가설 검정·상관·회귀 복습
가설 검정, 상관과 인과, 포트폴리오, 회귀분석, 범주형 독립변수, 인공지능과 머신러닝 복습 40문항
퀴즈
- 총 40문항: 개념·결과 해석과
car.xlsx실습 - 코드를 직접 작성하거나 AI에 요청한 뒤 실행 결과를 확인해도 좋음
- 실습은 아래 준비 코드 실행 후 문제 순서대로 진행. 막히면 힌트의 코드 참고
- 수치 답은 문제에 안내한 자리까지 입력하거나 계산 결과를 그대로 입력
- 가설 검정은 유의수준 0.05, 양측 검정 기준
실습 준비
필요한 패키지가 없으면 먼저 설치.
pip install pandas openpyxl pingouin statsmodels
import pandas as pd
import pingouin as pg
from statsmodels.formula.api import ols
df = pd.read_excel("car.xlsx")
df["mileage_10k"] = df["mileage"] / 10000 # 주행거리 단위를 km에서 만 km로 변환
car.xlsx: Avante와 K3 중고차 274대의 자료- 주행거리는 해석하기 쉽게 만 km 단위로 변환. 예:
mileage_10k가 8이면 8만 km - 이 퀴즈에서는 아래 5개 열 사용
| 열 | 의미 | 단위·값 |
|---|---|---|
model |
차종 | Avante, K3 |
price |
가격 | 만원 |
mileage |
원래 주행거리 | km |
mileage_10k |
만 km 단위로 변환한 주행거리 | 만 km |
year |
연식 | 2006-2018 |
【귀무가설】Avante와 K3의 모집단 평균 가격이 다른지 독립표본 t 검정으로 양측 검정하려고 합니다. 귀무가설은 무엇인가요?
- ○두 집단의 모집단 평균 가격이 같다.
- ○두 집단의 모집단 평균 가격이 다르다.
- ○두 집단의 모집단 가격 분산이 같다.
- ○두 집단의 모집단 가격 분산이 다르다.
퀴즈를 풀려면 대화형 기능을 불러와야 합니다.
【귀무가설】Avante와 K3의 모집단 평균 가격이 다른지 독립표본 t 검정으로 양측 검정하려고 합니다. 귀무가설은 무엇인가요?
차이가 있다는 증거를 찾기 전에 기준으로 두는 가설을 생각해 보세요.
【가설 검정】귀무가설을 기각할지 판단할 때, p값을 무엇과 비교하나요?
결과를 보기 전에 정해 두는 판단 기준입니다.
【p값의 의미】p값의 의미로 가장 알맞은 것은 무엇인가요?
p값은 가설이 맞을 확률이 아니라, 우연이라고 가정했을 때 이런 결과가 얼마나 나오기 쉬운지를 나타냅니다.
【검정 판단】유의수준 0.05에서 p값이 0.02입니다. 판단으로 알맞은 것은 무엇인가요?
p값을 미리 정한 유의수준과 비교하세요.
【독립표본 t 검정】독립표본 t 검정에 알맞은 상황은 무엇인가요?
수치형 변수의 평균을 비교하며, 두 집단에 속한 관측치가 서로 독립적인 상황입니다.
【실습: t 검정】Avante와 K3의 price를 pg.ttest로 비교하는 독립표본 t 검정을 하세요. 화면에 표시된 결과표의 p_val 값을 입력하세요.
두 차종의 가격을 각각 골라 pg.ttest에 넣습니다.
model_avante = df.query('model == "Avante"')["price"]
model_k3 = df.query('model == "K3"')["price"]
pg.ttest(model_avante, model_k3)
【t 검정 해석】위 검정의 p값은 약 0.028입니다. 유의수준 0.05에서 알맞은 해석은 무엇인가요?
p값이 유의수준보다 작은지 비교하세요. p값은 귀무가설이 참일 확률이 아니며, 통계적 유의성과 차이의 실무적 크기는 별개입니다.
【실습: 상관계수】주행거리 mileage_10k와 가격 price의 피어슨 상관계수를 구하세요. 소수 셋째 자리까지 입력하거나 계산 결과를 그대로 입력하세요.
두 수치형 변수가 함께 변하는 방향과 선형 관계의 강도를 확인합니다.
df["mileage_10k"].corr(df["price"])
【상관 해석】주행거리와 가격의 상관계수가 약 -0.68입니다. 알맞은 해석은 무엇인가요?
상관계수의 부호는 관계의 방향을 나타냅니다. 회귀계수나 결정계수와는 다른 값입니다.
【상관의 강도】상관계수가 0.2인 경우와 -0.8인 경우 중 선형 관계가 더 강한 것은 무엇인가요?
방향은 부호로, 강도는 절댓값으로 비교하세요.
【상관계수 가설 검정】피어슨 상관계수의 가설 검정에서 귀무가설은 무엇인가요?
가설은 표본이 아니라 모집단에 대한 것이며, 귀무가설은 관계가 없다는 쪽입니다.
