*병* 스토어

*병*

개인

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

4개
전체 판매량

16개
최근 3개월 판매량

0개
자료후기 점수

평균A+
자료문의 응답률

-

전체자료 4개

하드웨어 기초 지식

중앙처리장치 1컴퓨터 시스템 전체를 제어하는 장치로서, 다양한 입력장치로부터 자료를 받아서 처리한 후 그 결과를 출력장치로 보내는 일련의 과정을 제어하고 조정하는 일을 수행한다. 모든 컴퓨터의 작동과정이 중앙처리장치의 제어를 받기 때문에 컴퓨터의 두뇌에 해당한다. 중대형 컴퓨터에서는 이를 중앙처리장치(central processing unit:CPU)라 하지만, 소형 컴퓨터에서는 때로 마이크로프로세서(micro processor) 또는 줄여서 그냥 프로세서라 부르기도 하는데, 명칭만 다를 뿐 기본적으로 동일한 기능을 수행한다. 마이크로프로세서는 명령 집합 형태에 따라 두 가지 종류가 있다. CISC(complex instruction set computer)는 마이크로 프로그래밍을 통해 다양한 명령어 형식을 제공하지만 구조가 복잡해서 생산단가가 비싸다. RISC(reduced instruction set computer)는 연산속도를 향상시키기 위해 제어 논리를 단순화해서 CISC에 비해 가격이 저렴하고 주로 워크스테이션에 쓰인다. 중앙처리장치는 비교, 판단, 연산을 담당하는 논리연산장치(arithmetic logic unit)와 명령어의 해석과 실행을 담당하는 제어장치(control unit)로 구성된다. 논리연산장치(ALU)는 각종 덧셈을 수행하고 결과를 수행하는 가산기(adder)와 산술과 논리연산의 결과를 일시적으로 기억하는 레지스터인 누산기(accumulater), 중앙처리장치 에 있는 일종의 임시 기억장치인 레지스터(register) 등으로 구성되어 있다. 제어장치는 프로그램의 수행 순서를 제어하는 프로그램 계수기(program counter), 현재 수행중인 명령어의 내용을 임시 기억하는 명령 레지스터(instruction register), 명령 레지스터에 수록된 명령을 해독하여 수행될 장치에 제어신호를 보내는 명령해독기(instruction decoder)로 이루어져 있다. 컴퓨터의 기본적인 차이는 중앙처리장치인 마이크로프로세서의 처리 능력에 라믹이냐로 리마킹 CPU를 구분할 수는 없지만 대부분의 리마킹 CPU가 세라믹 형태로 판매된다는 점을 감안하면 아무래도 샤스타 제품을 구입하는 것이 리마킹 CPU에 대한 위험부담을 줄일 수 있습니다.중앙처리장치 12▶CPU 냉각팬과 방열판 요즘 나오는 CPU는 냉각팬과 방열판이 필수적으로 사용합니다. CPU는 클럭 수가 높기 때문에 고주파로 인한 열이 많이 발생합니다. 이 때문에 CPU 위에 방열판(heat sinker)을 대고 냉각팬을 돌려 CPU의 열을 식힙니다. 열을 배출하지 못할 경우에는 컴퓨터의 동작이 멈추는데 특히 여름철에 냉각팬이 고장나면 컴퓨터가 동작을 멈추는 경우가 자주 발생합니다. 방열판은 열을 발산하는 면적을 넓힌 장치이고 냉각팬(쿨링팬)은 환풍장치처럼 팬을 돌려서 열을 뽑아내는 일을 합니다. 때문에 방열판은 전원이 필요없지만 냉각팬은 팬을 돌리기 위해 전원을 필요로 합니다. CPU에서 높은 열이 나오는 이유는 내부에 집적된 트랜지스터가 일하면서 열을 발생시키기 때문입니다. 따라서 집적된 트랜지스터 수가 많을수록 열이 많이 발생할 수밖에 없습니다. 또한 일을 많이 할수록 열이 많이 발생합니다. 또한 전류가 흐르는 전선에서도 열이 나기 때문에 소비전력이 클수록 열이 더 많이 발생합니다. 열을 줄이기 위해서는 따라서 이때 발생하는 열을 줄이는 방법이 필요한데, 두 가지 방법이 있습니다. 하나는 미세공정으로 전류가 흐르는 CPU 회로도의 전선의 폭과 길이를 줄이는 방법입니다. 또 다른 하나는 저전압을 사용해서 전기의 양을 줄이는 방법입니다.중앙처리장치 13▶방열판 방열판은 보통 알루미늄이나 철과 같은 금속성 재료로 만들어 열을 빨리 전달하도록 합니다. 그래서 방열판의 윗부분은 공기에 접촉하는 면이 많도록 주름진 형태로 만듭니다.▶냉각팬 프로펠러와 팬 커버 냉각팬의 프로펠러는 방열판의 열을 밖으로 강제 배출하는 일을 합니다. 사용자들이 가장 민감하게 생각하는 부분이 프로펠러인데 프로펠러 설계에 따라서 팬 소리가 달라지기 때문입니다. 냉각팬에서 소음든 크로스파이어(CrossFire)는 엔비디아 SLI의 단점인 그래픽카드 호환성을 개선하는 데 초점을 맞춘 새로운 기술 입니다. 크로스파이어는 PCI 익스프레스 16배속 슬롯이 두 개 달린 메인보드면 종류를 가리지 않고, 그래픽 프로세서 종류 만 같으면 메모리 용량, 제조사에 상관 없이 쓸 수 있습니다. 대신 두 그래픽카드 가운데 하나는 크로스파이어 전용 모델이 어야 합니다.▶메모리 종류 시중에서 팔리는 그래픽카드는 전부 DDR SD램을 씁니다. 하지만 기껏해야 667MHz를 넘지 않는 PC용 메모리와 달리 그래픽 메모리는 1,000MHz 넘는 속도로 작동하기 때문에 메모리 작동 속도가 빠른 그래픽카드는 그래픽 전용 메모리인 GDDR SD램을 씁니다. 