김빡빡 스토어

김빡빡

개인인증

팔로워0 팔로우

소개

등록된 소개글이 없습니다.

전문분야 등록된 전문분야가 없습니다.

판매자 정보

학교정보

입력된 정보가 없습니다.

직장정보

입력된 정보가 없습니다.

자격증

입력된 정보가 없습니다.

판매지수

판매중 자료수

12개
전체 판매량

202개
최근 3개월 판매량

0개
자료후기 점수

평균A
자료문의 응답률

-

전체자료 12개

[레포트 형식 예제] 차별금지법을 통한 사회적 약자 인식 개선의 필요성

사람들이 가득한 출근길. 한참 직장인들을 나르며 분주했을 지하철이 움직임을 멈췄다. 곧이어 정류장 스크린도어 사이에 바퀴를 끼워 넣은 이들이 소리친다. “저희를 버리고 가시겠습니까.” 지난 12월, 전국장애인차별철폐연대(이하 전장연)이 지하철 출근 선전전 및 시위를 시작하였다. 전장연은 장애인 권리예산 보장을 위해 몸을 내던지는 싸움을 시작했다. 2020년 12월, 관련 법안3)이 통과되었지만 부족한 예산 지원 탓에 한계에 부딪혔다. ‘장애인 이동권 시위’는 2001년 오이도역 휠체어 리프트 사망사고 이후 현재까지 이어지고 있지만, 변화는 더뎠다. 사회는 무관심했고, 혐오적인 시선이 이들을 특권을 바라는 이기주의자로 낙인찍었다. 이러한 상황 속에서 출근길 지하철 시위가 길어지자 비난의 목소리는 더 커져 장애인과 비장애인 간의 양극화로 이어졌다.그런데, 정말 이 일이 무관심해도 될 ‘남의 일’일까? 비장애인은 영원히 비장애인으로 남을 수 있는가? 전장연 상인 공동대표인 박경석 씨는 해병대를 제대한 건강한 청년이었다. 그러나 불의의 사고로 하반신 마비라는 장애를 얻어 5년간 외출하지 못했다고 한다. 사람은 언제든지 장애를 얻을 수 있다. 누구나 사회적 약자가 될 수 있다. 그렇기에 사회 구성원들은 약자를 보호해야 한다. 단순히 인정(人情5))으로 외치는 말이 아니다. 인간은 필연적으로 늙고 병들며 장애를 얻게 된다. 이는 인간인 이상 누구도 피할 수 없다.

사회과학| 2022.07.18| 6페이지| 1,000원| 조회(105)

노인, 장애인, 보고서, 각주, 글쓰기, 리프트, 시위, 이동권, 차별금지법

미리보기

닫기
[예제를 통한 회귀분석] 4, 5장 회귀진단, 질적예측변수 풀이 solution 평가C아쉬워요

[4.6] 에 대한 Y의 회귀에서, 다음 그래프들은 통상적인 최소제곱 회귀의 가정들을 평가하기 위해 사용된다.1. Y 대 각 예측변수 의 산점도2. 의 산점도행렬3. 내적표준화 잔차의 정규확률플롯4. 잔차 대 적합값플롯5. 잠재성-잔차플롯6. Cook 거리에 대한 인덱스플롯7. Hadi의 영향력 측도에 대한 인덱스플롯이들 각 그래프에 대하여(a) 각 그래프에 의해 확인될 수 있는 가정들은 무엇인가?관계시키는 모형이 회귀계수에 대하여 선형임을 가정하는 모형의 형태에 대한 가정을 확인할 수 있다.· 내적표준화 잔차의 정규확률플롯은 오차의 정규성 가정을 확인할 수 있다.· 잔차 대 적합값플롯은 표준적인 가정 하에서 표준화잔차는 적합값과 상관되어 있지 않다는 가정을 확인할 수 있다.· 잠재성-잔차플롯은 모든 관측개체들은 동일하게 신회할 만하며, 회귀의 결과를 결정하고 결론을 도출함에 있어서 거의 동등한 역할을 한다(즉, 모든 개체가 유사한 영향력을 가짐)는 가정을 확인할 수 있다. · Cook 거리에 대한 인덱스플롯은 모든 개체는 유사한 영향력을 갖는 다는 가정을 확인할 수 있다. · Hadi의 영향력 측도에 대한 인덱스플롯은 모든 개체는 유사한 영향력을 갖는 다는 가정을 확인할 수 있다. [4.12] 표 4.8의 데이터를 고려하자. 이것은 반응변수 Y와 여섯 개의 예측변수로 구성되어있다. Y와 여섯 개의 X-변수를 관계시키는 선형모형을 고려하자.(a) 최소제곱의 가정이 위반되는 것으로 보이는 것은 무엇인가? (있다면)

