estimated_standard_deviation:rout01
Differences
This shows you the differences between two versions of the page.
| Both sides previous revisionPrevious revisionNext revision | Previous revision | ||
| estimated_standard_deviation:rout01 [2026/03/10 05:36] – hkimscil | estimated_standard_deviation:rout01 [2026/03/10 05:41] (current) – hkimscil | ||
|---|---|---|---|
| Line 1: | Line 1: | ||
| <WRAP group> | <WRAP group> | ||
| - | <WRAP column | + | <WRAP column |
| < | < | ||
| > rm(list=ls()) | > rm(list=ls()) | ||
| Line 27: | Line 27: | ||
| </ | </ | ||
| </ | </ | ||
| - | <WRAP column | + | <WRAP column |
| SS = sum(x-mean(x))^2 인데, mean(x)을 즉, x집합의 평균을, x 원소값을 예측하는데 (빼는데) 사용하면 SS값이 최소값이 된다고 하였다. 이것을 R에서 simulation으로 알아보기 위해서 mean(x) 대신에 다른 숫자들을 넣어보려고 한다. 이를 v라고 하면 sum(x-v)^2이라는 SS값들을 구해서 비교하려는 것이다. 대입할 숫자들은 (v) mean(x) +- 3 sd(x) 를 범위로 하고, 그 범위의 시작 숫자에서 (시작은 mean(x)-3sd(x)가 된다) 0.1씩 증가시키면서 대입하고, | SS = sum(x-mean(x))^2 인데, mean(x)을 즉, x집합의 평균을, x 원소값을 예측하는데 (빼는데) 사용하면 SS값이 최소값이 된다고 하였다. 이것을 R에서 simulation으로 알아보기 위해서 mean(x) 대신에 다른 숫자들을 넣어보려고 한다. 이를 v라고 하면 sum(x-v)^2이라는 SS값들을 구해서 비교하려는 것이다. 대입할 숫자들은 (v) mean(x) +- 3 sd(x) 를 범위로 하고, 그 범위의 시작 숫자에서 (시작은 mean(x)-3sd(x)가 된다) 0.1씩 증가시키면서 대입하고, | ||
| Line 36: | Line 36: | ||
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > x.span <- seq(from = mean(x)-3*sd(x), | > x.span <- seq(from = mean(x)-3*sd(x), | ||
| Line 78: | Line 78: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <WRAP column |
| x-mean(x) = residual = error | x-mean(x) = residual = error | ||
| sum(residual^2) = SS (sum of square) | sum(residual^2) = SS (sum of square) | ||
| Line 90: | Line 90: | ||
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > | > | ||
| Line 114: | Line 114: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <WRAP column |
| * 이 후 쓸 function들. (x-v) = residual이라고 부르니까 이 residual을 모으는 function | * 이 후 쓸 function들. (x-v) = residual이라고 부르니까 이 residual을 모으는 function | ||
| * function ssr = x 집합과 v값 (x.span의 한 숫자)를 인수를 주었을 때 구할 수 있는 Sum of Square값들 (실제로는 사용하지 않는다. 대신 msr 펑션으로 MS값을 구한다). | * function ssr = x 집합과 v값 (x.span의 한 숫자)를 인수를 주었을 때 구할 수 있는 Sum of Square값들 (실제로는 사용하지 않는다. 대신 msr 펑션으로 MS값을 구한다). | ||
| Line 122: | Line 122: | ||
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > ssrs <- c() # sum of square residuals | > ssrs <- c() # sum of square residuals | ||
| Line 147: | Line 147: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | |
| + | <WRAP column | ||
| comment | comment | ||
| * x.span의 처음값인 35.1을 넣어서 (x-v)를 구한 후 | * x.span의 처음값인 35.1을 넣어서 (x-v)를 구한 후 | ||
| Line 164: | Line 165: | ||
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > # v값이 x.span에 따라서 변화하여 대입되었을 때의 | > # v값이 x.span에 따라서 변화하여 대입되었을 때의 | ||
| Line 234: | Line 235: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <WRAP column |
| comment | comment | ||
| * msrs값에 저장된 msr값들 (mean square residual값들) 중에서 | * msrs값에 저장된 msr값들 (mean square residual값들) 중에서 | ||
| Line 244: | Line 245: | ||
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > # 아래는 위에서 계산한 msr 값들을 저장한 msrs값들 중에서 최소값이 되는 것을 찾은 | > # 아래는 위에서 계산한 msr 값들을 저장한 msrs값들 중에서 최소값이 되는 것을 찾은 | ||
| Line 270: | Line 271: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <WRAP column |
| comment | comment | ||
| * msrs 의 min(msrs)값을 찾는다 24.975 | * msrs 의 min(msrs)값을 찾는다 24.975 | ||
estimated_standard_deviation/rout01.1773120996.txt.gz · Last modified: by hkimscil