대신 작동 속도가 그리 빠르지 않은 보급형 모델은 종전의 DDR SD램을 그대로 씁니다. DDR SD램도 크게 DDR SD램, DDR2 SD램, DDR3 SD램으로 나뉩니다. DDR SD램과 DDR3 SD램은 같은 속도로 작동할 때 성능 차이 는 크지 않지만 GDDR3 SD램이 작동 속도를 올리기 쉬워 고급형 그래픽카드는 대부분 GDDR3 SD램을 씁니다. GDDR2 SD램은 많 이 쓰이지 않지만 DDR SD램과 값 차이가 줄어들면서 요즘에는 보급형, 중급형 그래픽카드에 조금씩 들어가고 있습니다.그래픽카드 7▶메모리 비트 그래픽카드 제원표를 보면 '64비트', '128비트' 같은 말이 빠지지 않고 들어갑니다. 이 말의 뜻을 이해하려면 먼저 그래픽 메모리의 성능은 단순히 작동 속도로 정해지지 않는다는 점을 알아야 합니다. 작동 속도가 1초에 데이터를 몇 번 주고받을 수 있는지 나타낸다면 메모리 비트는 한 번에 얼마나 많은 자료를 담는지 보여줍니다. 그래서 메모리 작동 속도와 메모리 비트 수를 곱하면 1초에 주고받을 수 있는 데이터 양을 알 수 있습니다. 메모리 비트수가 한 단계 오르면 주고 받을 수 있는 데이터 양이 두 배 늘어납니다. 그렇기 때문에 메모리 작동 속도가 조금 낮아도 메모리 비트수가 크면 많은 3D 는 등급입니다. 같은 900이라고 해도 거기서 또 성능상으로 상, 하위를 판별 하는 것입니다. 일반적으로 NVIDIA는 Ultra GTX GTS GT XT=GS≥LE 순으로 나눕니다. Ultra는 현재 지포스 6800이후로는 나오지 않고 있습니다만 이번에 8800으로서 오랜만에 이름을 드러낸 등급 되겠습니다. 최상위 제품에만 붙는 등급이죠.(그만큼 네임밸류가 대단합니다) 8800Ultra가 나오기 직전까지만 해도 최상위 제품은 8800GTX가 맡고 있었습니다.그래픽카드 14▶NVIDIA Geforce 그래픽 카드의 등급 MX - 보급형이라는데 중점적인 의미를 두고있습니다. (보급형 그래픽카드) 대표모델 : Geforce MX4000, Geforce2 MX400, Geforce4 MX440 Ti - 2, 3, 4 시리즈중 고급형 모델 입니다. 대표모델 : Geforce4 Ti4200, Geforce4 Ti4400, Geforce4 Ti4600 FX - Geforce5 시리즈 모델의 단독적인 이름입니다. LE - (Low Edition), 보급형 모델로 만들기위해 클럭을 낮추거나 혹은 메모리의 비트수를 내리는 경우이다. 대표모델 : Geforce FX5700LE, Geforce 6600LE, Geforce 6800LE XT - (eXtenTion Edition), 값비싼 그래픽카드의 값을 낮춰 많은 이들이 재빠른 3D게임을 할 수 있도록 한다는 의미입니다. LE와 비슷한 개념입니다. 대표모델 : Geforce FX5900XT GE - (Gamer(Great) Edition), 게이머들에게 좀더 좋은 성능의 그래픽카드를 주기 위하여 오버클럭을 하여서 상위모델과 비슷한 성능을 내는 그래픽카드에 업체에서 붙여준 것이다. nVIDIA의 정식모델이 아니다. 대표모델 : Geforce 6600GE GS - GreaT edirion ] , 하~중금이상 성능의 그래픽카드에 붙는 이름 대표모델 : GeForece 8400gs . 7300 gs . 7600 gs GT - (Grea DDR2 SD램은 종전의 DDR SD램보다 작동 속도가 빠르고 자료를 읽는 속도가 빠른 차세대 메모리로서 인텔 915 칩셋 메인보드부터 쓸 수 있습니다. 하지만 인텔 915 칩셋 메인보드는 대부분 DDR SD램 전용이기 때문에 DDR2 SD램을 쓸 사용자는 메인보드를 고를 때 이 부분을 다시 한번 확인해야 합니다. 인텔 925X 칩셋 이상은 DDR2 SD램 전용입니다. DDR2 SD램은 현재 DDR2-667 규격 제품까지 나와 있지만 빠른 메모리를 써도 CPU의 시스템 버스 속도가 빠르지 않기 때문에 속도 향상이 크기 않습니다. 값이 싼 DDR2-533 메모리를 써도 좋은 성능을 냅니다. AMD CPU는 칩셋이 아닌 CPU 안에 메모리 컨트롤러가 들어 있어 메인보드 칩셋이 달라져도 메모리 규격이 바뀌지 않습니다. 현재 애슬론 64, 셈프론은 DDR SD램 전용입니다. 몇몇 메인보드는 DDR SD램과 DDR2 SD램 슬롯을 함께 갖고 있습니다. 이런 메인보드는 두 메모리를 골라서 꽂을 수 있지만 섞어서 꽂으면 제대로 작동하지 않습니다. 반드시 DDR SD램 또는 DDR2 SD램 가운데 하나를 골라야 합니다.메인보드6▶ 싱글 채널, 듀얼 채널 지금의 DDR SD램, DDR2 SD램은 400MHz~667MHz 속도를 냅니다. 하지만 이미 펜티엄 4를 비롯한 CPU의 시스템 버스 속도는 800MHz 또는 그 이상에 이르러 메모리가 CPU의 시스템 버스 속도를 따라가지 못하는 '병목 현상'이 생기기 쉽습니다. 그래서 요즘은 똑같은 용량, 속도를 지닌 메모리 두 개를 연결해 데이터를 주고 받는 속도를 두 배 늘리는 방법을 쓰는데 그것이 듀얼 채널입니다. DDR400(PC3200) 규격 DDR SD램을 듀얼 채널로 연결하면 800MHz로 작동하는 것 같은 효과가 나기 때문에 CPU의 시스템 버스 속도를 충분히 뒷받침합니다. 듀얼 채널 기술을 쓰려면 듀얼 채널을 쓸 수 있는 메인보드를 쓰고, 정해진 메모리 슬롯에 용량과 속도가 같은 메모리를 꽂아야 합니다. 인텔 CPU 사}

