1일차 복습
Python·판다스 기초, 탐색적 데이터 분석, 추정과 표집 오차 복습 29문항
퀴즈
- 총 29문항: 개념·코드 읽기와
ship.xlsx실습을 함께 복습 - 코드를 직접 작성하거나 AI에 요청한 뒤 실행 결과를 확인해도 좋음
【기본 연산】(12 + 8) / 2를 실행한 결과를 숫자로 입력하세요.
퀴즈를 풀려면 대화형 기능을 불러와야 합니다.
【기본 연산】(12 + 8) / 2를 실행한 결과를 숫자로 입력하세요.
괄호 안을 먼저 계산한 뒤 나눗셈을 실행합니다.
(12 + 8) / 2
【변수】width = 30에서 =의 역할은 무엇인가요?
이 줄을 실행한 뒤 width를 계산에 사용할 수 있다는 점을 떠올려 보세요.
【함수 호출】max(12, 20, 15)에서 함수에 전달하는 인자는 무엇인가요?
함수에 넣는 값과 함수가 돌려주는 값을 구분해 보세요.
max12, 20, 15반환되는 값 20함수 이름 뒤의 괄호12, 20, 15【판다스】표 형태의 엑셀 자료를 읽고 평균을 계산할 때 사용할 라이브러리는 무엇인가요?
행과 열로 구성된 자료를 데이터 프레임으로 다루는 도구입니다.
【파일 읽기】준비 코드의 df = pd.read_excel("ship.xlsx")는 어떤 작업을 하나요?
read_excel()이 돌려주는 값과 =로 그 값을 저장하는 대상을 구분해 보세요.
df에 저장한다.df에 있는 데이터를 ship.xlsx 파일로 저장한다.엑셀 파일에서 df라는 이름의 열 하나를 선택한다.엑셀 파일의 처음 5행만 읽어 df에 저장한다.df에 저장한다.【열 하나 선택】df에서 선박 폭을 담은 beam 열 하나를 선택하는 코드는 무엇인가요?
열 이름은 문자열입니다. 열 이름을 대괄호 안에 넣어 선택합니다.
df["beam"]df("beam")df.beam()df[beam]df["beam"]【EDA】탐색적 데이터 분석의 목적은 무엇인가요?
평균뿐 아니라 퍼짐과 분포 모양도 살펴보는 이유를 생각해 보세요.
【변수의 종류】범주형 변수에 해당하는 열을 모두 고르세요.
측정한 양이나 개수인지, 종류나 집단을 구분하는 이름인지 판단해 보세요.
engine_type: 엔진 종류home_port: 소속 항구beam: 선박 폭crew_size: 승무원 수engine_type: 엔진 종류, home_port: 소속 항구【평균과 중간값】자료의 가장 큰 값 하나가 훨씬 커졌습니다. 일반적으로 더 크게 영향을 받는 중심경향치는 무엇인가요?
모든 값의 크기를 더하는 방법과 정렬한 가운데 위치를 사용하는 방법을 비교해 보세요.
【실습: 평균】crew_size 열 전체의 평균 승무원 수를 구하세요. 단위 없이 숫자만 입력하세요.
승무원 수를 모두 더한 뒤 선박 수로 나눈 값입니다.
df["crew_size"].mean()
【실습: 중간값】crew_size 열 전체의 중간값을 구하세요.
승무원 수를 크기순으로 놓았을 때 가운데 위치에 해당하는 값입니다.
df["crew_size"].median()
【실습: 최빈값】engine_type의 최빈값을 직접 구하세요. 어떤 엔진 종류인가요?
가장 자주 등장하는 값을 확인합니다.
df["engine_type"].mode()
【실습: 빈도】engine_type에서 Diesel인 선박은 몇 척인가요?
각 종류가 등장하는 횟수를 구한 뒤 Diesel 행을 읽으세요.
df["engine_type"].value_counts()
【변산성】평균 선박 폭이 같은 두 자료 중 A의 표준편차가 더 큽니다. 가장 알맞은 해석은 무엇인가요?
