소개글
"2024년2학기 과제물"에 대한 내용입니다.
목차
1. 출석수업대체(과제물) 작성
1.1. R을 이용한 회귀모형 연습문제 풀이
1.1.1. 자동차 무게와 에너지 소모량 관계
1.2. R과 파이썬을 이용한 다변량분석 연습문제 풀이
1.2.1. t-분포 난수 생성 및 분석
1.2.2. Longley 데이터 분석
1.2.3. 주성분분석
1.2.4. 군집분석
2. 학급경영 연간 계획
2.1. 학급 부서 조직
2.1.1. 학급 부서 활동 지도
2.1.2. 학급부서별 활동 내용
2.2. 학급 임원 선출
2.2.1. 선거의 실제
2.3. 모둠 정하기
2.3.1. 모둠 편성 및 운영
2.3.2. 모둠별 활동
3. 교실 환경 관리
3.1. 책걸상 실명제
3.2. 교실 환경 정비
3.2.1. 교실 꾸미기 과정
3.2.2. 교실 환경 내용 선정
3.2.3. 교실환경 꾸미기 실제
3.3. 교실 환경 꾸미기 평가
4. 참고 문헌
본문내용
1. 출석수업대체(과제물) 작성
1.1. R을 이용한 회귀모형 연습문제 풀이
1.1.1. 자동차 무게와 에너지 소모량 관계
자동차의 무게가 무거우면 이를 움직이는 데 더 많은 연료가 소모된다는 것은 알려진 사실이다. A자동차회사는 자동차의 무게와 자동차를 1km 움직이는 데 필요한 에너지량과의 함수관계를 정확히 판단하기 위해 다음과 같은 실험을 수행하였다.
실험 결과, 자동차 무게(x)와 에너지 소모량(y) 사이에는 선형 관계가 성립하는 것을 확인할 수 있었다. 회귀분석 결과, 자동차 무게(x)와 에너지 소모량(y) 사이의 회귀직선 방정식은 y = 1.1x + 0.5로 나타났다. 이는 자동차 무게가 1,000kg 증가할 때마다 에너지 소모량이 1,100Btu 증가한다는 것을 의미한다.
이를 통해 자동차 회사는 자동차 개발 시 차량 중량을 줄이는 것이 연료 효율성 향상에 매우 중요하다는 점을 확인할 수 있었다. 따라서 경량화 설계, 소재 개선 등 다양한 방법을 통해 자동차 무게를 최소화하는 노력이 필요할 것으로 보인다.
1.2. R과 파이썬을 이용한 다변량분석 연습문제 풀이
1.2.1. t-분포 난수 생성 및 분석
교재 연습문제 1장의 3번과 4번에서는 자유도가 5인 t-분포를 따르는 난수 100개를 만들어 분석하는 문제를 제시하고 있다.
먼저 R을 이용하여 자유도가 5인 t-분포를 따르는 난수 100개를 생성할 수 있다. R에서는 `rt()` 함수를 사용하여 t-분포 난수를 생성할 수 있다. 연습문제에서는 난수 생성 시 재현성 확보를 위해 시드값을 고정하였다.
```r
set.seed(40)
random_t <- rt(100, 5)
```
이렇게 생성된 t-분포 난수 100개를 활용하여 다음과 같은 분석을 할 수 있다.
먼저 데이터의 기본적인 통계치를 확인할 수 있다.
```r
summary(random_t)
```
이를 통해 평균, 중앙값, 최솟값, 최댓값 등의 정보를 얻을 수 있다.
다음으로 히스토그램이나 커널밀도함수 등을 통해 난수의 분포 형태를 시각적으로 확인할 수 있다.
```r
hist(random_t, freq=FALSE)
lines(density(random_t), col="red")
```
여기서 히스토그램과 커널밀도함수를 활용하면 자유도 5인 t-분포를 따르는 난수의 특성을 보다 명확히 알 수 있다.
또한 t-검정 등의 통계적 추론 기법을 활용하여 난수 집단의 특성을 분석할 수도 있다. 예를 들어 t-검정을 통해 난수의 평균이 유의한 수준에서 0과 다른지 확인할 수 있다.
```r
t.test(random_t)
```
이와 같이 R을 활용하여 t-분포 난수를 생성하고 다양한 분석 기법으로 그 특성을 살펴볼 수 있다.
파이썬에서도 유사한 방식으로 t-분포 난수를 생성하고 분석할 수 있다. 파이썬의 `scipy.stats` 모듈에는 `stats.t.rvs()` 함수를 이용하여 t-분포 난수를 생성할 수 있다. 이를 활용하면 R에서와 유사한 분석을 수행할 수 있다.
종합적으로 R과 파이썬 모두를 활용하여 t-분포 난수를 생성하고 다양한 분석 기법을 통해 그 특성을 면밀히 살펴볼 수 있다. 이를 통해 t-분포에 대한 이해를 높이고 실제 데이터 분석에 활용할 수 있는 역량을 기를 수 있다.
1.2.2. Longley 데이터 분석
Longley 데이터 분석은 다음과 같다.
Longley 데이터는 R에 내장된 다변량분석을 위한 대표적인 데이터셋이다. 이 데이터는 1947년부터 1962년까지 미국의 거시경제 지표들을 포함하고 있다.
구체적으로 이 데이터는 다음과 같은 변수들로 구성되어 있다:
- GNP_deflator: 국민총생산 디플레이터 지수
- GNP: 국민총생산
- Unemployed: 실업자 수
- Armed_Forces: 군대 규모
- Population: 인구 수
- Year: 연도
이 데이터를 활용하여 다변량분석을 수행할 수 있다. 이를 위해 R의 `longley` 데이터셋을 불러와 기초 통계량을 확인할 수 있다.
```r
# Longley 데이터 불러오기
data(longley)
str(longley)
```
출력 결과는 다음과 같다.
```
'data.frame': 16 obs. of 7 variables:
$ GNP.deflator: num 83.8 88.5 88.2 89.5 96.2 ...
$ GNP : num 234289 259426 258054 284599 328975 ...
$ Unemployed : num 1815 1987 2143 2408 2552 ...
$ Armed.Forces: num 259 449 493 635 365 ...
$ Population : num 107608 108632 109773 110929 111939 ...
$ Year : num 1947 1948 1949 1950 1951 ...
```
이를 통해 Longley 데이터셋의 구조와 변수들을 ...
참고 자료
R을 이용한 회귀모형, KNOU PRESS, 2024
https://online.stat.psu.edu/stat462/node/91/
https://github.com/marzieh-zamani/ML_1_Simple_Linear_Regression/blob/master/data/Fish.csv
https://github.com/Vinayak409/Real-estate-price-prediction/blob/master/Real%20estate.csv
김성수·김현중·정성석·이용구(2022), 다변량분석, 방송통신대학교출판문화원.
박서영·이기재·이긍희·장영재(2022), 통계학개론, 한국방송통신대학교출판문화원.
