장거리 종목에서 수영 선수들의 기록은 어떻게 변화할까요?

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

이 연습은 강의의 일부입니다

통계적 사고 사례 연구

SkillTag.level.intermediateSkillTag.label

4.9+

무료로 강의 시작하기

먼저 캘텍 연구자들의 두 가지 데이터셋을 활용해 Statistical Thinking I과 II의 핵심 내용을 복습하고, 이후 사례 연구를 위한 준비를 합니다!

Exercise 1: 제브라피시의 활동성과 멜라토닌 Exercise 2: EDA: 활동 구간 길이의 ECDF 그리기 Exercise 3: ECDF와 데이터의 이야기 해석하기 Exercise 4: 부트스트랩 신뢰 구간 Exercise 5: 모수 추정: 활동 부트 길이 Exercise 6: 순열 및 부트스트랩 가설 검정 Exercise 7: 순열 검정: 야생형 대 이형접합체 Exercise 8: 부트스트랩 가설 검정 Exercise 9: 선형 회귀와 쌍 부트스트랩 Exercise 10: 성장률 평가 Exercise 11: 성장 곡선 시각화

이 챕터에서는 2015 FINA 세계 수영 선수권 대회 결과를 바탕으로 탐색적 데이터 분석, 모수 추정, 가설 검정 기술을 연습합니다.

Exercise 1: 수영 데이터 소개 Exercise 2: 남자 200m 자유형 예선 기록의 그래픽 EDA Exercise 3: 신뢰 구간을 포함한 200m 자유형 기록 Exercise 4: 수영 선수들은 결승전에서 더 빠를까요?Exercise 5: EDA: 결승전과 준결승전 비교 Exercise 6: 준결승과 결승 간 차이의 모수 추정 Exercise 7: 순열 검정 방법 Exercise 8: 순열 샘플 생성하기 Exercise 9: 가설 검정: 여자 선수들은 준결승과 결승에서 같은 방식으로 수영할까요?Exercise 10: 장거리 종목에서 수영 선수들의 기록은 어떻게 변화할까요?

현재 연습

Exercise 11: EDA: 모든 데이터를 그래프로 시각화하기 Exercise 12: 평균 스플릿 시간의 선형 회귀 Exercise 13: 가설 검정: 선수들이 후반에 느려지는가?

2013 세계 선수권 대회에서 일부 수영 선수들은 방향에 따라 수영하기 더 쉽거나 어렵다고 주장했습니다. 일부 분석가들은 수영장에 소용돌이치는 수류가 있었다고 추정하기도 했습니다. 이 챕터에서는 해당 주장을 직접 검증해 봅니다! 참고 자료 - <a href="https://qz.com/761280/researchers-believe-certain-lanes-in-the-olympic-pool-may-have-given-some-swimmers-an-advantage/" target="_blank">Quartz Media</a>, <a href="https://www.washingtonpost.com/news/wonk/wp/2016/09/01/these-charts-clearly-show-how-some-olympic-swimmers-may-have-gotten-an-unfair-advantage/?utm_term=.dba907006ba1" target="_blank">Washington Post</a>, <a href="https://swimswam.com/rio-olympic-test-event-showed-same-pool-bias-2-0/" target="_blank">SwimSwam</a> (및 <a href="https://swimswam.com/problem-rio-pool/" target="_blank">여기)</a>, <a href="https://www.ncbi.nlm.nih.gov/pubmed/25003776" target="_blank">Cornett, et al</a>.

Exercise 1: 수류 논란 소개 Exercise 2: 개선도를 측정하는 지표 Exercise 3: 낮은 레인에서 높은 레인으로의 향상도 ECDF Exercise 4: 평균 개선 효과 추정 Exercise 5: 가설은 어떻게 검정해야 할까요?Exercise 6: 가설 검정: 레인 배정이 경기 성과에 영향을 미치는가?Exercise 7: 2015년 대회에서도 이 문제가 있었을까요?Exercise 8: 지그재그 효과 Exercise 9: 어떤 구간 기록을 분석에 포함해야 할까요?Exercise 10: EDA: 홀수 및 짝수 스플릿 간 평균 차이 Exercise 11: 레인 위치에 따라 수류의 영향은 어떻게 달라질까요?Exercise 12: 가설 검정: 이것이 우연일 수 있을까요?Exercise 13: 수영 분석 요약

이 챕터에서는 통계적 사고 기술을 활용해 지진의 발생 빈도와 규모를 분석합니다. 구텐베르크-리히터 법칙을 포함한 기초 통계 지진학도 함께 배웁니다. 이 연습은 데이터 과학의 두 가지 핵심 원칙을 잘 보여 줍니다. 첫째, 데이터 과학자는 다양한 분야의 전문 분석을 접하게 되며, 이는 끊임없이 새로운 것을 배울 수 있는 기회가 됩니다. 둘째, 많은 지진 연구에서와 같이 데이터가 제한적인 상황에서도 충분히 의미 있는 결과를 도출할 수 있습니다.

Exercise 1: 통계 지진학 및 파크필드 실험 소개 Exercise 2: 파크필드 지진 규모 Exercise 3: b-값 계산하기 Exercise 4: 파크필드 지역의 b-값 Exercise 5: 주요 지진과 파크필드 지진 시퀀스의 발생 시기 Exercise 6: Parkfield 지진 발생 간격 시간 추정 Exercise 7: 다음 파크필드 대지진은 언제 발생할까요?Exercise 8: 파크필드 지진 발생 간격은 어떻게 분포할까요?Exercise 9: 공식 ECDF 값 계산하기 Exercise 10: K-S 통계량 계산하기 Exercise 11: K-S 복제본 추출하기 Exercise 12: 지수 분포에 대한 K-S 검정

지진은 사회에 큰 영향을 미치며, 최근에는 인간의 활동과도 밀접하게 연결되어 있습니다. 이 마지막 챕터에서는 오클라호마주의 석유 채굴로 인한 염수 폐수 주입 증가가 해당 지역의 지진 활동에 미친 영향을 분석합니다.

Exercise 1: 지진 빈도와 지진 활동의 변화 Exercise 2: EDA: 시간에 따른 지진 시각화 Exercise 3: 지진 발생 간격 평균 추정 Exercise 4: 가설 검정: 지진 발생 빈도가 변했을까요?Exercise 5: 분석 결과를 효과적으로 제시하는 방법 Exercise 6: 오클라호마의 지진 규모 Exercise 7: 탐색적 데이터 분석: 2010년 전후 지진 규모 비교 Exercise 8: b값 정량화 Exercise 9: b-값 차이에 대한 가설 검정은 어떻게 해야 할까요?Exercise 10: 가설 검정: b값에 차이가 있을까요?Exercise 11: 이 분석에서 무엇을 결론 지을 수 있을까요?Exercise 12: 마무리 말