COMMunication
RESearch.NET

User Tools

Site Tools

You are here: index » c » ms » 2024 » schedule
Trace:
c:ms:2024:schedule

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revisionPrevious revision
Next revision		Previous revision
c:ms:2024:schedule [2024/03/18 08:54] – [Week03] hkimscilc:ms:2024:schedule [2024/05/08 08:48] (current) – [Week09] hkimscil
Line 368: Line 368:
 pnorm(s3.h) - pnorm(s3.l) pnorm(s3.h) - pnorm(s3.l)
  
-# +# for variance of sample means 
-# sa, http://commres.net/wiki/sampling_distribution_in_r?#n_4 +# see the [[:sampling distribution in r]]  
-# +
-# +
-m.ca <- 70 +
-sd.ca <- 10 +
-set.seed(1001) +
-iter <- 10000 +
-n <- 4 +
-s4.eg <- rnorm(n, m.ca, sd.ca) +
-mean.s4.eg <- mean(s4.eg) +
-s4.eg +
-mean.s4.eg +
- +
-means <- rep (NA, iter) # empty space of # of iteration  +
-for(i in 1:iter){ +
-  means[i] = mean(rnorm(n, m.ca, sd.ca)) +
-} +
- +
-# according to the professor +
-m.means.should.be <- m.ca  # mean = 70; sd = 10; +
-v.means.should.be <- sd.ca^2/n # variance of sample distribution (when n=4) +
-sd.means.should.be <- sqrt(v.means.should.be) +
-m.means.should.be +
-v.means.should.be +
-sd.means.should.be +
- +
-# Would actual calculated numbers be  +
-# similar to the above? +
-m.means <- mean(means) +
-v.means <- var(means) +
-sd.means <- sd(means) +
-m.means +
-v.means +
-sd.means +
- +
-se <- sd.means.should.be +
-se2 <- se*2 +
-m.ca - se2 +
-m.ca + se2 +
- +
-# +
-# sa, http://commres.net/wiki/sampling_distribution_in_r?#n_25 +
-# +
-# +
-m.ca <- 70 +
-sd.ca <- 10 +
-set.seed(1001) +
-iter <- 10000 +
-n <- 25 +
-s.eg <- rnorm(n, m.ca, sd.ca) +
-mean.s.eg <- mean(s.eg) +
-s.eg +
-mean.s.eg +
- +
-means <- rep (NA, iter) # empty space of # of iteration  +
-for(i in 1:iter){ +
-  means[i] = mean(rnorm(n, m.ca, sd.ca)) +
-} +
- +
-# according to the professor +
-m.means.should.be <- m.ca  # mean = 70; sd = 10; +
-v.means.should.be <- sd.ca^2/n # variance of sample distribution (when n=4) +
-sd.means.should.be <- sqrt(v.means.should.be) +
-m.means.should.be +
-v.means.should.be +
-sd.means.should.be +
- +
-# Would actual calculated numbers be  +
-# similar to the above? +
-m.means <- mean(means) +
-v.means <- var(means) +
-sd.means <- sd(means) +
-m.means +
-v.means +
-sd.means +
- +
-se <- sd.means.should.be +
-se2 <- se*2 +
-m.ca - se2 +
-m.ca + se2 +
- +
-# +
-# sa, http://commres.net/wiki/sampling_distribution_in_r?#n_100 +
-# +
-# +
-m.ca <- 70 +
-sd.ca <- 10 +
-set.seed(1001) +
-iter <- 10000 +
-n <- 100 +
-s.eg <- rnorm(n, m.ca, sd.ca) +
-mean.s.eg <- mean(s.eg) +
-s.eg +
-mean.s.eg +
- +
-means <- rep (NA, iter) # empty space of # of iteration  +
-for(i in 1:iter){ +
-  means[i] = mean(rnorm(n, m.ca, sd.ca)) +
-} +
- +
-# according to the professor +
-m.means.should.be <- m.ca  # mean = 70; sd = 10; +
-v.means.should.be <- sd.ca^2/n # variance of sample distribution (when n=4) +
-sd.means.should.be <- sqrt(v.means.should.be) +
-m.means.should.be +
-v.means.should.be +
-sd.means.should.be +
- +
-# Would actual calculated numbers be  +
-# similar to the above? +
-m.means <- mean(means) +
-v.means <- var(means) +
-sd.means <- sd(means) +
-m.means +
-v.means +
-sd.means +
- +
-se <- sd.means.should.be +
-se2 <- se*2 +
-m.ca - se2 +
-m.ca + se2 +
- +
-# +
-# sa, http://commres.net/wiki/sampling_distribution_in_r?#n_400 +