자연과학| 2022.07.18| 34페이지| 2,000원| 조회(1,120)

회귀분석, 연습문제, 회귀진단, 질적예측변수

미리보기

닫기
R 응용 다변량분석 1, 2장 연습문제 1,3번 솔루션 solution

다변량 통계 분석1~2장 연습문제제출일 2022.03.30정보통계학과1. wine{HDclassif} 자료는 이태리의 특정 지역에서 생산된 3종류(class)의 와인에 대해 화학성분(v1-v13)을 분석한 자료이다. 와인의 종류별로 6개 변수(v1-v13)만을 사용하여 다음 분석을 실시하여라.우선 HDclassif 패키지를 설치한 뒤, wine 데이터를 불러온다.> install.packages('HDclassif')> library(HDclassif)> data(wine)(a) 표본평균벡터를 구하여라.종류별 표본평균벡터를 구하기 위해 wine 데이터를 class별로 새롭게 저장하고 6개(v1~v2)의 column만 남긴다.class 1: 1 ~ 59행 class 2: 60 ~ 130행 class 6: 131 ~ 178행> wine_1 = wine[0:59, 1:7]> wine_2 = wine[60:130, 1:7]> wine_3 = wine[131:178, 1:7]그 후, colMeans() 함수를 이용하여 표본평균벡터를 구한다.> colMeans(wine_1)class V1 V2 V3 V4 V51.000000 13.744746 2.010678 2.455593 17.037288 106.338983V62.840169> colMeans(wine_2)class V1 V2 V3 V4 V5 V62.000000 12.278732 1.932676 2.244789 20.238028 94.549296 2.258873> colMeans(wine_3)class V1 V2 V3 V4 V5 V63.000000 13.153750 3.333750 2.437083 21.416667 99.312500 1.678750(b) 표본공분산행렬을 구하여라.cov() 함수를 이용해 와인 종류별로 표본공분산행렬을 구한다. 이때, class column은 제외하고 실시한다.> cov(wine_1[,2:7])V1 V2 V3 V4 V5 V6V1 0.21355985?0.012891204 -0.01559941248 110.2279369 1.0933898305V6 0.06589746?0.019491496 0.0003697253?0.1924719 1.0933898 0.1148947984> cov(wine_2[,2:7])V1 V2 V3 V4 V5 V6V1 0.28940551 -0.01167085 -0.03646241 ?0.1014225 -0.2695795 -0.01359002V2 -0.01167085 1.03137988 0.04764272 0.8093968 -1.3064909 0.02184449V3 -0.03646241 0.04764272 0.09951960 0.7347153 0.6824748 0.01929404V4 -0.10142254 0.80939678 0.73471529 11.2209618 0.1830986 0.23372918V5 -0.26957948?1.30649095 0.68247485 0.1830986 280.6796781 0.64034205V6 -0.01359002 0.02184449 0.01929404 0.2337292 0.6403421 0.29741871> cov(wine_3[,2:7])V1 V2 V3 V4 V5 V6V1 0.28115585 0.063721809 0.024000532 0.2513830 -0.4858777 0.03981755V2 0.06372181 1.183538830 0.003628191 0.2089362 -2.0731117 -0.06241436V3 0.02400053 0.003628191 0.034110461 0.3163475 0.4249734 0.03101543V4 0.25138298 0.208936170 0.316347518 5.0992908 3.9202128 0.29382979V5 -0.48587766 -2.073111702 0.424973404 3.9202128 118.6023936 -0.15406915V6 0.03981755 -0.062414362 0.031015426 0.2938298 -0.1540691 0.12742819(00 0.54933018 0.38254929 0.004801597V4 -0.31836650 0.06003086 0.549330176 1.00000000 0.23833672 -0.222999482V5 0.15936069 0.07931716 0.382549294 0.23833672 1.00000000 0.307240885V6 0.42068660 -0.08351418 0.004801597 -0.22299948 0.30724088 1.000000000> cor(wine_2[,2:7])V1 V2 V3 V4 V5 V6V1 1.00000000 -0.02136189 -0.2148512 -0.056281546 -0.029910794 -0.04632149V2 -0.02136189 1.00000000 0.1487075 0.237923371 -0.076787688 0.03944104V3 -0.21485117 