Chapter 11 비모수 및 무분포통계학

Size: px
Start display at page:

Download "Chapter 11 비모수 및 무분포통계학"

Transcription

1 Chapter 12 비모수통계학 (nonparametric analysis) 2017/6/5

2 9.1 머리말 (introduction) 모수적방법 모집단의분포를가정 그분포는모수의함수 모수를알면분포를완전히안다. 모수의추정과검정이주요문제 모집단의분포가정이틀리면전체논리가다틀리게된다. Parametric approach * assumes dist n of the pop * dist n is the function of the parameters * Characteristics of the pop is determined by the parameters * Estimation and testing of the parameters are main problems * If the parametric assumptions are not valid, all the results of the analysis are questionable.

3 9.1 머리말 (introduction) 비모수적방법 ; * 모집단의분포를가정하지않음 ( 무분포방법 ) * data 의순위를사용 * 모수가정이합리적인경우모수적방법이훨씬더효과적 (efficient) Nonparametric approach * does not assumes the distributions of the pop (distribution-free method) * uses order of the data * If the parametric assumes are valid then parametric method is more efficient (smaller variance, less p- value)

4 data mean median 1,2,3,4, ,2,3,4,5, Median is robust to the outliers comparing to mean. (<-> sensitive) median is the same if 100 -> Nonparametric methods typically uses order of the data, not the value of the data.

5 Parametric vs. nonparametric methods 비모수적방법은자료의 ( 정규성 ) 분포가정을하지않는다 Nonparametric methods are not dependent on parametric distributions. 자료의평균과분산이아닌순위를이용한방법을사용한다. It typically uses ranks rather than the mean and variance. 자료의분포가정 (eg 정규성 ) 이만족되면효율이떨어진다. If the distributional assumptions are valid, then nonparametric methods are less efficient (larger variance) Robust 한결과를준다. (outlier 에둔감 ) It is robust (not sensitive) to outliers

6 12.2 측정척도 (measurement scale) 명목척도 (Nominal Scale) 남자, 여자, (male, female) 서울, 부산 (NY, LA) 서열척도 (Ordinal Scale) 上, 中, 下 (high, medium, low) 구간척도 (Interval Scale) 서열도의미, 절대적차이도의미 비척도 (Ratio Scale) 비율도의미

7 12.3 부호검정 (Sign Test) Ex 학생번호 (No) 점수 (Score) 학생번호 (No) 점수 (Score) 가설 Ho : 중위수 (Median)=102, Ha : 중위수 (Median) 102

8 Scores above(+) or below(-) the hypothesized median (103) 학생번호 관측값 Decision rule H A H A H A :P(+)>P(-)=Median>102 : enough # of + s -> Reject :P(+)<P(-)=Median<102: enough # of - s -> Reject :P(+) P(-)=Median 102: enough # of + or - s -> Reject H 0 H 0 H 0 Ex 에서 H :( 중위수 =102) H : P(+) P(-) 0 A # of + s out of 15 under ~ Bin(15,1/2)

9 Test statistic P k 6 15,0.5 = = We cannot reject Ho [ 짝비교를위한부호검정 ] 짝지은관측값들의차이의 + 혹은 여부를사용함. We may apply Sign test for paired observations (like paired t- test)

10 data sign; input score datalines; ; run; proc univariate mu0=102 ; run; 2-sided 1-sided=.6072/2 =.3036

11 Ex ( 쌍을이룬집단비교 ) paired data instructed Dental Hygiene Score 점수 id 양치질교육을받은사람 (X i ) 양치질교육을받지않은사람 (Y i ) Not-instructed Hypothesis H 0 H A : median of the difference is P(+)=P(-) : median of the difference is negative P(+) < P(-)

12 Test statistic : # of (+) id X i Y i P k 2 11, p = 0.5 = 2 r=0 0.5 r r r pbinom(2,11,0.5)=0.0327< > α = 0.05에서영가설을기각한다. (Reject Ho) [ 오른쪽부호검정 ] (Sign Test Using right tail) [ 표본의크기 ] (Sample size)

13 data pair; input edu noedu ; diff=noedu-edu ; datalines; ;run; proc univariate ; var diff ; run; 2-sided 1-sided=.0654/2 =.03275

14 12.4 Wilcoxon 의위치에대한부호순위검정 (Wilcoxon s signed rank test) 관측값 (obs) d i = x i d i 의순서 d i 의순서와부호의곱 W + = 86, W = 34, W = 52 Ho: mean=5.50, Ha: Mean 5.50 Test stat: W= W + + W = 52 Reject Ho if W is too large or too small >wilcox.test(c(4.90,4.1,6.73,7.27,7.42,7.5,6.76,4.64, 5.98,3.14,3.24,5.8,6.17,5.39, 5.78), mu=5.05) p- 값은

15 12.5 중위수검정법 (Median Test) H 0 : 중위수 ( 농촌 )= 중위수 ( 도시 ) Median(rural)=Median(urban) Mental health score urban rural urban rural # >= Median # < Median urban rural 도시 시골 합계 중위수보다큰값의수 중위수보다작은값의수 합계

16 H 0 하에서는 2ⅹ2분할표의 row와 column이독립 Row and column are independent under Ho 2 n( ad bc ) ( a c)( b d )( a b)( c d) = 따라서 p 0.10 Do not reject 두집단의중위수는동일하다. 2 H 0 Medians of two groups are not different.

17 12.6 Mann-Whitney test 가정 : 두집단의 sample size 가각각 n, m 일때 1 독립적이고확률적으로뽑았다. 2 서열적이다. 3 두집단은같은분포이고, 중위수만다르다. Assumptions: samples are n, m, respectively. 1 sampled independently and randomly. 2 ordinal scale. 3 different only by the medians. Shapes are exactly the same

18 Ex 몸무게 (Weight) Group 1 (X) Group 2 (Y) 그룹 1 의모중위수가그룹 2 의모중위수보다작다고할수있나? Is population median of group 1 is smaller than that of group 2? H 0 M X M Y vs H A M X < M Y

19 rank rank 그룹 1 순서 그룹 2 순서 Total Rank sum of X m m + 1 U = W = = Rule: Reject Ho if U is small enough. p-value=0.14 Evidence is not enough to reject Ho.

20 install.packages('coin') > library(coin) > xx<c(252,240,205,200,170,170,320,148,214,185,310,212,238,184,136,200,27 0) > yy<c(254,164,288,138,240,217,240,302,312,254,164,288,138,240,217,240,30 2,312) > dat<-data.frame(val=c(xx,yy),group=factor(rep(1:2,c(17,18))) ) > wilcox_test(val~group,data=dat,distribution = 'exact') Exact Wilcoxon-Mann-Whitney Test data: val by group (1, 2) Z = , p-value = alternative hypothesis: true mu is not equal to 0

21 11.6 Kolmogorov-Smirnov (K-S) goodness-of-fit test Are cumulative dist ns the same? Are dist ns of two pops the same? H : F ( x) F ( x) 0 S T H : F ( x) F ( x) A S T Fˆ ( x ) : 표본누적분포함수 Pr( x x ) S F ( x ) : 모집단누적분포함수 Pr( X x ) T S T sample cumulative dist n ft (pop) Cumulative dist n ft 검정통계량 (test stat) D sup F ˆ ( x ) F ˆ ( x ) x S T

22 계산방법, 보기 공복시혈당량이정규분포를따르는가? Glucose level ~ normal dist n? x 도수누적도수 F S (x) 합계 36

23 x F S x F T (x) F S x F T (x) x z = (x 80) 6 F T (x) [67,72) [72,75) [75,76) [76,77) [77,78) [78,80) [80,83) [83,84) [84,86) [86,87) [87,92) [92, ) D= < 0.221

