c:ms:2020:schedule
Differences
This shows you the differences between two versions of the page.
Both sides previous revisionPrevious revisionNext revision | Previous revisionNext revisionBoth sides next revision | ||
c:ms:2020:schedule [2020/06/26 14:27] – [Week10 (May 18, 21)] hkimscil | c:ms:2020:schedule [2020/06/27 14:19] – [Week15 (June 22, 25)] hkimscil | ||
---|---|---|---|
Line 73: | Line 73: | ||
<WRAP half column> | <WRAP half column> | ||
===== Concepts and ideas ===== | ===== Concepts and ideas ===== | ||
- | |||
- | |||
<WRAP box> | <WRAP box> | ||
Some [[:b:r cookbook: | Some [[:b:r cookbook: | ||
Line 487: | Line 485: | ||
<WRAP half column> | <WRAP half column> | ||
===== Concepts and ideas ===== | ===== Concepts and ideas ===== | ||
- | Do the following | ||
- | < | ||
- | 98, 87, 94, 77, 87, 98, 85, 89, 95, 85, 93, 93, | ||
- | 97, 71, 97, 93, 75, 68, 98, 95, 79, 94, 98, 95) | ||
- | S2 <- c(60, 98, 94, 95, 99, 97, 100, 73, 93, 91, 98, | ||
- | 86, 66, 83, 77, 97, 91, 93, 71, 91, 95, 100, | ||
- | 72, 96, 91, 76, 100, 97, 99, 95, 97, 77, 94, | ||
- | 99, 88, 100, 94, 93, 86) | ||
- | S3 <- c(95, 86, 90, 90, 75, 83, 96, 85, 83, 84, 81, 98, | ||
- | 77, 94, 84, 89, 93, 99, 91, 77, 95, 90, 91, 87, | ||
- | 85, 76, 99, 99, 97, 97, 97, 77, 93, 96, 90, 87, | ||
- | 97, 88) | ||
- | S4 <- c(67, 93, 63, 83, 87, 97, 96, 92, 93, 96, 87, 90, | ||
- | 94, 90, 82, 91, 85, 93, 83, 90, 87, 99, 94, 88, | ||
- | 90, 72, 81, 93, 93, 94, 97, 89, 96, 95, 82, 97) | ||
- | |||
- | scores <- list(S1=S1, | ||
- | |||
- | * find means for each element in " | ||
- | * find standard deviation for each element in " | ||
- | * find variance | ||
- | |||
- | < | ||
- | | ||
- | | ||
- | | ||
- | * make " | ||
- | * name columns " | ||
- | * name rows " | ||
- | * get means for each subject | ||
- | * attach the above data to the matrix data and name it " | ||
- | * get standard deviation for each trial | ||
- | * attach the above data to the matrix data, " | ||
- | |||
- | |||
- | < | ||
- | * get subrubs data as the above | ||
- | * get population means by each state (listed in the data, suburbs) | ||
- | * use aggregate and refer to the below e.g. | ||
- | < | ||
- | aggregate(MPG.city ~ Origin, Cars93, mean)</ | ||
- | * get population sum by each county with tapply function. | ||
- | * tapply(number, | ||
- | * how many counties are there? | ||
- | * Use Cars93 data, get MPG.city mean by Origin. | ||
- | |||
- | __Using pnorm, qnorm__ | ||
- | pnorm : get proportion out of normal distribution whose characteristics are mean and sd | ||
- | < | ||
- | * What is the value of the below? | ||
- | < | ||
- | * How would you get 68, 95, 99% from pnorm | ||
- | * use ?pnorm and see the default option | ||
- | |||
- | * generate 10 random numbers with runif function | ||
- | |||
- | < | ||
- | world.series <- data.frame(year)</ | ||
- | * get 10 year samples out of world.series data with " | ||
- | * how would you get the sample sample again latter? | ||
- | |||
- | < | ||
- | * What would be the result from the above? | ||
- | |||
- | < | ||
- | tbl = table(survey$Smoke, | ||
- | tbl # the contingency table</ | ||
- | |||
- | < | ||
- | </ | ||
