제브라피시의 활동성과 멜라토닌

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

현재 연습

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?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