표준편차는 중심값의 크기보다 값들의 퍼짐 정도를 나타냅니다.
【실습: 범위】beam의 최댓값에서 최솟값을 뺀 범위를 구하세요. 단위는 m이며 숫자만 입력하세요.
가장 큰 폭과 가장 작은 폭 사이의 차이입니다.
df["beam"].max() - df["beam"].min()
【실습: 표준편차】beam의 표본표준편차를 pandas의 std()로 구하세요. 소수 셋째 자리까지 입력하거나 계산 결과를 그대로 입력하세요.
분산에 양의 제곱근을 취한 퍼짐의 척도입니다.
df["beam"].std()
【사분위수】제1사분위수 Q1과 제3사분위수 Q3 사이에 놓인 자료는 대략 전체의 몇 %인가요?
Q1은 아래에서 25%, Q3는 아래에서 75% 위치의 경계입니다.
【실습: 백분위수】crew_size의 90퍼센타일을 구하세요.
백분율 90%는 quantile()에 비율 0.9로 전달합니다.
df["crew_size"].quantile(0.9)
【실습: IQR】beam의 사분위수 범위 IQR을 구하세요. 단위는 m이며 숫자만 입력하세요.
가운데 50% 자료의 퍼짐을 Q3에서 Q1을 빼서 구합니다.
q1 = df["beam"].quantile(0.25)
q3 = df["beam"].quantile(0.75)
q3 - q1
【실습: 히스토그램】다음 코드를 실행하세요. 가로축과 세로축의 의미로 알맞은 것은 무엇인가요?
import seaborn as sns
sns.histplot(data=df, x="beam", bins=10)
각 막대는 비슷한 폭의 선박을 한 구간으로 묶은 결과입니다.
【실습: 왜도】scipy.stats.skew()로 beam의 왜도를 구하세요. 소수 셋째 자리까지 입력하거나 계산 결과를 그대로 입력하세요.
분포의 비대칭 정도를 나타내는 지표입니다.
from scipy.stats import skew
skew(df["beam"])
【초과 첨도】정규분포의 초과 첨도는 얼마인가요?
초과 첨도는 첨도에서 정규분포의 첨도 3을 뺀 값입니다.
【기술통계와 추론통계】기술통계와 추론통계의 차이로 알맞은 것은 무엇인가요?
관찰한 자료 자체를 설명하는 것과, 관찰하지 않은 전체의 특성을 추측하는 것을 구분해 보세요.
【모집단과 표본】전 세계에서 운항하는 상선 전체의 특성을 알고 싶어 그중 100척을 조사했습니다. 표본은 무엇인가요?
관심 대상 전체와 실제로 관찰한 일부를 구분해 보세요.
【모수와 통계량】맞는 설명을 모두 고르세요.
전체의 특성을 일부의 자료로 추측합니다. 뽑힌 관측치가 달라지면 계산값도 달라질 수 있습니다.
【점 추정】모집단의 평균 선박 폭을 하나의 값인 37.8m로 추정했습니다. 어떤 추정인가요?
추정 결과를 하나의 값으로 제시했는지, 범위로 제시했는지 살펴보세요.
【표집 오차】표집 오차란 무엇인가요?
측정이나 입력에 실수가 없어도, 무작위로 어떤 관측치가 뽑혔는지에 따라 표본평균은 달라질 수 있습니다.
【표집분포】표집분포란 무엇인가요?
표본을 뽑을 때마다 평균을 하나씩 구해 모았다면, 분포를 이루는 값은 개별 관측값일까요, 표본평균일까요?
【표본 크기】같은 모집단에서 같은 방법으로 무작위 표집할 때, 표본 크기를 늘리면 일반적으로 어떤 변화가 생기나요?
더 많은 관측치를 평균 낼 때 표본마다 생기는 우연한 변동이 어떻게 달라질지 생각해 보세요.