공학/기술| 2008.03.04| 47페이지| 1,000원| 조회(476)

컴퓨터, 하드웨어, CPU, 그래픽카드, 메인보드

미리보기

닫기
[sas 다변량통계학] 대응분석

대응 분석(Correspondence Analysis)다음 자료는 우리나라 각 지역별로 엽총, 공기총, 가스총, 마취총, 산업총에 관한 허가 현황이다.자료출처 http://www.police.go.kr/data/statistics/guard_02.shtml엽총공기총가스총마취총산업총계서울*************68782848605부산115556*************341대구1*************20413579인천10788*************2211울산*************4417554경기707*************647364973강원*************6675120104충북*************14108117292충남*************164290435894전북*************9145321731전남*************29264326387경북*************18254027940경남*************90345322944제주7*************33799계367*************165140691324356총포 소지허가 현황 각 총종류의 지역별 소지허가 수에 관한 자료를 통하여 총 종류와 지역과의 관련성이 존재하는지 살펴보고 관련성이 존재한다면 어떠한 관계가 있는지를 시각적으로 파악하고자 한다. 이를 위해 대응분석을 해보자.data set1;input area $ m1 m2 m3 m4 m5;label m1='엽총' m2='공기총' m3='가스총' m4='마취총' m5='산업총' ;cards;서울 8234 29408 1959 68 7828부산 1155 5689 553 12 3774대구 1795 8093 398 19 3204인천 1078 8985 739 20 1243울산 606 4232 199 40 2441경기 7072 48531 2262 435 6473강원 2068 16303 785 166 751충북 2034 13115 925 114 1081충남 2951 28574 1249 164 2904전북 1855 17620 70(f_+1 /n ,…, f_+q /n )이다.카이제곱 거리는 열 범주들을 전반적인 상대적 빈도를 고려하여 행간 거리의 계산시 각기 다르게 반영한다. 이것이 유클리드 거리와 다른 점이다.이런 기하적 배경하에 대응분석은 주성분분석과 같이 차원축소(Dimensional Reduction)를 통해p개 행 표본과q개 열 범주를 저차원 공간에 표현해 낸다.주성분 분석과 같이, 좌표축을 회전한다.설명력의 입장에서 축을 차등화 한다.설명력이 가장 높은 2개의 축좌표만을 사용한다.자료의 크기를 줄인다.p개의 변수로 이루어진n개의 관측자료X_n p를 근사적으로 이차원 상의 공간에 시각적으로 표현함으로서 어느 정도 정보의 손실이 발생한다. 대응분석에서 자료행렬을 근사시키는 근사의 적합도는 다음과 같이 정의된다.lambda = {d_1^2 ``+``d_2^2}over{sum_i=1^p d_i^2 }The CORRESP ProcedureContingency Table엽총 공기총 가스총 마취총 산업총 Sum서울 8234 29408 1959 68 7828 47497부산 1155 5689 553 12 3774 11183대구 1795 8093 398 19 3204 13509인천 1078 8985 739 20 1243 12065울산 606 4232 199 40 2441 7518경기 7072 48531 2262 435 6473 64773강원 2068 16303 785 166 751 20073충북 2034 13115 925 114 1081 17269충남 2951 28574 1249 164 2904 35842전북 1855 17620 709 59 1453 21696전남 2272 20368 790 229 2643 26302경북 2517 21828 739 218 2540 27842경남 2321 15859 1121 90 3453 22844제주 759 1828 218 17 903 3725Sum 36717 240433 12646 1651 40691 332138위자료는 입력자료에 대한 표를 보여주고 있다. 세.65 251.23 -23.55 654.33제주 347.21 -868.51 76.17 -1.52 446.64The CORRESP ProcedureContributions to the Total Chi-Square Statistic엽총 공기총 가스총 마취총 산업총 Sum서울 1695.1 719.8 12.5 119.7 693.6 3240.7부산 5.3 715.3 38.0 34.2 4218.0 5010.8대구 60.9 290.7 26.3 34.5 1449.7 1862.2인천 49.0 7.2 170.2 26.6 37.4 290.5울산 61.0 269.1 26.6 0.2 2508.3 2865.2경기 1.1 57.5 16.9 39.7 269.5 384.7강원 10.3 216.2 0.6 43.9 1186.5 1457.5충북 8.2 30.2 108.8 9.2 506.0 662.4충남 258.1 266.2 9.8 1.1 503.6 1038.9전북 123.1 233.3 16.6 22.1 546.3 941.5전남 138.9 92.6 44.6 73.8 104.2 454.2경북 102.2 138.9 97.2 45.8 222.4 606.6경남 16.5 27.8 72.6 4.9 153.0 274.7제주 292.8 279.7 40.9 0.1 437.1 1050.7Sum 2822.6 3344.6 681.7 456.0 12835.8 20140.6분할표의 각 cell의 기대값과 관찰값에서 기대값을 뺀 나머지 값, 각 cell의 (관찰값-기대값)^2/기대값의 결과이다. cell중에 기여도가 큰 지역은 부산과 서울지역기 다른 셀보다 기여도가 크다. 