24 경고메시지 ( 들 ): In ks.test(xx, "pnorm", mean = 80, sd = 6) : Kolmogorov-Smirnov 테스트를이용할때는 ties 가있으면안됩니다 > 근사적인 p- 값을사용한다. > xx<-c(75,92,80,80,83,72,83,77,81,77,75,81,80,92,72,77,78,76,77,86,77,92,80,78, + 67,78,92,67,80,81,87,76,80,87,77,86) > ks.test(xx,'pnorm',mean=80,sd=6) One-sample Kolmogorov-Smirnov test data: xx D = , p-value = alternative hypothesis: two-sided

25 12.8 Kruskal-Wallis One-way ANOVA7 가정 H 0 : k 개의집단은같은분포에서나왔다. H A : 적어도하나의집단은다른집단과다른분포 ( 큰값혹은작은값 ) 에서나왔다. Assumptions H 0 : k samples from the same distributions H A : one or more sample from distribution with larger or smaller location parameter

26 H 0 하에서는각집단에서의순위합들은비슷하다. R, R,, R 1 2 k 원래는 R R 2 i 의형태이고 i 값들이비슷하면 R R 2 i 값이작아지므로 Ho를 reject 못한다. rank-sums R, R,, R are similar under Ho 1 2 k If Ri s are similar then R R 2 i are small -> H is small, we cannot reject Ho R

27 보기 Rj H 3( n 1) ~ n( n 1) n Original values 반응값 A B C j 2 k 1 Ordered values 반응값 A B C H = (16) P<0.009 Page = 9.14

28 > xx<c(12.01,3.67,55.63,29.44,4.05,27.88,28.02,6.49,66.81,38.33,21.12,46.27,55.91,1.11,31.19) > dat<-data.frame(val=xx,group=factor(rep(1:3,5))) > kruskal.test(val~group,data=dat) Asymptotic Kruskal-Wallis Test data: val by group (1, 2, 3) chi-squared = 9.14, df = 2, p-value =

29 Ex Treatment cost by drug type per bed by hospital type Drug type A B C D E 17.38(11) 52.59(35) 27.87(20) 34.55(26) 60.77(40) 15.20(2) 44.55(28) 24.00(12) 31.15(22) 59.99(38) 14.76(1) 44.80(29) 26.55(16) 30.50(21) 58.94(37) 16.88(7) 43.25(27) 25.00(13) 31.25(23) 57.05(36) 17.02(10) 50.75(32) 27.55(19) 32.75(24) 60.50(39) 26.67(17) 52.25(34) 25.92(14) 33.00(25) 61.50(41) 15.75(4) 46.13(30) 26.01(15) 27.30(18) 51.10(33) 16.02(5) 48.87(31) 16.48(6) 15.30(3) 17.00(9) 16.98(8) R 1 =68 R 2 =246 R 3 =124 R 4 =159 R 5 =264 H = 12 41(41 + 1) = pchisq(36.39,4,lower=f)=

30 > val<c(17.38,15.20,14.76,16.88,17.02,26.67,15.75,16.02,15.30,16.98,52.59,44.55,44.80,43.25, 50.75, 52.25,46.13,48.87,27.87,24.00,26.55,25.00,27.55,25.92,26.01,16.48,17.00,34.55,31.15,30.50,31.25,32.75,33.00,27.30,60.77,59.99,58.94,57.05,60.50,61.50,51.10) > group<-factor(rep(c('a','b','c','d','e'),c(10,8,9,7,7))) > dat<-data.frame(val,group) > kruskal.test(val~group,data=dat) Kruskal-Wallis rank sum test data: val by group Kruskal-Wallis chi-squared = , df = 4, p-value = 2.401e-07

31 Ex Friedman s 2-way ANOVA Physical therapists ranks of three low-volt electrical simulators Therapist Medical device 의료기기 물리치료사 A B C R j H 0 : 3 가지의료기기의성능은동일하다. (Three devices are equivalent) H A : 적어도하나의의료기기성능은다르다. (They are not equivalent)

32 X 2 12 r = [ ] 3(9)(3 + 1) = [ 표 B(a)]-> p= 유의수준 0.05에서영가설기각 (Reject Ho) > val<-c(2,3,1,2,3,1,2,3,1,1,3,2,3,2,1,1,2,3,2,3,1,1,3,2,1,3,2) > group<-factor(rep(1:3,9)) > id<-factor(rep(1:9,each=3)) > friedman.test(val,group,id) Friedman rank sum test data: val, group and id Friedman chi-squared = , df = 2, p-value =

33 12.10 Spearman rank correlation coefficient 양측검정 H 0 : X 와 Y 는서로독립적이다. H A : X 와 Y 는독립적이아니다. 단측검정 H 0 : X 와 Y 는서로독립적이다. H A : X 와 Y 는정비례 H 0 : X 와 Y 는서로독립적이다. H A : X 와 Y 는반비례 2-sided H 0 : X and Y are indep. H A : X and Y are not indep. 1-sided H 0 : X and Y are indep. H A : X and Y: + association H 0 : X and Y are indep. H A : X and Y: - association

34 Ex 식별번호 X Y 식별변호 X Y 식별번호 순서 (X) 순서 (Y) d 2 i =246.5 d i d i 2

35 가설검정의순서 1 X,Y 따로순위를준다. 2 d = i 순위 (x )- i 순위 (Y ) i 3 을구한다. d 2 i r s = 1 6 d i 2 =0.697 > n(n 2 1) (table C) 2 steps 1 rank X, Y seperately. 2 d =rank(x i )-rank(y i ) i 3 calculate d 2 i 반비례의관계가있다면 d i 가커지고 r s 가작아진다. 2 비례의관계가있다면 d i 가작아지고 r s 가커진다. -> 충분히큰 r s -> 두변수가독립이라는귀무가설을기각함 negative association -> large positive association -> small d 2 i d 2 i -> small r s -> large r s r s is large enough -> reject H 0 : independence We conclude positive association between X and Y

36 Ex (n>30 일경우 ) 식별번호 나이 (X) 무기질농도 (Y) 식별번호 나이 (X) 무기질농도 (Y)

37 Ex (n>30 일경우 ) 식별번호 순서 (X) 순서 (Y) d i 2 d i 식별번호 순서 (X) 순서 (Y) d i 2 d i d 2 i = r s 0.75 Z r n S reject H 0 Z가너무크거나 ( 반비례관계 ) Z가너무작거나 ( 비례관계 ) larger Z (- asso) smaller Z(+asso) larger smaller if Z Z then reject H d 2 i d i 2 d i 2 d i 들이크고들이작고

38 12.11 비모수회귀분석 (non-parametric regression) Ex [Theil s method] β = median S 12,, S n 1,n, S ij = y j y i / x j x i, S 12 = = 테스토스테론 (Y) 구연산 (X) 절편의추정 (Estimating intercept ) β = median y 1 β 1 x 1,, y n β 1 x n β = median mean y 1 β 1 x 1, y 2 β 1 x 2, mean y

39 Mod20.sas /* File name : mod20.sas Nonparametric One-Way Anova */ options pageno=1 nodate ls=130 ps=60 nocenter; filename inbrakes 'd:\myweb\intro\taillite.dat'; data one; infile inbrakes ; input id vehtype group positn speedzn resptime follotme folltmec; if group=1; label vehtype='vehicle Type' group='group - Light On=1 Light Off=2' positn='light Position' speedzn='speed Zone' resptime='response Time' follotme='following Time in Vedio Frames' folltmec='following Time in Categories ; run; proc sort; by vehtype; /* Let's do one-way ANOVA to see the effect of vehicle type */ proc anova; class vehtype; model resptime=vehtype; title 'Parametric ANOVA analysis'; run; /* What's wrong with this? We didn't check the normality assumption. Let's do proc univariate to check the normality*/ proc univariate normal plot; var resptime; by vehtype; title 'Normality Check'; run;