【실습: 상관계수 검정】pg.corr로 mileage_10k와 price의 상관계수를 검정하세요. 결과표의 p_val을 보고 유의수준 0.05에서 알맞은 판단을 고르세요.
5.8e-38처럼 표시된 값은 5.8×10−38으로, 0에 매우 가까운 수입니다.
pg.corr(x=df["mileage_10k"], y=df["price"])
【상관과 인과】여름에 아이스크림 판매량과 물놀이 사고가 함께 늘었습니다. 가장 알맞은 설명은 무엇인가요?
날씨가 더워지면 아이스크림을 찾는 사람도, 물놀이하는 사람도 늘 수 있습니다.
【심슨의 역설】여러 학교의 학생 자료를 모두 합치면 공부 시간과 성적의 상관계수가 음수입니다. 그런데 학교별로 나누어 보면 모든 학교에서 양수입니다. 가장 알맞은 설명은 무엇인가요?
이질적인 하위집단을 합치면 집단 간 차이가 전체 상관에 섞여 들어갑니다.
【벅슨의 역설】어느 대학은 수능 점수와 내신 중 하나 이상이 우수한 지원자만 합격시킵니다. 전체 지원자에서는 두 점수가 거의 무관한데, 합격생만 보면 음의 상관이 나타났습니다. 가장 알맞은 설명은 무엇인가요?
어떤 기준으로 표본이 선택되었는지, 그 기준 때문에 누가 자료에서 빠졌는지 생각해 보세요.
【포트폴리오 위험】수업에서 포트폴리오 수익률의 표준편차는 무엇을 나타내나요?
수익률이 평균 주변에서 얼마나 흔들리는지 나타내는 지표입니다.
【분산 투자】개별 자산의 기대수익률·표준편차와 투자 비중이 같을 때, 자산 간 상관관계가 더 낮으면 포트폴리오 위험은 어떻게 되나요?
두 자산에 양의 비중으로 투자한다고 가정합니다. 서로 함께 움직이는 정도가 낮을수록 변동이 완화됩니다.
【회귀분석】주행거리로 가격을 예측하는 price ~ mileage_10k에서 종속변수는 무엇인가요?
예측하려는 대상이 수식의 왼쪽에 옵니다.
pricemileage_10kprice와 mileage_10k 모두상관분석처럼 종속변수와 독립변수를 구분하지 않는다.price【실습: 회귀계수】절편을 포함한 단순회귀 price ~ mileage_10k를 적합하고 summary() 결과표를 확인하세요. mileage_10k 행의 coef 값을 입력하세요.
결과표에서 mileage_10k 행과 coef 열이 만나는 값을 읽으세요.
simple_model = ols("price ~ mileage_10k", data=df).fit()
simple_model.summary()
【회귀계수 해석】위 단순회귀에서 mileage_10k의 회귀계수는 약 -52.2831입니다. 알맞은 해석은 무엇인가요?
mileage_10k의 1단위는 1만 km이며, 가격 단위는 만원입니다. 기울기의 부호도 확인하세요.
【실습: 계수의 유의성】단순회귀의 summary() 결과표에서 mileage_10k 행의 P>|t| 값을 읽으세요. 화면에 표시된 숫자를 그대로 입력하세요.
coef와 같은 행에서 P>|t| 열을 확인하세요. 0.000은 표시 자릿수 때문에 반올림된 값입니다.
simple_model.summary()
【계수의 유의성 판단】위 단순회귀에서 mileage_10k의 계수는 음수이고, P>|t|는 0.000으로 표시됩니다. 유의수준 0.05에서 알맞은 판단은 무엇인가요?
p값이 0.05보다 작으면 계수가 0이라는 귀무가설을 기각합니다. 관계의 방향은 계수의 부호로 확인하세요.
【실습: 예측】위 단순회귀로 주행거리가 8만 km인 차량의 가격을 예측하세요. 엑셀에서 첫 행에 열 이름 mileage_10k, 둘째 행에 8을 입력하고 car_new.xlsx로 저장한 뒤 불러와 예측합니다. 단위는 만원이며 숫자만 입력하세요. 소수 둘째 자리까지 입력해도 좋습니다.
새 자료의 열 이름은 모형에 넣은 독립변수 이름 mileage_10k와 같아야 합니다. 값은 만 km 단위이므로 8을 입력합니다.
df_new = pd.read_excel("car_new.xlsx")
simple_model.predict(df_new)
【실습: 결정계수】위 단순회귀의 summary() 결과표에서 결정계수 R-squared에 표시된 값을 입력하세요.
결과표 위쪽의 R-squared를 읽으세요. Adj. R-squared와 구분합니다.
simple_model.summary()
【결정계수 해석】위 모형의 결정계수가 약 0.457입니다. 알맞은 해석은 무엇인가요?
결정계수는 개별 예측의 정답률이 아니라 종속변수 변동에 대한 설명 비율입니다.
【다중회귀】가격을 주행거리와 연식으로 함께 설명하려고 합니다. 알맞은 모형 수식은 무엇인가요?