서울인 경우에는 엽총의 비율이 높고 부산과 울산은 산업총의 비율이 높다. 행(열)합 20140.6은 자유도가52 카이제곱통계량으로 20140.6으로 값이 매우 크다. 그래서 지역에 따라 총종류에 따라 서로 연관되어 있다고 할 수 있다. 서로 어떻게 연관되어 있는지 알아보기 위해 대응분석을 해보자.Row Profiles엽총 공기총 가스총 마취총 산업총서울367전북 0.050522 0.073284 0.056065 0.035736 0.035708전남 0.061879 0.084714 0.062470 0.138704 0.064953경북 0.068551 0.090786 0.058437 0.132041 0.062422경남 0.063213 0.065960 0.088645 0.054512 0.084859제주 0.020672 0.007603 0.017239 0.010297 0.022192위 결과는 분할표의 각 행에서 각 cell이 차지하는 비율과 각 열에서 각 cell이 차지하는 비율이다. 행비율(Row Profiles)을 보면 강원도와 전북이 공기총의 수가 높고, 산업총은 부산과 울산의 수가 높다. 열비율은 별 의미 없다.The CORRESP ProcedureInertia and Chi-Square DecompositionSingular Principal Chi- CumulativeValue Inertia Square Percent Percent 16 32 48 64 80----+----+----+----+----+---0.22352 0.04996 16594.1 82.39 82.39 **************************0.08978 0.00806 2677.5 13.29 95.69 ****0.04393 0.00193 641.0 3.18 98.87 *0.02620 0.00069 228.0 1.13 100.00Total 0.06064 20140.6 100.00Degrees of Freedom = 52위 결과는 전체 모형에 관한 자료와 각 행 자료에 관한 값들이다.{ d}_{1 }=0.22352{ d}_{2 }=0.8978{ { d}_{1 }} ^{2}=0.04996{ { d}_{2 } }^{2}=0.00806전체모형과 각 셀에 대한 설명정도를 나타내는 통계량이 Inertia인데, 이 값을 볼 경우 축 1(Dim 1)의 Inertia는 0.04996으로서 약 82.39 %의 설명력을 가지고 있다. 이 값은{ chi }^84 0.4651부산 0.2826 0.1029대구 0.1089 0.0027인천 0.0028 0.0010울산 0.1436 0.1728경기 0.0208 0.0009강원 0.0854 0.0098충북 0.0272 0.0424충남 0.0541 0.0419전북 0.0506 0.0109전남 0.0167 0.0479경북 0.0273 0.0308경남 0.0098 0.0087제주 0.0517 0.0623Indices of the Coordinates that Contribute Most to Inertia for the Row PointsDim1 Dim2 Best서울 2 2 2부산 1 1 1대구 1 0 1인천 0 0 1울산 2 2 2경기 0 0 1강원 1 0 1충북 0 0 2충남 1 0 1전북 0 0 1전남 0 0 2경북 0 0 2경남 0 0 1제주 2 2 2Partial Contribution은 요인분석의 요인적재량과 비숫한 개념으로 행변수의 각 수준과 각 차원의 상관정도라고 해석해도 무리가 없을 것이다. 대구 강원 충남은 차원1축과 관련이 있고 차원2축은 뚜렷한 관련이 없어 보인다.Squared Cosines for the Row PointsDim1 Dim2서울 0.6064 0.3843부산 0.9358 0.0550대구 0.9708 0.0038인천 0.1628 0.0093울산 0.8318 0.1615경기 0.8987 0.0061강원 0.9725 0.0179충북 0.6805 0.1714충남 0.8639 0.1080전북 0.8910 0.0309전남 0.6094 0.2821경북 0.7461 0.1360경남 0.5948 0.0847제주 0.8169 0.1588각 축에 기여하는 행 수준과 각 축과 행의 코사인값의 제곱값이 나와 있다. 코사인값이 높을수록 그 수준의 값이 축에 근접해 있다. 따라서 부산 대구 경기 강원지역이 차원 1축과 매우 가까운 위치에 있다. 차원 2축에는 서울지역이 그나마 가까운 지역에 있다고 할 수 있다. 대체적으로 차원1축에 정보가 많이 실려 있다.열의 좌표 T