40 /* NOT NORMALLY DISTRIBUTED >> NONPARAMETRIC ANOVA */ proc npar1way wilcoxon; class vehtype; var resptime ; title 'Nonpara One-Way ANOVA for Tail Light Study'; run; /* The other way is transformation. Let's take log transformation so that we have normal distribition.*/ data t; set one; t=log(resptime); label t='ln (response time)'; run; proc sort; by vehtype; proc univariate normal plot; var t; by vehtype; title 'Normality Check for transformed variable'; run; /* The transformed variable seems to normally ditributed. */ Then we can do parametric ANOVA with normality assumption proc anova; class vehtype; model t=vehtype; title 'ANOVA for the log transformed response time'; run;

41 Nonpapametric Smoothing (1) Smoothing Consider X Y plot. Draw a regression line which requires no parametric as sumptions The regression line is not linear The regression line is totally dependent on the data Two components of smoothing Kernal function : How to calculate weighted mean Bandwidth : width of the window (span), determines the smoothness of the regression line; wider > smoother

42 Nonpapametric Smoothing (2) Uniform Kernel

43 Nonpapametric Smoothing (3) Triangular Kernel

44 Nonpapametric Smoothing (4) Normal Kernel

45 Nonpapametric Smoothing (5) Default Lowess line : Span=0.5

46 Nonpapametric Smoothing (6) Lowess line : Span=0.2

47 Nonpapametric Smoothing (7) Lowess line : Span=0.1

48 data A; input x datalines; ; title "sm45 spline smoother"; proc gplot data=a; plot y*x; symbol1 interpol=sm45 value=circle height=2; /* note that x is sorted */ run; title "sm70 spline smoother"; proc gplot data=a; plot y*x; symbol1 interpol=sm70 value=circle height=2; /* note that x is sorted */ run; title "sm20 spline smoother"; proc gplot data=a; plot y*x; symbol1 interpol=sm20 value=circle height=2; /* note that x is sorted */ run;

49 require(graphics) plot(cars, main = "lowess(cars)") lines(lowess(cars), col = 2) lines(lowess(cars, f =.2), col = 3) legend(5, 120, c(paste("f = ", c("2/3", ".2"))), lty = 1, col = 2:3)

50 data<- read.csv(" sep=",") head(data) data$date=as.date(data$date) sl <-subset(data, ccode==11 ) boxplot(meanpm10~yy, ylab=expression(pm[10]), axes=t, data=sl) plot(sl$date,sl$meanpm10, ylab=expression(pm[10]), xaxt='n', cex=0.6) x.at<-seq(as.date(" "), as.date(" "),"year") xname<-c("' ","' ", "' ", "' ", "' ", "' ", "' ", "' ") axis(side=1, at=x.at, labels=xname) table(is.na(sl$meanpm10)) which(is.na(sl$meanpm10)) sl[829,"meanpm10"]<-(sl[828,"meanpm10"]+ sl[830,"meanpm10"])/2 sl[829,"meanpm10"] plot(sl$date, sl$meanpm10, ylab=expression(pm[10]),xlab="date",main="(a)f=.1", xaxt='n', cex=0.6) lines(lowess(sl$date, sl$meanpm10, f=0.1), col="red", lwd=2) axis(side=1, at=x.at, labels=xname) plot(sl$date, sl$meanpm10, ylab=expression(pm[10]),xlab="date",main="(b)f=.05", xaxt='n', cex=0.6) lines(lowess(sl$date, sl$meanpm10, f=0.05), col="red", lwd=2) axis(side=1, at=x.at, labels=xname) plot(sl$date, sl$meanpm10, ylab=expression(pm[10]),xlab="date",main="(c)f=.5", xaxt='n', cex=0.6) lines(lowess(sl$date, sl$meanpm10, f=0.5), col="red", lwd=2) axis(side=1, at=x.at, labels=xname) par(mfrow=c(3,1))

G Power

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

More information

R t-..

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)

More information

Y 1 Y β α β Independence p qp pq q if X and Y are independent then E(XY)=E(X)*E(Y) so Cov(X,Y) = 0 Covariance can be a measure of departure from independence q Conditional Probability if A and B are

More information

nonpara1.PDF

nonpara1.PDF Chapter 1 Introduction 1 Introduction (parameter) (assumption) (rank), (median) p-value distribution free, assumption free, statistical inference based on ranks 11 Nonparametric? John Arbuthnot (1710)

More information

자료의 이해 및 분석

자료의 이해 및 분석 어떤실험이나치료의효과를측정할때독립이아닌표본으로부터관찰치를얻었을때처리하는방법 - 동일한개체에어떤처리를하기전과후의자료를얻을때 - 가능한동일한특성을갖는두개의개체에서로다른처리를하여그처리의효과를비교하는방법 (matching) 1 예제 : 혈청 cholesterol 치를줄이기위해서 12 명을대상으로운동과함께식이요법의효과를 측정하기위한실험실시 2 식이요법 - 운동실험전과후의

More information

(Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern (Micro- Environment) Re

(Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern (Micro- Environment) Re EMF Health Effect 2003 10 20 21-29 2-10 - - ( ) area spot measurement - - 1 (Exposure) Exposure (Exposure Assesment) EMF Unknown to mechanism Health Effect (Effect) Unknown to mechanism Behavior pattern

More information

Chapter 분포와 도수분석

Chapter 분포와 도수분석 2 χ Chapter 10 분포와도수분석 Chi-square dist n & the analysis of frequencies 2014/5/22 2 χ 10.2 분포의수리적특징 2 χ 의정의 (definition) Z,, Z ~ independent N(0,1) 1 n n i = 1 Z ~ χ 2 2 i n Y µ 2 eg.. Z = i Y ~ N( µσ,

More information

methods.hwp

methods.hwp 1. 교과목 개요 심리학 연구에 기저하는 기본 원리들을 이해하고, 다양한 심리학 연구설계(실험 및 비실험 설계)를 학습하여, 독립된 연구자로서의 기본적인 연구 설계 및 통계 분석능력을 함양한다. 2. 강의 목표 심리학 연구자로서 갖추어야 할 기본적인 지식들을 익힘을 목적으로 한다. 3. 강의 방법 강의, 토론, 조별 발표 4. 평가방법 중간고사 35%, 기말고사

More information

Chapter 7 분산분석

Chapter 7 분산분석 Chapter 7 분산분석 (ANalysis Of VAariance, ANOVA) 2014/4/29 7.1 머리말 (Introduction) 분산분석 (analysis of variance) : 전체변동을몇개의성분으로분할하는기법 (Divide total variation into several components) 전체변동에대해각각의변동요인의기여규모를파악 (contribution

More information

자료의 이해 및 분석

자료의 이해 및 분석 7. 평균치비교 1 두집단간평균차이검정 2 연속형변수 Interval scale( 간격척도 ) : 20 C, 30 C,, 변수간의가감가능 Ratio scale( 비척도 ) : 12, 13세, 변수간의가감승제모두가능 범주형자료로변환하여다양한분석가능 ( 연령 10 대, 20 대, 30 대.) 3 범주형자료의기술 분할표 (Contingency table) : 범주형자료를각변수별값의

More information

슬라이드 1

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

More information

012임수진

012임수진 Received : 2012. 11. 27 Reviewed : 2012. 12. 10 Accepted : 2012. 12. 12 A Clinical Study on Effect of Electro-acupuncture Treatment for Low Back Pain and Radicular Pain in Patients Diagnosed with Lumbar