- | * read the above output and interpret | ||
- | * what about the below one? | ||
- | < | ||
- | </ | ||
- | |||
- | see first [[: | ||
- | see [[:b:r cookbook: | ||
- | |||
- | < | ||
- | | ||
- | | ||
- | </ | ||
- | * Can you say the types of cars are different by the Origins? | ||
- | |||
- | < | ||
- | dur</ | ||
- | * make the above data into z-score (zdur). | ||
- | * get mean of the zdur | ||
- | * get sd of the zdur | ||
- | |||
- | < | ||
- | set.seed(1123) | ||
- | x <- rnorm(50, mean=100, sd=15) | ||
- | </ | ||
- | * test x against population | ||
- | * test x against population | ||
- | * are they different from each other? | ||
- | * what would you do if you want to see the different result from the second one? | ||
- | |||
- | < | ||
- | |||
- | > t.test(a, mu=60) | ||
- | |||
- | One Sample t-test | ||
- | |||
- | data: a | ||
- | t = 2.3079, df = 9, p-value = 0.0464 | ||
- | alternative hypothesis: true mean is not equal to 60 | ||
- | 95 percent confidence interval: | ||
- | | ||
- | sample estimates: | ||
- | mean of x | ||
- | | ||
- | </ | ||
- | * find the t critical value with function qt. | ||
- | * explain what happens in the next code | ||
- | * read (or remind) what pnorm and qnorm do. | ||
- | < | ||
- | > m <- mean(x) | ||
- | > n <- length(x) | ||
- | > n | ||
- | [1] 50 | ||
- | > m | ||
- | [1] 96.00386 | ||
- | > s | ||
- | [1] 17.38321 | ||
- | > SE <- s / sqrt(n) | ||
- | > SE | ||
- | [1] 2.458358 | ||
- | > E <- qt(.975, df=n-1)*SE | ||
- | > E | ||
- | [1] 4.940254 | ||
- | > m + c(-E, E) | ||
- | [1] 91.0636 100.9441 | ||
- | > </ | ||
- | |||
- | |||
- | * what's wrong with the below? | ||
- | < | ||
- | |||
- | < | ||
- | * using aggregate, get mean for each trnas. type. | ||
- | * compare the difference of mileage between auto and manual cars. | ||
- | * use t.test (two sample) | ||
- | * "use var.equal=T" | ||
- | |||
- | < | ||
- | b = c(185, 169, 173, 173, 188, 186, 175, 174, 179, 180) | ||
- | </ | ||
- | * stack them into data c | ||
- | * convert colnames into score and trans | ||
- | * t.test score by trans with var.equal option true. | ||
- | * aov test | ||
- | * see t.test t value, t = -0.9474 and F value, | ||
</ | </ | ||
Line 694: | Line 538: | ||
===== Concepts and ideas ===== | ===== Concepts and ideas ===== | ||
ANOVA | ANOVA | ||
- | [[:r:oneway anova]] | ||
- | [[:r:twoway anova]] | ||
- | [[:r:linear regression]] | ||
- | [[: | ||
- | [[:partial and semipartial correlation]] | ||
- | |||
- | [[: | ||
- | [[: | ||
- | |||
- | |||
- | [[:factor analysis]] | ||
- | |||
Linear Regression and ANOVA | Linear Regression and ANOVA | ||
http:// | http:// | ||
Line 764: | Line 596: | ||
</ | </ | ||
<WRAP half column> | <WRAP half column> | ||
+ | ===== Assignment ===== | ||
+ | <color # | ||
+ | __그룹과제 내용을 아래와 같이 수정합니다.__ | ||
+ | |||
+ | 그룹 assignment: | ||
+ | * independent t-test, repeated measures t-test, ANOVA, Factorial ANOVA, repeated measures ANOVA, regression, multiple regression 와 관련된 가설을 만들고, | ||
+ | * MS WORD를 이용하여 각 가설에 대응하는 설문문항을 모두 작성하시오. | ||
+ | * 아래 가설에 대응하는 데이터를 자의적으로 만든 후 검증을 하시오. | ||
+ | * Independent t-test | ||
+ | * ANOVA | ||
+ | * Factorial ANOVA | ||