자연과학| 2003.06.13| 12페이지| 1,000원| 조회(1,562)

통계, 다변량, 대응분석

미리보기

닫기
[주성분분석] 주성분분석 평가A+최고예요

아래 자료는 '2003년 삼성증권배 한국프로야구' 상위3개팀(삼성·현대·기아)의 타자들의 타율이 높은 순서대로 각각 10명씩 30명의선수들 타율, 장타율, 출루율, 키, 몸무게, 연봉을 모은자료이다.※2003년 5월 7일 기준. 경기가 진행중으로 기록이 갱신되므로 현재와는 다름.에서 참조함▶타율 - 타자의 타격정확도를 가늠하는 척도로, 안타수를 타수로 나누어 나타내는 율. 소수점 첫째자리부터 차례로 할-푼-리-모의 순서이고 이 수치가 높을수록 강타자임.타율=안타수/타수 , 일명 타격율 , 배팅에버리지▶장타율 - 타자의 장타력을 가늠하는 척도로, 누타수를 타수로 나누어 나타내는 율. 소수점 첫째자리부터 차례로 할-푼-리-모의 순서이고 이 수치가 높을수록 슬러거(강타자)임.장타율=누타수/타수 일명 퍼센티지오브슬러깅 , 슬러깅에버리지누타란, 단타는 1· 2루타는 2, 3루타는 3, 홈런은 4로 환산하여 합산한 누타의 누계수 . 일명 토털베이스온히트,토탈베이스▶출루율 - 타자가 타석에 임해서 얼마나 많이 출루했는가를 나타내는 율로, 소수점 첫째자리 부터 차례로 할-푼-리-모의 순서이고 이 수치가 높을수록 좋음.출류율=(안타수+4사구수)/(타수/타사구수)+희생플라이수).▶키 - 선수들의 키 단위는 cm▶몸무게 - 선수들의 몸무게 단위는 kg▶연봉 - 선수들의 연봉단위는 만원 (계약금 제외시킴)【목적】여기서 선수들의 성적도 높고 체격도 크고 연봉도 많이 받는 선수와 그 반대인, 성적도 낮고 키도작고 몸무게도 작고 연봉도 작은 선수들을 알아 보자.이에 앞서 변수들이 주는 정보량은 크게 손상시키지 않는 범위에서 자료를 축소시켜 보자.즉, 주성분분석을 해보자분석대상에 포함된 많은 변수들이 서로 상관이 있는 경우에는 실질적인 분석에서 해석상의 복잡한 구조적 문제가 발생되게 된다. 주성분분석이란 서로 상관관계가 있는 변수들 사이의 복잡한 구조를 좀더 간편하고, 이해하기 쉽게 설명하기 위하여 사용되어지는 분석기법이다. 즉, 여러 개(2개이상)의 양적변수(quantitaitive v}, ... , { y}_{1p } )( { x}_{21 }, { x}_{22 }, ... , { x}_{2p } ) => ( { y}_{21 }, { y}_{22 }, ... , { y}_{2p })......즉, 다음을 만족시키도록한다.(1)V( { Y}_{1 })= { lambda }_{1 } >= ... >= V( { Y}_{p } ) = { lambda }_{p }(2)Cov( { Y}_{i }, { Y}_{j } )=0공분산은 0으로(3)SUM V( { Y}_{i } )= SUM V( { X}_{i } )→tr( { SUM }_{y } )=tr( { A}^{t } { SUM }_{X }A )=tr( { SUM }_{X }A {A }^{t } )=tr( { SUM }_{X } )(4){ Y}_{1 } =X {e }_{1 }, ... , { Y}_{p } =X {e }_{p }변수들의 분산은 측정단위에 따라서 크게 달라질수 있으므로(서로 다를경우에는 주성분의 선형결합 계수의 크기에 심각한 영향을 미침) 표준화 시킨 다음 주성분분석을 하는 것이 바람직하다.표준화변수 벡터{ Z}^{、 }=[ { Z}_{1 }, { Z}_{2 }, ... , { Z}_{p } ]의 분산공분산행렬rho에서 구한 i번째 주성분{ Y}_{i }={{ e}^{、} }_{i }Z={e }_{1i }{Z }_{1 }+ {e }_{2i } {Z }_{2 }+ ... + {e }_{p i } {Z }_{p }, i=1, 2, ... , p즉,SUM from { { i}=0} to p} V( { Z}_{i } ) =p전체분산 중 주성분이 설명할 수 있는 비율즉,{ lambda }_{ k} ／ SUM from { { i}=0} to p} { lambda }_{i }처음 k 개의 주성분으로 설명할 수 있는 누적비율은SUM from { { i}=1} to k { lambda }_{ i}／ SUM from { { i}=1} to p { lambda }_{ i}주성분의 수에 대한 결정1)전체분산을 ht weight salary;run;proc princomp data=set2 out=outset1;var batavg longbat goout height weight salary;run;title 'Output from PRINCOMP';proc print data=outset1;run;proc plot data=outset1 vpercent=50 hpercent=70;plot prin2*prin1;title2 'Plot of Principal Component';run;title;quit;SAS 시스템 15:08 Saturday, May 10, 2003 1The PRINCOMP ProcedureObservations 30Variables 6Simple Statisticsbatavg longbat goout height weight salaryMean 0.2825000000 0.4582333333 