More information

Chapter 7 분산분석

Chapter 7 분산분석 Chapter 8 실험계획및분산분석 (ANalysis Of VAariance, ANOVA) Updated 2018/4/30 7.1 머리말 (Introduction) 분산분석 (analysis of variance) : 전체변동을몇개의성분으로분할하는기법 (Divide total variation into several components) 전체변동에대해각각의변동요인의기여규모를파악

More information

<31372DB9DABAB4C8A32E687770>

<31372DB9DABAB4C8A32E687770> 김경환 박병호 충북대학교 도시공학과 (2010. 5. 27. 접수 / 2011. 11. 23. 채택) Developing the Traffic Severity by Type Kyung-Hwan Kim Byung Ho Park Department of Urban Engineering, Chungbuk National University (Received May

More information

Microsoft PowerPoint - ch03ysk2012.ppt [호환 모드]

Microsoft PowerPoint - ch03ysk2012.ppt [호환 모드] 전자회로 Ch3 iode Models and Circuits 김영석 충북대학교전자정보대학 2012.3.1 Email: kimys@cbu.ac.kr k Ch3-1 Ch3 iode Models and Circuits 3.1 Ideal iode 3.2 PN Junction as a iode 3.4 Large Signal and Small-Signal Operation

More information

SAS를 이용한 자료의 탐색

SAS를 이용한 자료의 탐색 임상연구에서흔히사용 하는의학통계의실제 김호 서울대학교보건대학원 Outline 통계적가설검정의기본개념들 가설검정, 통계적오류, 검정력및표본수 연속형자료에서의통계분석 T-test, ANOVA, 회귀분석 ( 단순회귀, 중회귀 ) 범주형자료에서의통계분석 카이제곱검정, 로지스틱회귀분석 유전자형자료분석의기본개념 기본개념들 모집단과표본 ( 모수 ) p-value 통계적검정력과표본수계산

More information

untitled

untitled Math. Statistics: Statistics? 1 What is Statistics? 1. (collection), (summarization), (analyzing), (presentation) (information) (statistics).., Survey, :, : : QC, 6-sigma, Data Mining(CRM) (Econometrics)

More information

abstract.dvi

abstract.dvi 통계자료분석 강희모 2014년 5월 14일 목차 제 1장 여러가지평균비교 1 1.1. 단일표본검정.............................. 2 1.2. 독립인두표본검정........................... 4 1.3. 대응표본검정.............................. 9 제 2 장 분산분석(ANalysis Of VAriance)

More information

기관고유연구사업결과보고

기관고유연구사업결과보고 기관고유연구사업결과보고 작성요령 2001 ~ 2004 2005 ~ 2007 2008 ~ 2010 2001 ~ 2004 2005 ~ 2007 2008 ~ 2010 1 2/3 2 1 0 2 3 52 0 31 83 12 6 3 21 593 404 304 1,301 4 3 1 8 159 191 116 466 6 11 (`1: (1: 16 33 44 106

More information

모수검정을위한가정 1 종속변수가양적변수이어야함 2 모집단분포가정규분포 3 등분산가정 (equal variance assumption) 이충족되어야함 error term or residual = 이들가정은약자로 NID (0, σ 2 ) 로표현 : Normally, Ind

모수검정을위한가정 1 종속변수가양적변수이어야함 2 모집단분포가정규분포 3 등분산가정 (equal variance assumption) 이충족되어야함 error term or residual = 이들가정은약자로 NID (0, σ 2 ) 로표현 : Normally, Ind 강의 5 추리통계를위한가설검정 : 모수, 비모수통계선택 6. 모수 - 비모수통계선택과정 표본평균차이검정방법 - 1 - 모수검정을위한가정 1 종속변수가양적변수이어야함 2 모집단분포가정규분포 3 등분산가정 (equal variance assumption) 이충족되어야함 error term or residual = 이들가정은약자로 NID (0, σ 2 ) 로표현

More information

모수검정과비모수검정 제 6 강 지리통계학

모수검정과비모수검정 제 6 강 지리통계학 모수검정과비모수검정 제 6 강 지리통계학 통계적추정의목적 연구자가주장하는연구가설을입증하기위한것 1 연구목적에맞는연구가설을설정 2 연구목적과수집된자료에부합되는적절한통계적검정방법을선택 3 귀무가설과연구가설 ( 대립가설 ) 을진술 4 유의수준을결정한후각분포유형에따라분포표를이용하여임계치를구하고기각역을설정 5 통계적검정유형에필요한통계량을각검정유형의공식을이용하여계산 6

More information

연속형 자료분석 R commander 예제

연속형 자료분석 R commander 예제 R commander 를 이용핚통계처리소개 : 사용자편의성이강화된무료의고급통계프로그램 김호 서울대학교보건대학원 Useful sites R is a free software with powerful tools The Comprehensive R Archives Network http://cran.r-project.org/ -> Windows -> base ->

More information

untitled

untitled 5.8 PROC UNIVARIATE (hitogram, tem and leaf plot, box-whiker plot), (p- ). Univariate( ).. NORMAL (Shapiro- Wilk Kolmogorov-Smirno D- OUTPUT( SAS ). PROC MEANS PROC MEANS. (moment) E( X ). k Sehyug Kwon,

More information

Chapter 8 단순선형회귀분석과 상관분석

Chapter 8 단순선형회귀분석과 상관분석 Chapter 9 회귀모형 regression analysis 9.1 머리말 (Intro) Sir Francis Galton (18-1911) s studies on genetics Heights of parents and children: 부모의신장에비해 세의신장이일반평균치에복귀 (revert to the pop mean) 하는특성을발견하였다. 복귀 (revert)

More information

<4D F736F F F696E74202D20BECBB7B9B8A3B1E2C7D0C8B C0CEBBF3BFACB1B8BFA1BCADC8E7C8F7BBE7BFEBB5C7B4C22E707074>

<4D F736F F F696E74202D20BECBB7B9B8A3B1E2C7D0C8B C0CEBBF3BFACB1B8BFA1BCADC8E7C8F7BBE7BFEBB5C7B4C22E707074> 임상연구에서흔히사용 하는의학통계의실제 김호서울대학교보건대학원미래세대를위한교육강좌 2007/6/17 Outline 통계적가설검정의기본개념들 가설검정, 통계적오류, 검정력및표본수 연속형자료에서의통계분석 T-test, ANOVA, 회귀분석 ( 단순회귀, 중회귀 ) 범주형자료에서의통계분석 카이제곱검정, 로지스틱회귀분석 유전자형자료분석의기본개념 기본개념들 모집단과표본

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA The e-business Studies Volume 17, Number 4, August, 30, 2016:319~332 Received: 2016/07/28, Accepted: 2016/08/28 Revised: 2016/08/27, Published: 2016/08/30 [ABSTRACT] This paper examined what determina

More information

- iii - - i - - ii - - iii - 국문요약 종합병원남자간호사가지각하는조직공정성 사회정체성과 조직시민행동과의관계 - iv - - v - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - α α α α - 15 - α α α α α α

More information

ANOVA 란? ANalysis Of VAriance Ø 3개이상의모집단의평균의차이를검정하는방법 Ø 3개의모집단일경우 H0 : μ1 = μ2 = μ3 H0기각 : μ1 μ2 = μ3 or μ1 = μ2 μ3 or μ1 μ2 μ3 àpost hoc test 수행