-# +
-# +
-m.ca <- 70 +
-sd.ca <- 10 +
-set.seed(1001) +
-iter <- 10000 +
-n <- 400 +
-s.eg <- rnorm(n, m.ca, sd.ca) +
-mean.s.eg <- mean(s.eg) +
-s.eg +
-mean.s.eg +
- +
-means <- rep (NA, iter) # empty space of # of iteration  +
-for(i in 1:iter){ +
-  means[i] = mean(rnorm(n, m.ca, sd.ca)) +
-} +
- +
-# according to the professor +
-m.means.should.be <- m.ca  # mean = 70; sd = 10; +
-v.means.should.be <- sd.ca^2/n # variance of sample distribution (when n=4) +
-sd.means.should.be <- sqrt(v.means.should.be) +
-m.means.should.be +
-v.means.should.be +
-sd.means.should.be +
- +
-# Would actual calculated numbers be  +
-# similar to the above? +
-m.means <- mean(means) +
-v.means <- var(means) +
-sd.means <- sd(means) +
-m.means +
-v.means +
-sd.means +
- +
-se <- sd.means.should.be +
-se2 <- se*2 +
-m.ca - se2 +
-m.ca + se2 +
- +
-# +
-# sa, http://commres.net/wiki/sampling_distribution_in_r?#n_1600 +
-# +
-# +
-m.ca <- 70 +
-sd.ca <- 10 +
-set.seed(1001) +
-iter <- 10000 +
-n <- 1600 +
-s.eg <- rnorm(n, m.ca, sd.ca) +
-mean.s.eg <- mean(s.eg) +
-s.eg +
-mean.s.eg +
- +
-means <- rep (NA, iter) # empty space of # of iteration  +
-for(i in 1:iter){ +
-  means[i] = mean(rnorm(n, m.ca, sd.ca)) +
-} +
- +
-# according to the professor +
-m.means.should.be <- m.ca  # mean = 70; sd = 10; +
-v.means.should.be <- sd.ca^2/n # variance of sample distribution (when n=4) +
-sd.means.should.be <- sqrt(v.means.should.be) +
-m.means.should.be +
-v.means.should.be +
-sd.means.should.be +
- +
-# Would actual calculated numbers be  +
-# similar to the above? +
-m.means <- mean(means) +
-v.means <- var(means) +
-sd.means <- sd(means) +
-m.means +
-v.means +
-sd.means +
- +
-se <- sd.means.should.be +
-se2 <- se*2 +
-m.ca - se2 +
-m.ca + se2 +
- +
-# +
-# sa, http://commres.net/wiki/sampling_distribution_in_r?#n_2500 +
-# +
-# +
-m.ca <- 70 +
-sd.ca <- 10 +
-set.seed(1001) +
-iter <- 10000 +
-n <- 2500 +
-s.eg <- rnorm(n, m.ca, sd.ca) +
-mean.s.eg <- mean(s.eg) +
-s.eg +
-mean.s.eg +
- +
-means <- rep (NA, iter) # empty space of # of iteration  +
-for(i in 1:iter){ +
-  means[i] = mean(rnorm(n, m.ca, sd.ca)) +
-} +
- +
-# according to the professor +
-m.means.should.be <- m.ca  # mean = 70; sd = 10; +
-v.means.should.be <- sd.ca^2/n # variance of sample distribution (when n=4) +
-sd.means.should.be <- sqrt(v.means.should.be) +
-m.means.should.be +
-v.means.should.be +
-sd.means.should.be +
- +
-# Would actual calculated numbers be  +
-# similar to the above? +
-m.means <- mean(means) +
-v.means <- var(means) +
-sd.means <- sd(means) +
-m.means +
-v.means +
-sd.means +
- +
-se <- sd.means.should.be +
-se2 <- se*2 +
-m.ca - se2 +
-m.ca + se2+
 </code> </code>
- +see the [[:sampling distribution in r]] 
-<code> +
-# now  +
-# we know exactly variance of sample distribution = (sd.ca^2)/n +
-# hence sd of it = sqrt((sd.ca^2)/n) +
-# sample size poole +
-samples <- seq(from=1, to=3600, by=1) +
-num.samples <- length(samples) +
-ses <- rep (NA, num.samples) # empty space of # of iteration  +
-for(i in 1:num.samples){ +
-  ses[i] = sqrt((sd.ca^2)/samples[i]) +
-} +
-ses[4] +
-ses[25] +
-ses[100] +
-plot(ses) +
-</code> +
-{{:c:ms:2024:pasted:20240318-085214.png}} +
- +
-now see the [[:sampling distribution in r]] document again!+
 ===== Assignment ===== ===== Assignment =====
  