0.14870750 1.0000000 0.695263983 0.129129914 0.11214627V4 -0.05628155 0.23792337 0.6952640 1.000000000 0.003262605 0.12794218V5 -0.02991079 -0.07678769 0.1291299 0.003262605 1.000000000 0.07008457V6 -0.04632149 0.03944104 0.1121463 0.127942178 0.070084567 1.00000000> cor(wine_3[,2:7])V1 V2 V3 V4 V5 V6V1 1.0000000 0.11046464 0.2450775 0.20994591 -0.08414080 0.21036246V2 0.1104646 1.00000000 0.0180574 0.08504866 -0.17497851 -0.16071652V3 0.2450775 0.01805740 1.0000000 0.75851775 0.21128625 0.47043669V4 0.2099459 0.08504866 0.7585177 1.00000000 0.1594gen(A)eigen() decomposition$values # 고윳값[1] 4 2$vectors # 고유벡터[,1] [,2][1,] 0.7071068 -0.7071068[2,] 0.7071068 0.7071068(b) 스펙트럼 분해를 실시하여라.eigen() 함수의 결과를 이용해P,LAMBDA ,P ^{T}를 구하여 스펙트럼 분해를 실시한다.> P = ev_A$vectors> S = diag(ev_A$values)> P_t = t(P)>> P %*% S %*% P_t[,1] [,2][1,] 3 1[2,] 1 3(c) 역행렬(A ^{-1}#)과 제곱근행렬(A ^{1/2})을 구하여라.eigen() 함수의 결과를 이용해P,LAMBDA ^{-1},LAMBDA ^{1/2},P ^{T}를 구하여 스펙트럼 분해를 실시한다.> # 역행렬> P = ev_A$vectors> S_inv = diag(ev_A$values ^ (-1))> P_t = t(P)>> P %*% S_inv %*% P_t[,1] [,2][1,] 0.375 -0.125[2,] -0.125 0.375이는 역행렬을 구하는 함수인 solve()를 실시했을 때의 결과와 동일하다.> solve(A)[,1] [,2][1,] 0.375 -0.125[2,] -0.125 0.375> # 제곱근행렬> P = ev_A$vectors> S_root = diag(ev_A$values ^ (1/2))> P_t = t(P)>> P %*% S_root %*% P_t[,1] [,2][1,] 1.7071068 0.2928932[2,] 0.2928932 1.7071068도출된 제곱근행렬을 제곱하면 행렬 A이다.> A_root = P %*% S_root %*% P_t> A_root %*% A_root[,1] [,2][1,] 3 1[2,] 1 3 # 이는 행렬 A와 동일.(d)A ^{T} A와AA ^{T}의 고윳값과 고유벡터를 구하여라.eigen() 함수를 이용하여 고윳값과 고유벡터를 구한다.> eigen(A %*% t(A))eigen() -2&-1#-2&6&-1#-1&-1&5}}우선 행렬A를 정의한다.> A = matrix(c(6, -2, -1, -2, 6, -1, -1, -1, 5), 3, 3)> A[,1] [,2] [,3][1,] 6 -2 -1[2,] -2 6 -1[3,] -1 -1 5eigen() 함수를 이용해 고윳값과 고유벡터를 구하고, 이를 이용해P,LAMBDA ,P ^{T}를 도출해 스펙트럼 분해를 실시한다.> ev_a = eigen(A)>> P = ev_a$vectors> S = diag(ev_a$values)> P_t = t(P)>> P %*% S %*% P_t[,1] [,2] [,3][1,] 6 -2 -1[2,] -2 6 -1[3,] -1 -1 5 #P,LAMBDA ,P ^{T} 행렬을 곱한 결과는 행렬A가 된다.7. (문제 5)의 행렬A에 대해 다음 물음에 답하여라.(a) 일반화분산과 총분산을 구하여라.일반화분산은 공분산행렬의 행렬식이다.> det(cov(A))[1] 3.410605e-13총분산은 공분산행렬의 대각원소들의 합이다. for 문을 활용해서 구하려 한다.> total = 0> for (i in c(1 : dim(cov(A))[1])) {total = total + cov(A)[i,i]}> print(total)[1] 50(b)A ^{1/2}을 구하여라.eigen() 함수를 이용해 고윳값과 고유벡터를 구하고,P,LAMBDA ^{1/2},P ^{T}를 도출해 스펙트럼 분해를 실시한다.> eigen(A_matrix)eigen() decomposition$values[1] 8 6 3$vectors[,1] [,2] [,3][1,] 7.071068e-01 -0.4082483 -0.5773503[2,] -7.071068e-01 -0.4082483 -0.5773503[3,] -5.551115e-17 0.8164966 ?0.5773503>> ev_A = eigen(A_matrix)>> P = ev_A$vectors> S = diag(ev_A$values^0.5)> P_t = t(P5