ANOVA 란? ANalysis Of VAriance Ø 3개이상의모집단의평균의차이를검정하는방법 Ø 3개의모집단일경우 H0 : μ1 = μ2 = μ3 H0기각 : μ1 μ2 = μ3 or μ1 = μ2 μ3 or μ1 μ2 μ3 àpost hoc test 수행 Ch4 one-way ANOVA ANOVA 란? ANalysis Of VAriance Ø 3개이상의모집단의평균의차이를검정하는방법 Ø 3개의모집단일경우 H0 : μ1 = μ2 = μ3 H0기각 : μ1 μ2 = μ3 or μ1 = μ2 μ3 or μ1 μ2 μ3 àpost hoc test 수행 One-way ANOVA 란? Group Sex pvas NSAID

More information

λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z)

λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z) λx.x (λz.λx.x z) (λx.x)(λz.(λx.x)z) (λz.(λx.x) z) Call-by Name. Normal Order. (λz.z) Simple Type System - - 1+malloc(), {x:=1,y:=2}+2,... (stuck) { } { } ADD σ,m e 1 n 1,M σ,m e 1 σ,m e 2 n 2,M + e 2 n

More information

확률 및 분포

확률 및 분포 확률및분포 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 확률및분포 1 / 15 학습내용 조건부확률막대그래프히스토그램선그래프산점도참고 박창이 ( 서울시립대학교통계학과 ) 확률및분포 2 / 15 조건부확률 I 첫째가딸일때두아이모두딸일확률 (1/2) 과둘중의하나가딸일때둘다딸일확률 (1/3) 에대한모의실험 >>> from collections import

More information

cat_data3.PDF

cat_data3.PDF ( ) IxJ ( 5 0% ) Pearson Fsher s exact test χ, LR Ch-square( G ) x, Odds Rato θ, Ch-square Ch-square (Goodness of ft) Pearson cross moment ( Mantel-Haenszel ), Ph-coeffcent, Gamma (γ ), Kendall τ (bnary)

More information

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,

More information

PowerPoint Presentation

PowerPoint Presentation 09 th Week Correlation Analysis 상관관계분석 Jongseok Lee Business Administration Hallym University 변수형태와통계적분석방법 H 0 : X ㅗ Y H 1 : X ~ Y X Categorical Y Categorical Chi-square Test X Categorical Y Numerical

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA e- 비즈니스연구 (The e-business Studies) Volume 17, Number 1, February, 28, 2016:pp. 293~316 ISSN 1229-9936 (Print), ISSN 2466-1716 (Online) 원고접수일심사 ( 수정 ) 게재확정일 2015. 12. 04 2015. 12. 24 2016. 02. 25 ABSTRACT

More information

공공기관임금프리미엄추계 연구책임자정진호 ( 한국노동연구원선임연구위원 ) 연구원오호영 ( 한국직업능력개발원연구위원 ) 연구보조원강승복 ( 한국노동연구원책임연구원 ) 이연구는국회예산정책처의정책연구용역사업으로 수행된것으로서, 본연구에서제시된의견이나대안등은

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

More information

Microsoft PowerPoint - 기계공학실험1-1MATLAB_개요2D.pptx

Microsoft PowerPoint - 기계공학실험1-1MATLAB_개요2D.pptx 1. MATLAB 개요와 활용 기계공학실험 I 2013년 2학기 MATLAB 시작하기 이장의내용 MATLAB의여러창(window)들의 특성과 목적 기술 스칼라의 산술연산 및 기본 수학함수의 사용. 스칼라 변수들(할당 연산자)의 정의 및 변수들의 사용 방법 스크립트(script) 파일에 대한 소개와 간단한 MATLAB 프로그램의 작성, 저장 및 실행 MATLAB의특징

More information

step 1-1

step 1-1 Written by Dr. In Ku Kim-Marshall STEP BY STEP Korean 1 through 15 Action Verbs Table of Contents Unit 1 The Korean Alphabet, hangeul Unit 2 Korean Sentences with 15 Action Verbs Introduction Review Exercises

More information

Buy one get one with discount promotional strategy

Buy one get one with discount promotional strategy Buy one get one with discount Promotional Strategy Kyong-Kuk Kim, Chi-Ghun Lee and Sunggyun Park ISysE Department, FEG 002079 Contents Introduction Literature Review Model Solution Further research 2 ISysE

More information

4 CD Construct Special Model VI 2 nd Order Model VI 2 Note: Hands-on 1, 2 RC 1 RLC mass-spring-damper 2 2 ζ ω n (rad/sec) 2 ( ζ < 1), 1 (ζ = 1), ( ) 1

4 CD Construct Special Model VI 2 nd Order Model VI 2 Note: Hands-on 1, 2 RC 1 RLC mass-spring-damper 2 2 ζ ω n (rad/sec) 2 ( ζ < 1), 1 (ζ = 1), ( ) 1 : LabVIEW Control Design, Simulation, & System Identification LabVIEW Control Design Toolkit, Simulation Module, System Identification Toolkit 2 (RLC Spring-Mass-Damper) Control Design toolkit LabVIEW

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA e- 비즈니스연구 (The e-business Studies) Volume 17, Number 1, February, 28, 2016:pp. 3~30 ISSN 1229-9936 (Print), ISSN 2466-1716 (Online) 원고접수일심사 ( 수정 ) 게재확정일 2016. 01. 08 2016. 01. 09 2016. 02. 25 ABSTRACT

More information

Chapter4.hwp

Chapter4.hwp Ch. 4. Spectral Density & Correlation 4.1 Energy Spectral Density 4.2 Power Spectral Density 4.3 Time-Averaged Noise Representation 4.4 Correlation Functions 4.5 Properties of Correlation Functions 4.6

More information

Microsoft PowerPoint - chap_11_rep.ppt [호환 모드]

Microsoft PowerPoint - chap_11_rep.ppt [호환 모드] 제 11 강 111 자기상관 Autocorrelation 자기상관의본질 11 유효성 (efficiency, accurate estimation/prediction) 을위해서는모든체계적인정보가회귀모형에체화되어있어야함 표본의무작위성 (randomness) 은서로다른관측치들에대한오차항들이상관되어있지말아야함을의미함 자기상관 (Autocorrelation) 은이러한표본의무작위성을위반하게만드는오차항에있는체계적패턴임

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA The e-business Studies Volume 17, Number 6, December, 30, 2016:3~20 Received: 2016/12/04, Accepted: 2016/12/27 Revised: 2016/12/27, Published: 2016/12/30 [ABSTRACT] This study aims to comprehensively analyze

More information

<4D F736F F D20BDC3B0E8BFADBAD0BCAE20C1A B0AD5FBCF6C1A45FB0E8B7AEB0E6C1A6C7D E646F63>

<4D F736F F D20BDC3B0E8BFADBAD0BCAE20C1A B0AD5FBCF6C1A45FB0E8B7AEB0E6C1A6C7D E646F63> 제 3 강계량경제학 Review Par I. 단순회귀모형 I. 계량경제학 A. 계량경제학 (Economerics 이란? i. 경제적이론이설명하는경제변수들간의관계를경제자료를바탕으로통 계적으로추정 (esimaion 고검정 (es 하는학문 거시소비함수 (Keynse. C=f(Y, 0

More information

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. 귀하는이저작물을영리목적으로이용할 저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,

More information

http://www.kbc.go.kr/pds/2.html Abstract Exploring the Relationship Between the Traditional Media Use and the Internet Use Mee-Eun Kang This study examines the relationship between

More information

Microsoft PowerPoint - IPYYUIHNPGFU

Microsoft PowerPoint - IPYYUIHNPGFU 분산분석 분산분석 (ANOVA: ANALYSIS OF VARIANCE) 두개이상의모집단의차이를검정 예 : 회사에서세종류의기계를설치하여동일한제품을생산하는경우, 각기계의생산량을조사하여평균생산량을비교 독립변수 : 다른변수에의해영향을주는변수 종속변수 : 다른변수에의해영향을받는변수 요인 (Factor): 독립변수 예에서의요인 : 기계의종류 (I, II, III) 요인수준

