estimated_standard_deviation
Differences
This shows you the differences between two versions of the page.
| Both sides previous revisionPrevious revisionNext revision | Previous revision | ||
| estimated_standard_deviation [2026/03/10 05:28] – [output] hkimscil | estimated_standard_deviation [2026/03/11 01:56] (current) – [실험적, R에서 시뮬레이션으로 이해] hkimscil | ||
|---|---|---|---|
| Line 57: | Line 57: | ||
| ====== 실험적, R에서 시뮬레이션으로 이해 ====== | ====== 실험적, R에서 시뮬레이션으로 이해 ====== | ||
| 아래 output의 코멘트를 읽을 것 | 아래 output의 코멘트를 읽을 것 | ||
| + | <tabbox rs01> | ||
| < | < | ||
| rm(list=ls()) | rm(list=ls()) | ||
| Line 136: | Line 137: | ||
| vs[min.pos.msrs] | vs[min.pos.msrs] | ||
| </ | </ | ||
| - | ===== output ===== | + | <tabbox ro01> |
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > rm(list=ls()) | > rm(list=ls()) | ||
| Line 165: | Line 166: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <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 174: | Line 175: | ||
| <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 216: | Line 217: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <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 228: | Line 229: | ||
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > | > | ||
| Line 252: | Line 253: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <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 260: | Line 261: | ||
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > ssrs <- c() # sum of square residuals | > ssrs <- c() # sum of square residuals | ||
| Line 285: | Line 286: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | |
| + | <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 302: | Line 304: | ||
| <WRAP group> | <WRAP group> | ||
| - | < | + | <WRAP column |
| < | < | ||
| > # v값이 x.span에 따라서 변화하여 대입되었을 때의 | > # v값이 x.span에 따라서 변화하여 대입되었을 때의 | ||
| Line 372: | Line 374: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <WRAP column |
| comment | comment | ||
| * msrs값에 저장된 msr값들 (mean square residual값들) 중에서 | * msrs값에 저장된 msr값들 (mean square residual값들) 중에서 | ||
| Line 382: | Line 384: | ||
| <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 408: | Line 410: | ||
| </ | </ | ||
| </ | </ | ||
| - | < | + | <WRAP column |
| comment | comment | ||
| * msrs 의 min(msrs)값을 찾는다 24.975 | * msrs 의 min(msrs)값을 찾는다 24.975 | ||
| Line 420: | Line 422: | ||
| </ | </ | ||
| + | |||
| + | </ | ||
| + | |||
| + | |||
| + | ===== 미분으로 기울기가 최소값이 될 때를 찾는 법 ===== | ||
| 다음으로 MS값을 구하는 식인 | 다음으로 MS값을 구하는 식인 | ||
| Line 457: | Line 464: | ||
| - | ===== output ===== | ||
| 그렇다면 | 그렇다면 | ||
estimated_standard_deviation.1773120520.txt.gz · Last modified: by hkimscil