0.3542333333 181.9333333 82.40000000 15700.00000StD 0.0480701714 0.1334560972 0.0598634557 3.5905367 7.07886607 15120.43605Correlation Matrixbatavg longbat goout height weight salarybatavg 타율 1.0000 0.7709 0.7754 -.0096 0.1594 0.1604longbat 장타율 0.7709 1.0000 0.7331 0.1770 0.3209 0.4238goout 출루율 0.7754 0.7331 1.0000 -.0683 0.2022 0.1319height 키 -.0096 0.1770 -.0683 1.0000 0.6713 0.2875weight 몸무게 0.1594 0.3209 0.2022 0.6713 1.0000 0.2895salary 연봉 0.1604 0.4238 0.1319 0.2875 0.2895 1.0000위결과에서 타율과 출루율이 0.7754로써 가장 높고 그 다음으로 타율과 장타율, 출루율과 장타율,ongbat 장타율 0.549344 -.112237 0.105536 0.207244 -.026096 -.794264goout 출루율 0.483449 -.328120 -.182577 -.311381 0.681464 0.252842height 키 0.195530 0.645802 -.237247 0.598889 0.323669 0.158086weight 몸무게 0.314070 0.529829 -.352029 -.622519 -.325629 -.056154salary 연봉 0.289275 0.287616 0.870740 -.132239 0.017059 0.240064위의 결과는 표준화된 변수들로부터 주성분을 구한 결과이다. 예를 들어 제1주성분과 제2주성분은 다음과 같다.제1주성분{ Y}_{1 }=0.4939*타율 + 0.54938*장타율 + 0.4835*출루율 + 0.1955*키 + 0.3141*몸무게 + 0.2892*연봉제2주성분{ Y}_{2 }= -0.3150*타율 - 0.1122*장타율 - 0.3281*출루율 + 0.6458*키 + 0.5298*몸무게 + 0.2876*연봉여기서, 주성분을 설명하는 변수들은 표준화된 변수들이다.제1주성분을 보면 장타율이 가중치가 제일 크고, 그 다음으로 타율과 출루율 몸무게 연봉 키 순서로 모두 양의 값이다. 이는 선수들의 체격도 좋고 성적도 좋은 정도를 나타내는 것이다. 즉, 이 값이 높으면 선수성적도 좋고 체격도 좋고 연봉도 많이 받는 대형선수이다.제2주성분은 타율, 장타율, 출루율의 성적집단과 키, 몸무게, 연봉의 선수특성집단의 차이를 나타내는 주성분이다. 키, 몸무게, 연봉의 선수특성집단이 선수성적집단보다 높은정도를 나타낸다. 즉 이 값이 크면 클수록 선수의 체격과 연봉은 높고 성적이 저조한 선수인 경우이다.Output from PRINCOMP 15:08 Saturday, May 10, 2003 2lb o h w sa n g e e a P P P P P Pt g o i i l r r r r r rO a b o g g a 17 0.347 180 72 20000 -1.58144 -0.59430 0.92409 0.08537 0.78105 0.4419917 0.387 0.694 0.472 180 74 7500 2.36042 -2.66102 -0.38399 0.91648 0.26028 -0.0360818 0.308 0.538 0.357 178 72 2500 -0.31546 -1.98631 0.00215 0.64815 -0.17704 -0.5148019 0.235 0.235 0.350 180 80 3300 -1.89013 -0.24101 -0.50128 -0.63442 0.47991 0.5848520 0.250 0.450 0.348 180 83 6000 -0.68240 -0.23326 -0.35970 -0.48069 0.10257 -0.5379321 0.232 0.333 0.282 188 78 4300 -1.70066 1.37718 -0.57978 1.35360 0.53646 0.0691322 0.282 0.366 0.320 179 84 6800 -0.92028 -0.30865 -0.36544 -0.52053 -0.71381 0.1163223 0.269 0.538 0.333 187 85 2800 0.16263 0.99829 -1.04236 0.87639 0.22509 -0.6983324 0.315 0.556 0.424 176 85 0 0.79167 -1.84883 -0.86532 -1.08215 -0.28184 -0.5016025 0.245 0.510 0.373 183 83 9500 -0.05457 0.21818 -0.37156 -0.08007 0.70901 -0.6505026 0.326 0.640 0.372 178 73 45000 1.26794 -1.38900 2.38577 0.38515 -0.23737 -0.2162627 0.242 0.306 0.299 183 85 2500 -1.56791 0.83155 -0.80159 -0.14599 -0.15788 0.0948228 0.315 0보았다.