More information

제장 2 비모수 검정(NONPARAMETRIC ANALYSIS) ③ 연구자는 SPSS 출력결과에서 유의확률을 확인하여 귀무가설(H0 )의 기각, 채택 여부를 결정한다. 예를 들어 연구자가 연구자료의 정규성을 검정하기 위하여 유 의수준을 α = 0.05로 설정하고 SPS

제장 2 비모수 검정(NONPARAMETRIC ANALYSIS) ③ 연구자는 SPSS 출력결과에서 유의확률을 확인하여 귀무가설(H0 )의 기각, 채택 여부를 결정한다. 예를 들어 연구자가 연구자료의 정규성을 검정하기 위하여 유 의수준을 α = 0.05로 설정하고 SPS 제장 비모수 검정(nonparametric analysis) 모집단의 분포를 알 수 없거나 모집단이 정규분포를 따른다고 가정할 수 없는 경우에는 모수적 검정을 사용할 수 없다. 이 경우에 자료의 부호나 순위로 가설 검정을 실시하며 이러한 검정 방법을 비모수 검정이라고 한다. 제절 적합도 검정(goodness of fit test) 주어진 자료가 어떠한 통계적

More information

한국성인에서초기황반변성질환과 연관된위험요인연구

한국성인에서초기황반변성질환과 연관된위험요인연구 한국성인에서초기황반변성질환과 연관된위험요인연구 한국성인에서초기황반변성질환과 연관된위험요인연구 - - i - - i - - ii - - iii - - iv - χ - v - - vi - - 1 - - 2 - - 3 - - 4 - 그림 1. 연구대상자선정도표 - 5 - - 6 - - 7 - - 8 - 그림 2. 연구의틀 χ - 9 - - 10 - - 11 -

More information

OR MS와 응용-03장

OR MS와 응용-03장 o R M s graphical solution algebraic method ellipsoid algorithm Karmarkar 97 George B Dantzig 979 Khachian Karmarkar 98 Karmarkar interior-point algorithm o R 08 gallon 000 000 00 60 g 0g X : : X : : Ms

More information

<C3D6C1BE2DBDC4C7B0C0AFC5EBC7D0C8B8C1F62833322D32C8A3292E687770>

<C3D6C1BE2DBDC4C7B0C0AFC5EBC7D0C8B8C1F62833322D32C8A3292E687770> 유자차 신제품에 대한 소비자 지불의사액 추정 강혜정 최지현 이기웅 유자차 신제품에 대한 소비자 지불의사액 추정 An Analysis on Estimation of Willingness to Pay for the New Products of Citrus Tea Assessed by Korean Consumers 강혜정* 최지현** 이기웅*** 1) Kang,

More information

Slide 1

Slide 1 Clock Jitter Effect for Testing Data Converters Jin-Soo Ko Teradyne 2007. 6. 29. 1 Contents Noise Sources of Testing Converter Calculation of SNR with Clock Jitter Minimum Clock Jitter for Testing N bit

More information

조사연구 권 호 연구논문 한국노동패널조사자료의분석을위한패널가중치산출및사용방안사례연구 A Case Study on Construction and Use of Longitudinal Weights for Korea Labor Income Panel Survey 2)3) a

조사연구 권 호 연구논문 한국노동패널조사자료의분석을위한패널가중치산출및사용방안사례연구 A Case Study on Construction and Use of Longitudinal Weights for Korea Labor Income Panel Survey 2)3) a 조사연구 권 호 연구논문 한국노동패널조사자료의분석을위한패널가중치산출및사용방안사례연구 A Case Study on Construction and Use of Longitudinal Weights for Korea Labor Income Panel Survey 2)3) a) b) 조사연구 주제어 패널조사 횡단면가중치 종단면가중치 선형혼합모형 일반화선형혼 합모형

More information

<C7A5C1F620BEE7BDC4>

<C7A5C1F620BEE7BDC4> 연세대학교 상경대학 경제연구소 Economic Research Institute Yonsei Universit 서울시 서대문구 연세로 50 50 Yonsei-ro, Seodaemun-gS gu, Seoul, Korea TEL: (+82-2) 2123-4065 FAX: (+82- -2) 364-9149 E-mail: yeri4065@yonsei.ac. kr http://yeri.yonsei.ac.kr/new

More information

서론 34 2

서론 34 2 34 2 Journal of the Korean Society of Health Information and Health Statistics Volume 34, Number 2, 2009, pp. 165 176 165 진은희 A Study on Health related Action Rates of Dietary Guidelines and Pattern of

More information

大学4年生の正社員内定要因に関する実証分析

大学4年生の正社員内定要因に関する実証分析 190 2016 JEL Classification Number J24, I21, J20 Key Words JILPT 2011 1 190 Empirical Evidence on the Determinants of Success in Full-Time Job-Search for Japanese University Students By Hiroko ARAKI and

More information

#Ȳ¿ë¼®

#Ȳ¿ë¼® http://www.kbc.go.kr/ A B yk u δ = 2u k 1 = yk u = 0. 659 2nu k = 1 k k 1 n yk k Abstract Web Repertoire and Concentration Rate : Analysing Web Traffic Data Yong - Suk Hwang (Research

More information

- i - - ii - - iii - - iv - - v - - vi - - 1 - - 2 - - 3 - 1) 통계청고시제 2010-150 호 (2010.7.6 개정, 2011.1.1 시행 ) - 4 - 요양급여의적용기준및방법에관한세부사항에따른골밀도검사기준 (2007 년 11 월 1 일시행 ) - 5 - - 6 - - 7 - - 8 - - 9 - - 10 -

More information

歯49손욱.PDF

歯49손욱.PDF 2002 14 C Inventory An Estimation of 14 C Inventory on Each Unit of Wolsong NPP,,, 103-16 14 C 14 C Inventory 14 C Inventory 14 C 14 C, [Inventory] = [ 14 C ] - [ 14 C ] 14 C 14 C 13 C, 14 N 17 O [ 13

More information

?

? 한국감정원부동산연구원이만드는 부동산정책및시장분석전문저널 부동산포커스에수록된내용은필자개인의의견이며, 한국감정원부동산연구원의공식적인견해가아님을밝힙니다. 한국감정원부동산연구원홈페이지 (www.kab.re.kr) 를통해부동산포커스에실린기사및논문을제공하고있습니다. Tel:053)663-8135 Fax:053)663-8149 Tel:053)663-8705 Fax:053)663-8709

More information

09È«¼®¿µ 5~152s

09È«¼®¿µ5~152s Korean Journal of Remote Sensing, Vol.23, No.2, 2007, pp.45~52 Measurement of Backscattering Coefficients of Rice Canopy Using a Ground Polarimetric Scatterometer System Suk-Young Hong*, Jin-Young Hong**,

More information

6자료집최종(6.8))

6자료집최종(6.8)) Chapter 1 05 Chapter 2 51 Chapter 3 99 Chapter 4 151 Chapter 1 Chapter 6 7 Chapter 8 9 Chapter 10 11 Chapter 12 13 Chapter 14 15 Chapter 16 17 Chapter 18 Chapter 19 Chapter 20 21 Chapter 22 23 Chapter

More information

01-07-0.hwp

01-07-0.hwp 선거와 시장경제Ⅱ - 2000 국회의원 선거시장을 중심으로 - 발간사 차 례 표 차례 그림 차례 제1부 시장 메커니즘과 선거시장 Ⅰ. 서 론 Ⅱ. 선거시장의 원리와 운영방식 정당시장 지역구시장 문의사항은 Q&A를 참고하세요 정당시장 한나라당 사기 종목주가그래프 c 2000 중앙일보 Cyber중앙 All rights reserved. Terms