+ | * Multiple Regression | ||
+ | * 검증 결과를 자세하게 논하시오. | ||
+ | |||
+ | 과제는 기본적으로 아래를 수행하여야 합니다. | ||
+ | * MS Word를 이용하여 작성합니다 (아래한글 제외) | ||
+ | * 가설만들기: | ||
+ | * 가설은 일반상식, | ||
+ | * 가설작성에는 가설에 대한 설명이 포함되어야 합니다. 즉, 가설만 만들어서는 부족합니다. | ||
+ | * 가설들은 서로 연관되어 있어도 좋습니다. 가령, 한 이론에서 파생된 t-test와 ANOVA 가설등. | ||
+ | * 아래 통계테스트에 대응하는 가설을 모두 만들어야 합니다 | ||
+ | * Independent t-test | ||
+ | * Repeated measures t-test | ||
+ | * ANOVA | ||
+ | * Factorial ANOVA | ||
+ | * Repeated measures ANOVA | ||
+ | * Regression | ||
+ | * Multiple Regression | ||
+ | * 설문문항 만들기 | ||
+ | * 각 가설에 대응하는 서베이 문항을 만들어야 합니다. 서베이문항은 다음을 포함합니다. | ||
+ | * 각 가설을 (7개, indepedent t-test, repeated measures t-test, ANOVA, etc.) 검증할 수 있는 문항들 | ||
+ | * 데이터 수집 | ||
+ | * <color # | ||
+ | * 각 그룹 아래 가설에 해당하는 데이터를 <color # | ||
+ | * (인위적으로 만들) 응답자 수는 최소 30명으로 합니다. 즉, 30명의 데이터를 인위적으로 만듭니다. | ||
+ | * Independent t-test | ||
+ | * ANOVA | ||
+ | * Factorial ANOVA | ||
+ | * Multiple Regression | ||
+ | * 가설의 검증 | ||
+ | * R을 이용하여 가설을 검증합니다. | ||
+ | * R 코드와 아웃풋을 MS Word에 기록합니다 | ||
+ | * MS Word에서 R코드와 아웃풋에 사용되는 폰트는 fixed width로 합니다 (courier, courier new와 같은) | ||
+ | * 분석은 인위적으로 데이터를 만든 가설만을 포함하면 됩니다. | ||
+ | * Independent t-test | ||
+ | * ANOVA | ||
+ | * Factorial ANOVA | ||
+ | * Multiple Regression (두 가지 이상의 IV 포함한) | ||
+ | * 결론 쓰기 | ||
+ | * 검증 결과를 의미있게 논합니다. | ||
+ | * 가설을 만드는데 사용된 이론이나 아이디어와 연관지어 의미있는 결론을 도출해 냅니다. | ||
+ | |||
+ | ---- | ||
+ | 과제제출 | ||
+ | * 가설 소개와 설명 | ||
+ | * independent t-test | ||
+ | * repeated measures t-test | ||
+ | * ANOVA | ||
+ | * Factorial ANOVA | ||
+ | * repeated measures ANOVA | ||
+ | * regression | ||
+ | * multiple regression | ||
+ | * 가설에 따른 설문 문항과 이 때의 IV와 DV 파악 및 측정 수준에 대한 설명 | ||
+ | * independent t-test | ||
+ | * repeated measures t-test | ||
+ | * ANOVA | ||
+ | * Factorial ANOVA | ||
+ | * repeated measures ANOVA | ||
+ | * regression | ||
+ | * multiple regression | ||
+ | * 각 가설검증 분석결과 및 논의 | ||
+ | * independent t-test | ||
+ | * repeated measures t-test | ||
+ | * ANOVA | ||
+ | * Factorial ANOVA | ||
+ | * repeated measures ANOVA | ||
+ | * regression | ||
+ | * multiple regression | ||
+ | 첨부파일 제출 | ||
+ | * 서베이 참여자 명단 (survey.participants.group.01.xlsx 와 같은 이름의 excel 파일 형식으로 따로 제출) | ||
+ | * 강사가 우선 클래스메이트 명단을 배포할 것입니다 (excel 파일로). | ||
+ | * 스프레드시트에 참여한 사람의 성과이름은 붙여서 적습니다. | ||
+ | * 자신의 조에 속한 조원들도 자기 조 서베이에 참여합니다. | ||
+ | * 완전참여 = 1 | ||
+ | * 비참여 = 0 | ||
+ | * 불완전참여 = 2 | ||
+ | |||
+ | |||
</ | </ | ||
====== Week16 (June 22, 25) ====== | ====== Week16 (June 22, 25) ====== | ||
<WRAP half column> | <WRAP half column> | ||
__**Final-term**__ | __**Final-term**__ | ||
+ | * July 02. 목요일 Quiz 봅니다. | ||
+ | * 퀴즈 시간은 12:00 - 5:00 입니다. 퀴즈 시간은 한정되어 있습니다. 연장이나 늦게 제출되지 않도록 할 예정입니다. 60분이 제한시간이면 이 시간이 지나면 자동제출됩니다. | ||
+ | * 범위는 다음과 같습니다. | ||
+ | * t-test | ||
+ | * ANOVA | ||
+ | * Repeated measure ANOVA | ||
+ | * Factorial ANOVA | ||
+ | * correlation | ||
+ | * Regression | ||
+ | * Multiple regression | ||
+ | * Using dummy variable | ||
+ | * Interpreting IVs roles | ||
</ | </ | ||
<WRAP half column> | <WRAP half column> |
c/ms/2020/schedule.txt · Last modified: 2021/03/02 09:42 by hkimscil