Line 643: Line 381:
 ====== Week04 ====== ====== Week04 ======
 <WRAP half column> <WRAP half column>
 +동영상 시청
 +
 +  * https://youtu.be/Qaxj6LZ-iL0 : sampling distribution
 +  * https://youtu.be/0RZJbZtzs6s : sampling distribution e.g. in R
 +  * https://youtu.be/AbeIQvJJ5Vw : mean and variance (standard deviation) in sampling distribution (샘플평균들의 집합에서의 평균과 분산 (표준편차))
 +  * https://youtu.be/zFdbt2XoeM4 : CLT (central limit theorem) and standard error 중심극한정리와 표준오차
 +  * https://youtu.be/Udp-4MLAlvc : Testing hypothesis based on CLT principle CLT에 근거를 둔 가설의 검증 
 +
 +
 +  * [[:sampling distribution in r]] 
  
 ===== Class Activity ===== ===== Class Activity =====
Line 670: Line 418:
 </WRAP> </WRAP>
 <WRAP half column> <WRAP half column>
 +{{:c:ms:2023:pasted:20230329-102748.jpeg}}
 +아래 두번째 그림은 population의 평균이 102 일 때
 +400명을 (1600명이 아니라) 샘플로 취했을 때의 
 +샘플평균들의 집합을 그린것입니다. 
 +{{:c:ms:2023:pasted:20230329-102811.jpeg}}
 +
  
 ===== Assignment ===== ===== Assignment =====
- 
-</WRAP> 
- 
-====== Week05 ====== 
-<WRAP half column> 
 ===== Announcement Quiz 01 ===== ===== Announcement Quiz 01 =====
-<WRAP box> +다음 주 수요일 (5주차 두번째시간) 퀴즈 있습니다. 
-다음 주 수요일 (6주차 첫시간) 퀴즈 있습니다. +
 퀴즈 범위는  퀴즈 범위는 
   * 5주차까지 언급된 모든 동영상   * 5주차까지 언급된 모든 동영상
Line 699: Line 447:
   * 시험문제는 4지선다 혹은 단답식 답입니다.    * 시험문제는 4지선다 혹은 단답식 답입니다. 
   * 문제는 모두 50문제 정도입니다.   * 문제는 모두 50문제 정도입니다.
-</WRAP> 
-동영상 시청 
  
-  * https://youtu.be/Qaxj6LZ-iL0 : sampling distribution 
-  * https://youtu.be/0RZJbZtzs6s : sampling distribution e.g. in R 
-  * https://youtu.be/AbeIQvJJ5Vw : mean and variance (standard deviation) in sampling distribution (샘플평균들의 집합에서의 평균과 분산 (표준편차)) 
-  * https://youtu.be/zFdbt2XoeM4 : CLT (central limit theorem) and standard error 중심극한정리와 표준오차 
-  * https://youtu.be/Udp-4MLAlvc : Testing hypothesis based on CLT principle CLT에 근거를 둔 가설의 검증  
  
 +</WRAP>
  
-  * [[:sampling distribution in r]] +====== Week05 ====== 
 +<WRAP half column> 
 +<WRAP box> 
 +</WRAP>
 ===== Concepts and ideas ===== ===== Concepts and ideas =====
 [[:b:r cookbook:Data Structures]] [[:b:r cookbook:Data Structures]]
Line 748: Line 493:
 </WRAP> </WRAP>
 <WRAP half column> <WRAP half column>
-{{:c:ms:2023:pasted:20230329-102748.jpeg}} +===== Assignment ===== 
-아래 두번째 그림은 population의 평균이 102 일 때 + 
-400명을 (1600명이 아니라) 샘플로 취했을 때의  +</WRAP>
-샘플평균들의 집합을 그린것입니다.  +
-{{:c:ms:2023:pasted:20230329-102811.jpeg}}+
  