예측 대상은 왼쪽, 함께 사용할 두 독립변수는 오른쪽에 둡니다.
price ~ mileage_10k + yearmileage_10k ~ price + yearyear ~ mileage_10k + priceprice ~ mileage_10kprice ~ mileage_10k + year【실습: 다중회귀】절편을 포함한 price ~ mileage_10k + year를 적합하세요. summary() 결과표의 R-squared에 표시된 값을 입력하세요.
주행거리와 연식을 함께 넣은 결과표에서 R-squared를 읽으세요.
ols("price ~ mileage_10k + year", data=df).fit().summary()
【실습: 수정 결정계수 비교】price ~ mileage_10k와 price ~ mileage_10k + year의 summary() 결과표에서 수정 R제곱(Adj. R-squared)을 비교하세요. 두 값 중 더 큰 값을 입력하세요.
변수를 추가한다고 수정 R제곱이 항상 커지는 것은 아닙니다. 두 결과표에서 R-squared 아래의 Adj. R-squared를 읽고 비교하세요.
simple_model.summary()
ols("price ~ mileage_10k + year", data=df).fit().summary()
【다중회귀계수 해석】price ~ mileage_10k + year에서 year의 회귀계수는 약 84.3822입니다. 알맞은 해석은 무엇인가요?
다중회귀의 계수는 다른 독립변수가 일정한 조건에서 해석합니다. year는 2017, 2018처럼 연도를 나타냅니다.
【표준화 회귀계수】다중회귀에서 독립변수를 표준화한 뒤 회귀계수를 비교하는 주된 이유는 무엇인가요?
주행거리는 만 km, 연식은 년 단위입니다. 단위가 다르면 계수의 크기를 그대로 비교하기 어렵습니다.
【실습: 표준화 회귀】price ~ scale(mileage_10k) + scale(year)를 적합하세요. summary() 결과표에서 scale(year) 행의 coef 값을 입력하세요.
수식 안에서 scale()로 독립변수만 표준화합니다. 종속변수 price는 만원 단위를 유지합니다.
std_model = ols("price ~ scale(mileage_10k) + scale(year)", data=df).fit()
std_model.summary()
【표준화 계수 비교】위 표준화 회귀에서 scale(mileage_10k)의 계수는 약 -100.2, scale(year)의 계수는 약 218.1입니다. 알맞은 해석은 무엇인가요?
표준화 계수의 크기는 부호가 아니라 절댓값으로 비교합니다.
【더미 코딩】절편이 있는 회귀모형에 범주가 3개인 범주형 변수(예: Diesel, Hybrid, LNG)를 넣을 때 만들어지는 더미 변수는 몇 개인가요?
범주 하나는 기준범주로 두고, 모든 더미 변수가 0인 상태로 표현합니다.
【실습: 범주형 독립변수】price ~ mileage_10k + year + C(model)을 적합하세요. summary() 결과표에서 C(model)[T.K3] 행의 coef 값을 입력하세요.
C()로 감싸면 차종이 더미 코딩됩니다. 기본 기준범주는 알파벳 순서의 첫 범주입니다.
dummy_model = ols("price ~ mileage_10k + year + C(model)", data=df).fit()
dummy_model.summary()
【더미 계수 해석】위 모형에서 C(model)[T.K3]의 계수는 약 -40.4089입니다. 알맞은 해석은 무엇인가요?
더미 변수의 계수는 다른 독립변수가 같을 때 기준범주 Avante와의 차이입니다.
【통제 후 차이의 유의성】위 모형에서 C(model)[T.K3]의 P>|t|는 0.088입니다. 유의수준 0.05에서 알맞은 판단은 무엇인가요?
p값을 유의수준과 비교하세요. t 검정은 두 차종의 단순 평균을, 이 회귀계수는 주행거리와 연식을 통제한 차이를 비교합니다.
【기준범주 변경】price ~ mileage_10k + year + C(model, Treatment("K3"))로 기준범주를 K3로 바꾸면 [T.Avante] 행의 계수는 어떻게 되나요?
기준범주를 바꾸면 비교 방향만 바뀌고 범주별 예측값은 그대로입니다.
【인공지능】인공지능에 대한 설명으로 가장 알맞은 것은 무엇인가요?
지능은 다양한 범위의 환경에서 목적을 달성하는 능력입니다. 반드시 사람과 같은 방식일 필요는 없고, 특정 구현 방법으로 한정되지도 않습니다.
【인공지능과 머신러닝】머신러닝에 대한 설명으로 가장 알맞은 것은 무엇인가요?
고전적 인공지능은 논리·계획·지식에 기반하고, 딥러닝은 머신러닝의 한 기법입니다.
【머신러닝과 통계학】머신러닝과 통계학의 차이를 가장 알맞게 설명한 것은 무엇인가요?
회귀계수가 유의한지 판단하는 일과 새 자료의 값을 예측하는 일 중 각 분야가 어디에 더 중점을 두는지 생각해 보세요.