inflearn logo
강의

강의

N
챌린지

챌린지

멘토링

멘토링

N
클립

클립

로드맵

로드맵

지식공유

[퇴근후딴짓] 빅데이터 분석기사 실기 (작업형1,2,3)

작업3 코딩

해결된 질문

56

합격

작성한 질문수 40

0

어떤 문제는

from sicipy.stats import chisquare

chisquare(ob,ex)로 풀었던데,,,

 

밑에처럼 ,, 그냥 다른 단일표본검정 불러올때처럼 from scipy import stats만 즉, 다음과 같이

from scipy import stats

stats.chisquare(ob,ex)

 

from scipy import stats

stats.chi2_contingency(ob)

 

chi2 까지 저렇게 써도되는거 맞을까요?

감사합니다

python 머신러닝 빅데이터 pandas 빅데이터분석기사

답변 2

0

퇴근후딴짓

어떤 방식을 선택하든 통계적 검정 결과는 동일하며,

이는 단순히 코드를 작성하는 스타일의 차이일 뿐입니다
모두 from scipy import stats 구문을 사용하여 함수를 사용하고 있어요!

내일 시험 잘 보고 오세요!!

0

인프런 AI 인턴

안녕하세요, 인프런 AI 인턴입니다. 합격님.

질문에 대해 답변 드리겠습니다.

scipy.stats 모듈에서 chisquarechi2_contingency를 사용하는 방법에 대해 혼동이 있을 수 있는데요, 두 함수는 각각 다른 유형의 카이제곱 검정에 사용됩니다:

  1. stats.chisquare(ob, ex): 이는 카이제곱 적합도 검정을 위한 함수입니다. 여기서 ob는 관측된 값들의 리스트이고, ex는 기대된 값들의 리스트입니다. 주로 단일 변수의 분포가 예상되는 분포와 얼마나 일치하는지를 검정할 때 사용됩니다.

  2. stats.chi2_contingency(ob): 이는 카이제곱 독립성 검정을 위한 함수입니다. 입력되는 ob는 두 개 이상의 범주형 변수에 대해 교차 테이블(crosstab) 형식이어야 합니다. 이 함수를 통해 두 범주형 변수 간의 독립성을 검정합니다.

따라서, 코드에서 from scipy import stats를 사용한 뒤, stats.chisquare(ob, ex)stats.chi2_contingency(ob) 로 각각의 검정을 수행하는 것은 정확합니다. 두 함수를 사용할 때 입력 값의 형태가 맞는지 확인하는 것이 중요합니다.

이와 관련하여 유용한 기존 답변을 찾아보니, 기출6회 작업형3 1번문제 질문 게시물이 도움이 될 수 있을 것 같습니다.

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.

추가질문 합니다

0

7

1

시험환경 구름

0

9

1

2유형 질문드려요

0

7

1

RandomForest vs lgb

0

18

1

전처리 관련질문

0

12

2

작업형3 기출

0

12

1

유형2에서 데이터분할 생략 가능여부

0

20

2

9회 기출 유형3 질문

0

15

1

lgb 기초편

0

10

1

괄호 사용

0

15

1

작업형 2 데이터 전처리 질문

0

18

1

11회 기출 유형 작업형1 문제 3-1

0

14

0

예시문제 작업형2 (ver2023) 질문입니다

0

16

1

Data type에 따른 처리

0

15

2

데이터 전처리 관련

0

15

2

시험에서 문제 불러오기

0

18

2

2번문제 출력값 질문

0

21

2

pd.get_dummies()가 bool로 반환

0

18

2

대응표본검정 레빈

0

23

3

단일표본검정 문제 유형

0

23

2

[작업형 3] 6~7. 카이제곱 검정

0

22

2

9회 작업형3 문제 1-1

0

37

2

최종답안 계산 방식 질문

0

25

1

시험 치기 전 급하게 질문 사항

0

41

2