자연과학| 2003.06.13| 11페이지| 2,000원| 조회(1,813)

통계학, 주성분분석, 다변량자료

미리보기

닫기
[통계학과] <요인분석>

아래 자료는 2003년 삼성증권배 한국프로야구 2003년 5월 7일 현재, 상위3개팀(삼성·현대·기아)의 타자들의 타율이 높은 순서대로 각각 10명씩 30명의선수들 타율, 장타율, 출루율, 키, 몸무게, 연봉을 모은자료이다.2003년 5월 7일 기준. 경기가 진행중으로 기록이 현재와는 다름을 밝힙니다.에서 참조함{.타율 - 타자의 타격정확도를 가늠하는 척도로, 안타수를 타수로 나누어 나타내는 율. 소수점 첫째자리부터 차례로 할-푼-리-모의 순서이고 이 수치가 높을수록 강타자임.타율=안타수/타수 , 일명 타격율 , 배팅에버리지.장타율 - 타자의 장타력을 가늠하는 척도로, 누타수를 타수로 나누어 나타내는 율. 소수점 첫째자리부터 차례로 할-푼-리-모의 순서이고 이 수치가 높을수록 슬러거(강타자)임.장타율=누타수/타수 일명 퍼센티지오브슬러깅 , 슬러깅에버리지누타란, 단타는 1· 2루타는 2, 3루타는 3, 홈런은 4로 환산하여 합산한 누타의 누계수 . 일명 토털베이스온히트,토탈베이스.출루율 - 타자가 타석에 임해서 얼마나 많이 출루했는가를 나타내는 율로, 소수점 첫째자리 부터 차례로 할-푼-리-모의 순서이고 이 수치가 높을수록 좋음.출류율=(안타수+4사구수)/(타수/타사구수)+희생플라이수)..키 - 선수들의 키 단위는 cm.몸무게 - 선수들의 몸무게 단위는 kg.연봉 - 선수들의 연봉단위는 만원 (계약금 제외시킴)▶변수명타율: batavg장타율:longbat출루율:goout키:height몸무게:weight연봉:salary브리또 0.228 0.354 0.299 183 82 28000 삼성박한이 0.260 0.411 0.365 182 91 6500양준혁 0.382 0.721 0.425 188 95 33000김한수 0.280 0.440 0.313 186 88 28000이승엽 0.221 0.519 0.307 183 85 63000마해영 0.350 0.650 0.388 188 96 38000강동우 0.304 0.391 0.402 177 70 10000진갑용 0.233 0.42 90 20000김재걸 0.235 0.294 0.235 175 68 5500김종훈 0.250 0.250 0.250 183 80 10500김동수 0.333 0.431 0.417 180 85 10000심정수 0.364 0.727 0.479 183 90 31000이숭용 0.282 0.376 0.333 185 86 22000이택근 0.296 0.519 0.441 182 83 27000전근표 0.250 0.458 0.357 185 84 2500전준호 0.238 0.317 0.347 180 72 20000정성훈 0.387 0.694 0.472 180 74 7500조재호 0.308 0.538 0.357 178 72 2500채종국 0.235 0.235 0.350 180 80 3300최익성 0.250 0.450 0.348 180 83 6000김경언 0.232 0.333 0.282 188 78 4300김상훈 0.282 0.366 0.320 179 84 6800김인철 0.269 0.538 0.333 187 85 2800박재홍 0.315 0.556 0.424 176 85 0신동주 0.245 0.510 0.373 183 83 9500이종범 0.326 0.640 0.372 178 73 45000이현곤 0.242 0.306 0.299 183 85 2500장성호 0.315 0.452 0.367 184 85 15000장정석 0.313 0.438 0.353 177 75 3800홍세완 0.250 0.400 0.276 183 85 7000;주성분분석은 p개의 주어진(관측된) 변수들의 일차결합으로 주성분을 구성하고, 변동의 설명에 대한 기여도가 큰 순서대로 제1주성분, 제2주성분, ... ,제m주성분으로 구하여 m개의 주성분으로 전체의 변동을 설명하고자 하는 것이 목적이다.요인분석은 주어진 변수들을 가상적인 공통인자들의 일차결합으로 나타내고, 이들 인자들 가운데 중요한 m개의 인자만 선택하여 전체의 변동을 설명하고자 하는 것이 주요 목적 이다 . 이 때에 각 인자에 대응되는 계수들의 크기를 이용^{2}V({F}_{m})+V({S}_{p})⇒{SUM V({X}_{k}):원자료의 정보량{SUM V({S}_{k}):특수요인의 정보량{{F}_{j }번째의 설명비율은: {{ SUM from { j } {{ l}_{ij }}^{2}} over { SUM V({X}_{k}) }1.분산구조 추정{L과 {phi를 추정하여 보자1)주축인자법분산구조:{{ SUM }_{X } = { L}^{t } L+ phi1적당하게 {phi의 1차 추정치 {hat {phi}_{1 }을 구한다.2다음과 같이 스펙트럴 분해한다.