기술통계 복습
- 엔진에 들어가는 고강도 커넥터 'TX-100'을 신규 생산 라인(라인 3)에서 양산
- 라인 3 가동 초기 일주일간 생산된 TX-100 커넥터의 두께 데이터를 수집
- 수집된 두께 데이터의 특성을 요약하고 이상 데이터(Outlier)가 존재하는지 통계적으로 검토하고자 함
| 컬럼 | 설명 |
|---|---|
| day | 측정일(1~7) |
| measurement_id | 해당 일 내의 측정 순번(1~50) |
| thickness | 측정된 커넥터 두께(mm) |
퀴즈
df.head()를 실행했을 때 첫 번째 행의 thickness 값은 얼마인가요?
퀴즈를 풀려면 대화형 기능을 불러와야 합니다.
df.head()를 실행했을 때 첫 번째 행의 thickness 값은 얼마인가요?
import pandas as pd
df = pd.read_excel('assets/TX100.xlsx')
df.head()
TX-100의 평균 두께를 소수점 넷째 자리까지 입력하세요.
df['thickness'].mean()
TX-100 두께의 중간값을 소수점 넷째 자리까지 입력하세요.
df['thickness'].median()
두께 데이터에 매우 큰 극단값 몇 개가 추가되었을 때 평균과 중간값의 변화로 가장 적절한 것은?
평균은 모든 값을 합산하지만 중간값은 정렬했을 때 가운데 위치를 사용합니다.
TX-100 두께의 범위를 소수점 넷째 자리까지 입력하세요.
df['thickness'].max() - df['thickness'].min()
TX-100 두께의 표본분산을 소수점 여섯째 자리까지 입력하세요.
df['thickness'].var()
TX-100 두께의 표준편차를 소수점 넷째 자리까지 입력하세요.
df['thickness'].std()
평균에서 ±3 표준편차를 벗어난 TX-100 두께 관측치는 몇 개인가요?
m = df['thickness'].mean()
s = df['thickness'].std()
lower = m - 3 * s
upper = m + 3 * s
df.query('thickness < @lower or thickness > @upper')
범위, 분산, 표준편차에 대한 설명으로 맞는 것을 모두 고르세요.
각 척도의 계산 방식, 단위, 극단값에 대한 민감도를 구분해 보세요.
TX-100 두께의 IQR을 소수점 넷째 자리까지 입력하세요.
q1 = df['thickness'].quantile(0.25)
q3 = df['thickness'].quantile(0.75)
iqr = q3 - q1
iqr
Tukey의 1.5×IQR 기준으로 탐지한 TX-100 두께 이상치는 몇 개인가요?
lower = q1 - 1.5 * iqr
upper = q3 + 1.5 * iqr
df.query('thickness < @lower or thickness > @upper')
상자 수염 그림의 상자와 상자 안 선에 대한 설명으로 가장 적절한 것은?
상자는 데이터의 중간 50%를, 상자 내부의 선은 정렬된 데이터의 가운데 위치를 보여 줍니다.
Seaborn으로 thickness 히스토그램을 그리고 bins=10으로 설정했을 때 가장 많은 데이터가 속한 구간은?
import seaborn as sns
sns.histplot(data=df, x='thickness', bins=10)
히스토그램의 구간 수와 KDE에 대한 설명으로 가장 적절한 것은?
히스토그램은 구간별 빈도를, KDE는 연속적인 밀도 형태를 보여 줍니다.
pandas의 skew()로 계산한 TX-100 두께의 왜도를 소수점 넷째 자리까지 입력하세요.
df['thickness'].skew()
TX-100 두께의 왜도가 -0.1851일 때 가장 적절한 해석은?
왜도의 부호는 더 길게 늘어진 꼬리의 방향을 나타냅니다.
pandas의 kurt()로 계산한 TX-100 두께의 초과 첨도를 소수점 넷째 자리까지 입력하세요.
df['thickness'].kurt()
TX-100 두께의 초과 첨도가 7.2845일 때 가장 적절한 해석은?
양의 초과 첨도는 좌우 치우침이 아니라 정규분포와 비교한 꼬리의 두께를 설명합니다.