자연과학| 2022.07.18| 11페이지| 1,000원| 조회(645)

행렬, 통계, 데이터, 통계학, 분산, 다변량분석, 충북대학교, 상관관계, r, 특잇값

미리보기

닫기
[대외활동 합격] Code.PRESS-UP 체험단 합격 지원서 (자기소개, 지원동기, 활동계획)

자기소개 (200자 이상) *본인의 장?단점이나 성격 등을 자유롭게 서술해주세요.안녕하십니까! 데이터, 네가 궁금하다! 데이터들의 통역사가 되고 싶은 ㅇㅇㅇ입니다. TV나 SNS, 혹은 우리 주변에서 일어나는 일들을 보면, 모든 것이 서로 연결되어있다는 생각이 듭니다. 어쩌면 이 데이터들은 우리에게 말을 걸고 있는 것이 아닐까요? 데이터의 언어를 이해하고 번역하고자 현재 ㅇㅇ대학교 ㅇㅇ학과 ㅇ학년을 재학 중입니다.세상은 수수께끼 투성이고 제 속은 호기심으로 가득 찼습니다. 무엇 하나에 몰두하면 그것을 이루기 위해 최선을 다하는 추진력과 끈기를 가지고 있습니다. 꼼꼼한 성격 탓에 재검토하는 습관이 있어 일의 진행이 늦어질 때도 있지만, 그만큼 결과물의 퀄리티는 증가하니 투자한 시간이 아깝다고 생각한 적은 없습니다.지원 동기 (400자 이상) *Code.PRESS-UP 체험단 활동을 하게 된다면 어떤 부분을 얻어가고 싶으신가요?전공을 통해 프로그래밍을 공부하게 되면서 제 코딩 능력이 부족하다는 것을 깨달았습니다. 이번 방학을 발판으로 삼아 코딩 지식을 보충하기 위해 여러 정보를 찾아보던 도중 Code.PRESS-UP 체험단을 만나게 되었습니다. Code.presso는 사전 지식이 없는 사람들도 쉽게 수강할 수 있을뿐더러 이론뿐만 아닌 실무에서도 사용 가능한 실습 위주의 커리큘럼을 제공하고 있습니다. 저학년이라 빅데이터에 관한 지식이 적은 탓에 난도 높은 강의를 수강하는 데 어려움이 있는 저에게 딱 맞는 강의입니다. 또 변수나 조건·반복문의 구동 원리와 같은 기초 프로그래밍 이론은 익히 알고 있지만, 이를 실무에서 활용한 경험이 적은 제가 커리큘럼을 통해 실전 코딩 능력을 키울 수 있을 거란 확신이 듭니다.기사나 유튜브를 통해 데이터 사이언스에 대한 간단한 정보들을 접해왔지만, 직접 현장에서 이뤄지는 실무를 알 수는 없었습니다. 그렇다 보니, 집중적으로 필요한 공부와 앞으로 해야 할 것이 무엇인지 알지 못해 막막했습니다. 커리큘럼 후 실무자분들과의 만남에서 이 고민을 해결할 수 있으리라 생각하니, 체험단에 꼭 참가해 성장할 기회를 얻고 싶습니다.

기타| 2021.12.23| 1페이지| 3,000원| 조회(384)

성격, 대학생, 자기소개, 지원동기, 활동계획, 블로그, 코딩, 지원서, 대외활동, 체험..

미리보기

닫기
[만점 리포트] 폐기물 처리를 둘러싼 갈등 탐구와 근본 원인 파악 - '청주시 오창 후기리 소각장'을 중심으로 평가A+최고예요

앞이 보이지 않는 뿌연 하늘, 먼지 탓에 뻑뻑해진 눈. 최근 코로나로 인해 전 세계 공장들의 운영이 대폭 감소하면서 맑은 하늘을 볼 수 있는 날이 늘었지만, 불과 2년 전만 하더라도 아침마다 바로 옆 아파트 단지가 보이지 않았던 기억이 생생하다. 뉴스에는 이 뿌연 것들이 미세먼지라 하였고 중금속을 담고 있어 노출 시 암을 유발할 수 있다고 경고했다. <중 략>게다가 각종 정책과 개선을 통해 배출량 감소 혹은 안정화 되는 경향인 다른 오염물질과는 다르게 쓰레기 처리 부분은 그대로 이거나 오히려 증가하는 추세이다. 쓰레기 처리로 인해 배출되는 미세먼지 절감을 위한 대응 방안이 필요한 상황이다. 이러한 와중에 2020년부터 오창 후기리 소각장 신설사업이 시작되면서 담당 기업과 주민·시청 사이의 갈등이 극에 다다랐다. 소각장 신설 사업을 진행하려는 기업과 많은 양의 미세먼지를 뿜어낼 소각장 추가 건설은 허용할 수 없다는 주민들의 입장 차이가 좁혀지지 않고 있다. 후기리 소각장을 둘러싼 갈등을 파악하고 해결방안을 모색한 뒤 같은 상황의 재발을 막기 위한 근본적인 원인 해결방안을 찾아보려고 한다.

생활/환경| 2021.12.21| 5페이지| 1,500원| 조회(110)

환경, 갈등, 보고서, 폐기물, 청주, 오창, 미세먼지, 소각장, 제로웨이스트, 후기리

미리보기

닫기