected Technque 측정변수 ( 항목 ) 에의한개체분류 분류되어있는집단간의차이를의미있게설명해줄수있는독립변수들을찾아내어 변수의선형결합으로판별식 (Dscrmnant functon) 을만들어낸다. 이판별식을이용하여분류하고자하는개체의집단을판별 데이터유형 집단변수 : 범주형혹은이진형 판별변수 : 측정형 ( 등간척도포함 ) 사례
이 장에서 사용되는 MATLAB 명령어들은 비교적 복잡하므로 MATLAB 창에서 명령어를 직접 입력하지 않고 확장자가 m 인 text 파일을 작성하여 실행을 한다
이장에서사용되는 MATLAB 명령어들은비교적복잡하므로 MATLAB 창에서명령어를직접입력하지않고확장자가 m 인 text 파일을작성하여실행을한다. 즉, test.m 과같은 text 파일을만들어서 MATLAB 프로그램을작성한후실행을한다. 이와같이하면길고복잡한 MATLAB 프로그램을작성하여실행할수있고, 오류가발생하거나수정이필요한경우손쉽게수정하여실행할수있는장점이있으며,
NTD36HD Manual
Upnp 사용 D7 은 UPNP 를지원하여 D7 의네크워크에연결된 UPNP 기기에별다른설정없이연결하여, 유무선으로네트워크상의연결된 UPNP 기기의콘텐츠를재생할수있습니다. TV 화면의 브라우저, UPNP 를선택하면연결가능한 UPNP 기기가표시됩니다. 주의 - UPNP 기능사용시연결된 UPNP 기기의성능에따라서재생되지않는콘텐츠가있을수있습니다. NFS 사용 D7
Microsoft PowerPoint - chap06-2pointer.ppt
2010-1 학기프로그래밍입문 (1) chapter 06-2 참고자료 포인터 박종혁 Tel: 970-6702 Email: jhpark1@snut.ac.kr 한빛미디어 출처 : 뇌를자극하는 C프로그래밍, 한빛미디어 -1- 포인터의정의와사용 변수를선언하는것은메모리에기억공간을할당하는것이며할당된이후에는변수명으로그기억공간을사용한다. 할당된기억공간을사용하는방법에는변수명외에메모리의실제주소값을사용하는것이다.
슬라이드 1
Subclipse 1. 도구개요 2. 설치및실행 3. 주요기능 4. 활용예제 1. 도구개요 도구명 Subclipse (http://subclipse.tigris.org/) 라이선스 Eclipse Public License v1.0 소개 Subversion( 이하 svn) 용 Eclipse 플러그인 SVN 을만든 Tigris.org 에서만든클라이언트툴 Java
Microsoft Word - Armjtag_문서1.doc
ARM JTAG (wiggler 호환 ) 사용방법 ( IAR EWARM 에서 ARM-JTAG 로 Debugging 하기 ) Test Board : AT91SAM7S256 IAR EWARM : Kickstart for ARM ARM-JTAG : ver 1.0 ( 씨링크테크 ) 1. IAR EWARM (Kickstart for ARM) 설치 2. Macraigor
PowerPoint 프레젠테이션
Copyright NICE Information Service all rights reserved. OneClick 4.0 사용자매뉴얼 Copyright NICE Information Service all rights reserved. Copyright NICE Information Service all rights reserved.... 4. 제출가능서류