Who are you going to use for the upcoming game (basketball)?

a <- c(7,8,9,9,10,10,11,11,12,13)
b <- c(7,9,9,10,10,10,10,11,11,13)
c <- c(3,3,6,7,7,10,10,10,11,13,30)
## c <- c(3,3,6,7,7,10,11,13,15,20,30)

data <- list(a,b,c)
data
sapply(data,mean)
sapply(data,median)
sapply(data,range)

sapply(data,sd)
sapply(data,var)

> a <- c(7,8,9,9,10,10,11,11,12,13)
> b <- c(7,9,9,10,10,10,10,11,11,13)
> c <- c(3,3,6,7,7,10,10,10,11,13,30)
> 
> data <- list(a,b,c)
> data
[[1]]
 [1]  7  8  9  9 10 10 11 11 12 13

[[2]]
 [1]  7  9  9 10 10 10 10 11 11 13

[[3]]
 [1]  3  3  6  7  7 10 10 10 11 13 30

> sapply(data,mean)
[1] 10 10 10
> sapply(data,median)
[1] 10 10 10
> sapply(data,range)
     [,1] [,2] [,3]
[1,]    7    7    3
[2,]   13   13   30
>
>
> sapply(data,sd)
[1] 1.825742 1.563472 7.362065
> sapply(data,var)
[1]  3.333333  2.444444 54.200000
> 

range
교재에서는 upper bound와 lower bound의 차이값을 range라고 설명하지만, R에서는 lower와 upper bound값을 제시한 것이 range값이 된다. 즉,

> sapply(data,range)
     [,1] [,2] [,3]
[1,]    7    7    3
[2,]   13   13   30

13 - 7 = 6
13 - 7 = 6
30 - 3 = 27

그러나 range도 데이터의 분포를 정확하게 그려주지는 않는다. 아래의 첫번째, 두번째 데이터의 range는 모두 4 (8-12). 그러나, 개인 점수들의 분포는 다른 양상을 보인다.

즉,

아웃라이어의 (극단치의) 문제
a ← c(1,1,1,2,2,2,2,3,3,3,3,3,4,4,4,4,5,5,5}
b ← c(1,1,1,2,2,2,2,3,3,3,3,3,4,4,4,4,5,5,5, 10}

range(a) vs. range(b)

이런 두 그룹간의 range 차이는 outlier에 기인한다.

quartile

> basket <- c(3,3,6,7,7,10,10,10,11,13,30)
> basket <- sort(basket)
> basket
 [1]  3  3  6  7  7 10 10 10 11 13 30
> 

> quantile(basket)
  0%  25%  50%  75% 100% 
 3.0  6.5 10.0 10.5 30.0 

variance

• $ \sum \text{deviation score}^2 = \sum \text{ds}^2 $

• $ \sum \text{error}^2 $
  • error = 평균값으로 개인값을 추측했을 때 발생하는 오차
  • (평균으로 추측했을 때 생기는) 오차의 제곱의 합
  • (오차의) 제곱의 합
  • 제곱의 합
  • Sum of Square (SS)

• $ \sum \text{ds}^2 = \text{SS} = \text{Sum of Square} $ ¹⁾

• $$ \text{variance} = \frac {SS}{n-1} = \frac {SS}{df}$$
• calculation of variance (an easy way) see variance calculation
  • $ \displaystyle \frac{\sum(X_{i})}{N} - \mu^2$

standard deviation
standard score