{{SUM}_{X}-hat{phi}_{1}={lambda}_{1}{e}_{1}{{e}_{1}}^{t}+ ... +{lambda}_{p}{e}_{p}{{e}_{p}}^{t}({{lambda}_{1}: 가장큰 고유치 {e:단위고유벡터)3{hat{L}_{1}={(root{lambda}_{1}{e}_{1},...,root{lambda}_{m}{e}_{m} )}^{t}: L의 1차 추정치{hat{phi}_{2}=diag({SUM}_{X}-{hat{L}_{1}}^{t}hat{L}_{1} ): {phi의 2차 추정치위과정을 반복하여 {L과 {phi를 추정 할 수 있다.2)최대우도법관측이 안되는 가상적인 변수인 공통인자 F와 특정인자 s들의 결합분포가 정규분포라고 가정하면, {X=u+FL+S에 의해 X가 다변량 정규분포를 따르므로 이를 이용하여 최대우도법으로 {L과 {phi를 추정할 수 있다.2.잠재변수 값의 추정회귀분석법과 가중회귀법으로{F공통요인 행렬을 구할수 있다.1)회귀분석법요인분석: {X=u+FL+S종속변수 = 평균 + 회귀계수 × 설명변수 + 오차설명변수:잠재요인의 적재값종속변수:관측변수값회귀계수:잠재요인값2)가중회귀법잠재변수가 갖는 의미는 각 변수에 미치는 영향치를 나타내는 요인적재값을 통해 해석할 수 있다. 그러나 해석이 쉽지 않은 경우가 대부분이다. 이 때는 요인적재행렬에 직교회전 행렬 T를 곱하여, 해석이 보다 용이하게 만든다.회전 전 요인 모형 : {X=u+F835 0.88319526 0.2812 0.74923 0.80420309 0.47369709 0.1340 0.88324 0.33050600 0.13184533 0.0551 0.93835 0.19866067 0.02731188 0.0331 0.97146 0.17134879 0.0286 1.00002 factors will be retained by the MINEIGEN criterion.Factor PatternFactor1 Factor2batavg 타율 0.82763 -0.40921longbat 장타율 0.92052 -0.14580goout 출루율 0.81010 -0.42623height 키 0.32764 0.83890weight 몸무게 0.52628 0.68825salary 연봉 0.48473 0.37361Variance Explained by Each FactorFactor1 Factor22.8078831 1.6873984Final Communality Estimates: Total = 4.495281batavg longbat goout height weight salary0.85242685 0.86861611 0.83793630 0.81109817 0.75065367 0.37455036위 결과는 타율, 장타율, 출루율, 키, 몸무게, 연봉으로 이루어진 변수들을 요인 2개로 표현한 결과로써 다음 모형으로 고려된 요인분석모형이다.{PMATRIX { {타율 } { }#{장타율 } { }#{출루율 } { }#{키 } { }#{몸무게 } { }#{연봉 } { } }={PMATRIX { { {l}_{11}}& {{l}_{12} } { }#{{l}_{21} }& {{l}_{22} } { }#{{l}_{31} }& {{l}_{32} } { }#{{l}_{41} }& {{l}_{42} } { }#{{l}_{51} }& {{l}_{52} } { }#{{l}_{61} }& {{l}_{62} } { } }×{PMATRIX { {{F}_{1} } { }#{{F}_{2}} { .7 .8 .9 1.0to-.1 D r2-.2-.3-.4-.5-.6-.7-.8-.9-1batavg=A longbat=B goout=C height=D weight=E salary=FThe FACTOR ProcedureRotation Method: VarimaxOrthogonal Transformation Matrix1 21 0.87861 0.477552 -0.47755 0.87861Rotated Factor PatternFactor1 Factor2batavg 타율 0.92258 0.03570longbat 장타율 0.87840 0.31150goout 출루율 0.91530 0.01238height 키 -0.11274 0.89353weight 몸무게 0.13372 0.85602salary 연봉 0.24747 0.55974Variance Explained by Each FactorFactor1 Factor22.5523545 1.9429270Final Communality Estimates: Total = 4.495281batavg longbat goout height weight salary0.85242685 0.86861611 0.83793630 0.81109817 0.75065367 0.37455036위의 결과는 요인적재행렬을 VARIMAX방법으로 직교회전시킨 결과이다. 위 그림에서 회전후의 인자패턴을 보면 인자적재 값들이 1에 가깝거나 0에 가까운 형태로 변하면서 각 인자의 의미가 분명해짐을 알수 있다.그 결과를 보면 첫 번째 요인은 선수들의 성적을 나타내는 요인이고, 두 번째 요인은 선수들의 체격과 연봉을 나타내는 요인으로 정의 할 수 있다.직교 행렬 {T는 다음과 같이 나타낼수 있다.]{T= PMATRIX { {0.87861 }& {0.47755 } { }#{-0.47755 }& {0.87861 }{ } }QUARTIMAX법proc factor data=set1 preplot rotate=quartimax plot;var batavg longbat gooutry=F

자연과학| 2003.06.02| 13페이지| 1,000원| 조회(886)

통계, 요인분석, sas 프로그램

미리보기

닫기