More information

에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 -

에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 - 에너지경제연구 Korean Energy Economic Review Volume 17, Number 2, September 2018 : pp. 1~29 정책 용도별특성을고려한도시가스수요함수의 추정 :, ARDL,,, C4, Q4-1 - . - 2 - . 1. - 3 - [ 그림 1] 도시가스수요와실질 GDP 추이 - 4 - - 5 - - 6 - < 표 1>

More information

融合先验信息到三维重建 组会报 告[2]

融合先验信息到三维重建  组会报 告[2] [1] Crandall D, Owens A, Snavely N, et al. "Discrete-continuous optimization for large-scale structure from motion." (CVPR), 2011 [2] Crandall D, Owens A, Snavely N, et al. SfM with MRFs: Discrete-Continuous

More information

Analyses the Contents of Points per a Game and the Difference among Weight Categories after the Revision of Greco-Roman Style Wrestling Rules Han-bong

Analyses the Contents of Points per a Game and the Difference among Weight Categories after the Revision of Greco-Roman Style Wrestling Rules Han-bong Analyses the Contents of Points per a Game and the Difference among Weight Categories after the Revision of Greco-Roman Style Wrestling Rules Han-bong An 1 & Kyoo-jeong Choi 2 * 1 Korea National Wrestling

More information

05-08 087ÀÌÁÖÈñ.hwp

05-08 087ÀÌÁÖÈñ.hwp 산별교섭에 대한 평가 및 만족도의 영향요인 분석(이주희) ꌙ 87 노 동 정 책 연 구 2005. 제5권 제2호 pp. 87118 c 한 국 노 동 연 구 원 산별교섭에 대한 평가 및 만족도의 영향요인 분석: 보건의료노조의 사례 이주희 * 2004,,,.. 1990. : 2005 4 7, :4 7, :6 10 * (jlee@ewha.ac.kr) 88 ꌙ 노동정책연구

More information

- i - - ii - - iii - - iv - - v - - 1 - - 2 - - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - α α - 20 - α α α α α α - 21 - - 22 - - 23 -

More information

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포 생존분석의 추정과 비교 : 보충자료 이용희 December, 8 Cotets 생존함수와 위험함수. 생존함수와 위험함수....................................... 예제: 지수분포.......................................... 예제: 와이블분포.........................................

More information

R&D : Ⅰ. R&D OECD 3. Ⅱ. R&D

R&D : Ⅰ. R&D OECD 3. Ⅱ. R&D R&D : 2012. 6. Ⅰ. R&D 1. 2. OECD 3. Ⅱ. R&D 1. 2. - 1 - Ⅰ. R&D R&D. R&D (TFP). R&D R&D, GDP R&D (Ha and Howitt, 2007). : (1), R&D. 1. ( )(), 1 ( ), ( ). (2) -, (Penn World Table 7.0) (growth accounting)

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 27(2), 2007, 96-121 S ij k i POP j a i SEXR j i AGER j i BEDDAT j ij i j S ij S ij POP j SEXR j AGER j BEDDAT j k i a i i i L ij = S ij - S ij ---------- S ij S ij = k i POP j a i SEXR j i AGER j i BEDDAT

More information

Orcad Capture 9.x

Orcad Capture 9.x OrCAD Capture Workbook (Ver 10.xx) 0 Capture 1 2 3 Capture for window 4.opj ( OrCAD Project file) Design file Programe link file..dsn (OrCAD Design file) Design file..olb (OrCAD Library file) file..upd

More information

슬라이드 1

슬라이드 1 Pairwise Tool & Pairwise Test NuSRS 200511305 김성규 200511306 김성훈 200614164 김효석 200611124 유성배 200518036 곡진화 2 PICT Pairwise Tool - PICT Microsoft 의 Command-line 기반의 Free Software www.pairwise.org 에서다운로드후설치

More information

예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = B = >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = >> tf = (A==B) % A

예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = B = >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = >> tf = (A==B) % A 예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = 1 2 3 4 5 6 7 8 9 B = 8 7 6 5 4 3 2 1 0 >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = 0 0 0 0 1 1 1 1 1 >> tf = (A==B) % A 의원소와 B 의원소가똑같은경우를찾을때 tf = 0 0 0 0 0 0 0 0 0 >> tf

More information

보고서(겉표지).PDF

보고서(겉표지).PDF 11-13 10148-000092- 01 200 1 04 ( ) 2 0 0 1 ( ) E fficient Rules for Oper atin g the Det en tion B asin an d P umpin g St ation ( ) 2 0 0 1. 12 1 2 11-1310148- 000092-01 ( ) E fficien t Ru les for Oper

More information

확률과통계 강의자료-1.hwp

확률과통계 강의자료-1.hwp 1. 통계학이란? 1.1 수학적 모형 실험 또는 증명을 통하여 자연현상을 분석하기 위한 수학적인 모형 1 결정모형 (deterministic model) - 뉴톤의 운동방정식 : - 보일-샤를의 법칙 : 일정량의 기체의 부피( )는 절대 온도()에 정비례하고, 압력( )에 반비례한다. 2 확률모형 (probabilistic model) - 주사위를 던질 때

More information

Microsoft PowerPoint - Stat03_Numerical technique(New) [Compatibility Mode]

Microsoft PowerPoint - Stat03_Numerical technique(New) [Compatibility Mode] Descriptive Statistics Describing data with tables and graphs (quantitative or categorical variables) Descriptive Statistics (Numerical techniques) Numerical descriptions of center, variability, position

More information

nonpara6.PDF

nonpara6.PDF 6 One-way layout 3 (oneway layout) k k y y y y n n y y K yn y y n n y y K yn k y k y k yknk n k yk yk K y nk (grand mean) (SST) (SStr: ) (SSE= SST-SStr), ( 39 ) ( )(rato) F- (normalty assumpton), Medan,

More information

PowerPoint 프레젠테이션

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.

More information

Microsoft Word - SAS_Data Manipulate.docx

Microsoft Word - SAS_Data Manipulate.docx 수학계산관련 함수 함수 형태 내용 SIN(argument) TAN(argument) EXP( 변수명 ) SIN 값을계산 -1 argument 1 TAN 값을계산, -1 argument 1 지수함수로지수값을계산한다 SQRT( 변수명 ) 제곱근값을계산한다 제곱은 x**(1/3) = 3 x x 1/ 3 x**2, 세제곱근 LOG( 변수명 ) LOGN( 변수명 )

More information

도비라

도비라 광고학연구 : 제24권 5호(2013년) The Korean Journal of Advertising, Vol.24, No.5 (2013). pp.99 116 대학생 광고공모전이 광고업계 취업에 미치는 영향: 대학생과 실무자의 인식 비교를 중심으로 차 유 철 우석대학교 광고이벤트학과 교수, 언론학박사 이 희 복 상지대학교 언론광고학부 교수, 언론학박사* 신

More information

확률과통계6

확률과통계6 확률과통계 6. 이산형확률분포 건국대학교스마트 ICT 융합공학과윤경로 (yoonk@konkuk.ac.kr) 6. 이산형확률분포 6.1 이산균일분포 6.2 이항분포 6.3 초기하분포 6.4 포아송분포 6.5 기하분포 6.6 음이항분포 * ( 제외 ) 6.7 다항분포 * ( 제외 ) 6.1 이산균일분포 [ 정의 6-1] 이산균일분포 (discrete uniform

More information

sna-node-ties

sna-node-ties Node Centrality in Social Networks Nov. 2015 Youn-Hee Han http://link.koreatech.ac.kr Importance of Nodes ² Question: which nodes are important among a large number of connected nodes? Centrality analysis

More information

R

R R 과데이터분석 상관관계 양창모 청주교육대학교컴퓨터교육과 2015 년여름 양창모 ( 청주교육대학교컴퓨터교육과 ) Data Analysis using R 2015 년여름 1 / 20 상관관계 양적변수quantitative variables 사이의관계relationships를나타내기위하여상관계수correlation coefficients를사용한다. ± 기호를사용하여관계의방향을나타낸다.