 <code> <code>
Line 764: Line 507:
 m.tg <- mean(treated.group) m.tg <- mean(treated.group)
 m.tg m.tg
 +
 +# H1: m.tg =\ mu.pop (100) ?
 +# H0: if m.tg =\ mu.pop (100) 
 +# then
 +# n=16 Xbar ~ N(mu.pop, 25/4) 
 +# 즉 Xbar집합의 분산은 6.25 
 +# 표준편차는 (표준오차, se) 2.5
 +# 따라서 Xbar 집합의 평균을 중심으로한 
 +# 95% 범위는 pop.mu +- 2*(se)
 +# 즉, 100중 95는 95 ~ 105 사이에서 샘플의 평균이 나와야 함
 +# 즉, m.tg는 위의 범위에서 나와야 함. 그러나
 +# 나머지 5%는 95 밑이나 105 위에서 나올 수도 있음
 +# 그런데, m.tg = 113.0706
 +# 이를 근거로 영가설을 부정하고 
 +# 검증하고자 하는 연구가설을 채택함
 +# 즉, treated group 과 모집단의 평균은 다르다. 혹은 
 +# treated group은 모집단에서 추출될 수 있는 샘플이 아니라
 +# 다른 모집단에 속한 샘플이다 (95% 확신, 5% 에러마진)
 +se <- sqrt((sd.pop^2)/16)
 +qnorm(0.975,mean=100,sd=se)
 +# [1] 104.8999
 +qnorm(0.025,mean=100,sd=se)
 +# [1] 95.10009
 +
 +# 그렇다면 mu.tg 값이 나올 확률은 몇일까?
 +pnorm(mu.tg, mean=100, sd=se)
 +# [1] 0.9999999
 +sscore <- (m.tg-mu.pop)/se
 +sscore
 +# [1] 5.22823 
 +1-pnorm(sscore,0,1)
 +# [1] 8.557037e-08
 +a <- 1-pnorm(sscore,0,1)
 +b <- pnorm(-sscore,0,1)
 +a
 +# [1] 8.557037e-08
 +b
 +# [1] 8.557037e-08
 +a+b
 +# [1] 1.711407e-07
  
 # install.packages("BSDA") # install.packages("BSDA")
Line 795: Line 578:
 </code> </code>
  
-===== Assignment =====+<code> 
 +> z.test(treated.group, mu=mu.pop, sigma.x=sd.pop)  
 + 
 + One-sample z-Test 
 + 
 +data:  treated.group 
 +z = 5.2282, p-value = 1.711e-07 
 +alternative hypothesis: true mean is not equal to 100 
 +95 percent confidence interval: 
 + 108.1707 117.9705 
 +sample estimates: 
 +mean of x  
 + 113.0706  
 + 
 +>  
 +# 위에서 . . . . z 값이 +_2 밖이면 영가설을 부정하고  
 +# 연구가설을 채택하게 된다 
 +</code> 
 + 
 +<code> 
 +# 샘플 숫자가 작을 경우 위의 +-2 점수가 정확하지 
 +# 않기 때문에 보정을 해주게 된다. 이 보정된 값은 
 +# 샘플의 숫자에 따라서 (degrees of freedom) 달 
 +# 라지게 된다 
 +</code> 
 +[[:t-test]] 
 +[[:t distribution table]] 
 +[[:r:t-test]] in R 
  
-</WRAP> 
  
 ====== Week06 ====== ====== Week06 ======
Line 824: Line 634:
 <WRAP half column> <WRAP half column>
 [[./schedule/week06 t-test and anova note]] [[./schedule/week06 t-test and anova note]]
 +<code>
 +# pnorm
 +# qnorm
 +# pt
 +# qt
 +percentage <- .975
 +df <- 99
 +t.critical <- qt(percentage, df) # sample size = df + 1 일 때, 95%에 해당하는 점수는?
 +t.critical
 +
 +t.calculated <- 3.6
 +df <- 8
 +pt(t.calculated, df) 
 +
 +</code>
 ===== Announcement ===== ===== Announcement =====
 ===== Assignment ===== ===== Assignment =====
 </WRAP> </WRAP>
 +
  
 ====== Week07 ====== ====== Week07 ======
Line 878: Line 704:
 ===== 8주차 퀴즈 ===== ===== 8주차 퀴즈 =====
 8주차 정기시험기간 중에 2차 퀴즈 8주차 정기시험기간 중에 2차 퀴즈
-  * 4월26일, 09:00 ~ (A, B교시)+  * 시간  
 +    * 09:00 ~ (A, B교시)
   * 범위   * 범위
     * 처음부터 One-way ANOVA test with post hoc test 까지 (R square에 대한 설명포함)     * 처음부터 One-way ANOVA test with post hoc test 까지 (R square에 대한 설명포함)
Line 902: Line 729:
 ====== Week08 ====== ====== Week08 ======
 시험기간 시험기간
-보강영상 수업 
  