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Independence tests using coin package in R Jinheum Kim(Univ. Suwon), Jungdong Lee(Univ. Suwon, Master student) 2014.11.14 OUTLINE Permutation test: review Introduce 15 built-in functions in coin package

More information

À±½Â¿í Ãâ·Â

À±½Â¿í Ãâ·Â Representation, Encoding and Intermediate View Interpolation Methods for Multi-view Video Using Layered Depth Images The multi-view video is a collection of multiple videos, capturing the same scene at

More information

Chapter 7 분산분석

Chapter 7 분산분석 Chapter 8 실험계획및분산분석 (Experimental Design & ANalysis Of VAariance, ANOVA) 2017/5/01 8.1 선형모형과분산분석 (Linear Model & Analysis of Variance) 선형모형 (linear model): 설명변수들의선형의선형결합의형태로반응변수를설명하고자함. (to explain the

More information

04-다시_고속철도61~80p

04-다시_고속철도61~80p Approach for Value Improvement to Increase High-speed Railway Speed An effective way to develop a highly competitive system is to create a new market place that can create new values. Creating tools and

More information

<B0A3C3DFB0E828C0DBBEF7292E687770>

<B0A3C3DFB0E828C0DBBEF7292E687770> 초청연자특강 대구가톨릭의대의학통계학교실 Meta analysis ( 메타분석 ) 예1) The effect of interferon on development of hepatocellular carcinoma in patients with chronic hepatitis B virus infection?? -:> 1998.1 ~2007.12.31 / RCT(2),

More information

1..

1.. Volume 12, Number 1, 6~16, Factors influencing consultation time and waiting time of ambulatory patients in a tertiary teaching hospital Jee-In Hwang College of Nursing Science, Kyung Hee University :

More information

VOL.76.2008/2 Technical SmartPlant Materials - Document Management SmartPlant Materials에서 기본적인 Document를 관리하고자 할 때 필요한 세팅, 파일 업로드 방법 그리고 Path Type인 Ph

VOL.76.2008/2 Technical SmartPlant Materials - Document Management SmartPlant Materials에서 기본적인 Document를 관리하고자 할 때 필요한 세팅, 파일 업로드 방법 그리고 Path Type인 Ph 인터그래프코리아(주)뉴스레터 통권 제76회 비매품 News Letters Information Systems for the plant Lifecycle Proccess Power & Marine Intergraph 2008 Contents Intergraph 2008 SmartPlant Materials Customer Status 인터그래프(주) 파트너사

More information

歯4차학술대회원고(장지연).PDF

歯4차학술대회원고(장지연).PDF * 1)., Heckman Selection. 50.,. 1990 40, -. I.,., (the young old) (active aging). 1/3. 55 60 70.,. 2001 55 64 55%, 60%,,. 65 75%. 55 64 25%, 32% , 65 55%, 53% (, 2001)... 1998, 8% 41.5% ( 1998). 2002 7.8%

More information

예제 1.1 ( 경기값과공정한경기 ) >> A = [5 3 9; 8 10 11; 6 2 8], P = [0 1 0], Q = [1 0 0]' % 3x3 행렬경기 A = 5 3 9 8 10 11 6 2 8 P = 0 1 0 Q = 1 0 0 >> E = P * A * Q % 경기자 R은항상 2행을선택하고 C는항상 1열을선택하면, % R은 $8을얻는것이보장되고

More information

PJTROHMPCJPS.hwp

PJTROHMPCJPS.hwp 제 출 문 농림수산식품부장관 귀하 본 보고서를 트위스트 휠 방식 폐비닐 수거기 개발 과제의 최종보고서로 제출 합니다. 2008년 4월 24일 주관연구기관명: 경 북 대 학 교 총괄연구책임자: 김 태 욱 연 구 원: 조 창 래 연 구 원: 배 석 경 연 구 원: 김 승 현 연 구 원: 신 동 호 연 구 원: 유 기 형 위탁연구기관명: 삼 생 공 업 위탁연구책임자:

More information

300 구보학보 12집. 1),,.,,, TV,,.,,,,,,..,...,....,... (recall). 2) 1) 양웅, 김충현, 김태원, 광고표현 수사법에 따른 이해와 선호 효과: 브랜드 인지도와 의미고정의 영향을 중심으로, 광고학연구 18권 2호, 2007 여름

300 구보학보 12집. 1),,.,,, TV,,.,,,,,,..,...,....,... (recall). 2) 1) 양웅, 김충현, 김태원, 광고표현 수사법에 따른 이해와 선호 효과: 브랜드 인지도와 의미고정의 영향을 중심으로, 광고학연구 18권 2호, 2007 여름 동화 텍스트를 활용한 패러디 광고 스토리텔링 연구 55) 주 지 영* 차례 1. 서론 2. 인물의 성격 변화에 의한 의미화 전략 3. 시공간 변화에 의한 의미화 전략 4. 서사의 변개에 의한 의미화 전략 5. 창조적인 스토리텔링을 위하여 6. 결론 1. 서론...., * 서울여자대학교 초빙강의교수 300 구보학보 12집. 1),,.,,, TV,,.,,,,,,..,...,....,...

More information

목 차 1. 서론 1.1. 문제 제기 및 연구 목적 1.2. 연구 대상 및 연구 방법 2. 교양 다큐 프로그램 이해 3. 롤랑바르트 신화론에 대한 이해 3.1. 기호학과 그 에 대하여 3.2. 롤랑바르트 신화 이론 고찰 4. 분석 내용 4.1. 세계테마기행 에 대한 기

목 차 1. 서론 1.1. 문제 제기 및 연구 목적 1.2. 연구 대상 및 연구 방법 2. 교양 다큐 프로그램 이해 3. 롤랑바르트 신화론에 대한 이해 3.1. 기호학과 그 에 대하여 3.2. 롤랑바르트 신화 이론 고찰 4. 분석 내용 4.1. 세계테마기행 에 대한 기 교양 다큐 프로그램 타이틀과 심벌 로고에 대한 기호학적 연구 Study on Semiotic Approach to Title & Symbollogo in Culture Documentaries TV Program 주저자 민 신 기 Min Shin-ki 백석대학교 디자인영상학부 조교수 Professor of Baekseok University skmin@bu.ac.kr

More information

Microsoft PowerPoint - ºÐÆ÷ÃßÁ¤(ÀüÄ¡Çõ).ppt

Microsoft PowerPoint - ºÐÆ÷ÃßÁ¤(ÀüÄ¡Çõ).ppt 수명분포및신뢰도의 통계적추정 포항공과대학교산업공학과전치혁.. 수명및수명분포 수명 - 고장 까지의시간 - 확률변수로간주 - 통상잘알려진분포를따른다고가정 수명분포 - 확률밀도함수또는 누적 분포함수로표현 - 신뢰도, 고장률, MTTF 등신뢰성지표는수명분포로부터도출 - 수명분포추정은분포함수관련모수의추정 누적분포함수및확률밀도함수 누적분포함수 cumulav dsbuo

More information

Abstract Musculoskeletal Symptoms and Related Factors for Nurses and Radiological Technologists Wearing a Lead Apron for Radiation Pro t e c t i o n Jung-Im Yoo, Jung-Wan Koo 1 ) Angio Unit, Team of Radiology,

More information