 ====== Week09 ====== ====== Week09 ======
Line 961: Line 787:
  
 ===== Assignment ===== ===== Assignment =====
-그룹 assignment week09 
-{{:r:cookies.xlsx}} --> 2-way ANOVA test 계산해보기 
-{{:r:repeated_measures_anova_eg.xlsx}} --> Repeated measure ANOVA 계산해보기 ([[:Repeated Measure ANOVA]] 참조). 
-과제 첫 번째 문제는 Repeated measure ANOVA 입니다. Factorial ANOVA가 아닙니다.  
-<code> 
-patient drug1 drung2 drug3 
-1 30 28 16 
-2 14 18 10 
-3 24 20 18 
-4 38 34 20 
-5 26 28 14 
-</code> 
-edited 
-ms.23.ga.w09.anova 
-  - 위 데이터를 엑셀과 같은 스프레드시트 프로그램에 입력하고 F-test를 직접 계산하세요.  
-    * <del>{{:detergent.anova.by.hand.xlsx}} 엑셀의 데이터를 가지고 F-test를 직접 계산하세요.</del>  
-    * 과제는 ms.23.ga.groupID.w09.anova.by.hand.xlsx 파일에 <del>두개의 tab을 만들어</del> 수행하고 제출하세요 
-  - {{:r:twoway.anova.by.hand.xlsx}} 
-    * 위 파일을 다운로드 받아서 anova test를 직접 계산하세요.  
-    * 계산한 결과를 ms.23.ga.groupID.w09.twoway.anova.by.hand.xlsx 파일이름으로 저장하여 업로드하세요. 
-  - {{:r:twoway.anova.by.hand.data.csv}} 파일을 R에서 데이터로 (df) 불러와서 F-test를 수행하세요. 수행한 내용을 캡춰하여 groupID.w.09.twoway.anova.by.hand.data.docx 에 저장하여 업로드하세요. 과제 작성은 fixed font로 해야 합니다. 
-  - 조원과 의논하여 아래를 수행하세요 
-    * Indepdent sample t-test 를 수행할 가설을 전공과 관련하여 만드세요. 
-    * Oneway ANOVA 를 수행할 가설을 전공과 관련하여 만드세요.  
-    * Repeated measure ANOVA 를 수행할 가설을 전공과 관련하여 만드세요. 
-    * Twoway ANOVA 를 수행할 가설을 전공과 관련하여 만드세요.  
-    * ms.23.ga.groupID.w09.making.hypothesis.odc 와 같은 파일 이름으로 저장하여 업로드하세요 
----- 
-===== 소희학생 과제 ===== 
-  * 아래를 수행하세요. 소희학생은 group 13으로 되어 있어서 group 13으로 올리시기 바랍니다.  
-    * [[:t-test]], [[:ANOVA]], [[:repeated measure ANOVA]], [[:factorial ANOVA|twoway ANOVA]] 를 수행할 수 있는 가설을 만드세요.  
-    * 각 가설의 독립변인과 종속변인을 ([[:types of variables]]) 기술하세요. 
-    * 각 변인의 측정수준을 ([[:level of measurement]]) 기술하세요.  
-  * 아래를 수행하세요 
-    * R에서 ''?ToothGrowth'' 를 친 후에 이 데이터가 무엇에 관한 것인지 설명하세요.  
-    * supp를 독립변인으로 하여 가설을 만들고, R에서 검증한 후 (t-test) 결과를 출력하고 (출력은 fixed font로 해야 합니다), 이를 해석하세요. 
-    * dose를 독립변인으로 하여 가설을 만들고, R에서 검증을 한 후에 결과를 출력하고, 이를 해석하세요.  
-    * supp와 dose를 동시에 독립변인으로 하여 R에서 검증을 한 후에 결과를 출력하고, 이를 해석하세요.  
-  * 과제는  ms.23.ga.w09.anova.by.hand 의 과제제출란에 제출하되,  
-  * 파일이름은 ga.g13.w09.hypothesis.testing.docx 로 하여 과제파일을 올리세요.  
 </WRAP> </WRAP>
  
c/ms/2024/schedule.1710719677.txt.gz · Last modified: 2024/03/18 08:54 by hkimscil
Donate Powered by PHP Valid HTML5 Valid CSS Driven by DokuWiki