뭐든지 다 알아보자

1. 중심위치의 척도

==> 원자료를 의미 있는 형태로 정리하기 위해 도수분포표를 작성하여  결과를 히스토그램 또는 도수다각형의 그림으로 나타냄

==> 자료가 집중하는 경향을 수치로 나타내는 척도를 알 수 있다.

광역시·도별 내 집 마련 기간 ==> 점도표

==> 중위값(중심위치) ==> 중심위치의 척도

1. 모평균

==> 모집단을 이루는 자료 전체의 평균

==> N개로 구성된 모집단의 각 자료 값을 x1, x2 ·····xN이라 할때

EX) 1. 경부선 나들목 사이의 평균 거리는 12.21m이다.

==> But. 모집단을 구하는 것은 어려우므로 보통 자료집단은 표본 의미, 평균은 표본 평균

2. 표본평균

==> 모집단을 이루는 자료 전체의 평균

EX) 음료수 생산하는 회사에서 제조된 음료수의 용량을 180mL로 표시

==> 병마다 정확하게 180mL씩 음료수가 들어 잇는지 조사 위해 병 20개 추출

==> 20개의 음료수 병에 들어 있는 음료수의 양은 표본 , 음료수 양에 대한 산술 평균을 표본 평균이라 한다.

==> N개로 구성된 표본의 각 자료 값을 x1, x2 ·····xN이라 할때

EX) A[1,2,3,4,5] 와 B[1,2,3,4,50]

1. 두 집단의 표본평균

==> 1+2+3+4+5 / 5 = 3 , 1+2+3+4+50/5 = 12

표본의 표준편차 A : 1.581139 B: 21.272047

3. 모평균과 표본평균의 특성

1. 평균은 유일

2. 평균은 계산하기 쉽다.

3. 모든 측정값을 반영

5. 각 자료값과 평균의 편차의 합은 0

6. 각 자료값과 평균의 편차의 제곱을 모두 더한 잔차제곱합 이 다른 유형의 위치척도에 비하여 작다.

7. 특이점 유무에 따라 큰 차이를 보인다.

4. 가중평균

==> 동일한 자료 값이 여러 개씩 관찰되는 경우

EX) 10000원 4권 , 13000원 3권 , 15000원 3권

==> 평균 금액 : (10000*4 + 13000*3 +15000*3)/10 = (40000+39000+45000)/10 = 12400원

==> 상대도수 : 4/10 3/10 3/10

==> 가중평균 : 10000 * (4/10) + 13000*(3/10) + 15000*(3/10)

==> 서로 다른 금액으로 판매된 서적의 금액과 판매도수의 곱을 모두 합한 것

==> 서로 다른 자료값 x1 , x2 · · · · · · · · · ·xi 가 f1,f2 · · · · · · · · · ·f i  번씩 나타나고 전체 관측도수가 n일 때

==> 가중평균은 도수분포표에서 주어진 자료에 대해 중심위치를 구하는 데 매우 효과적으로 사용한다.

출처 :  [쉽게 배우는 생활속의 통계학]  [북스힐 , 이재원] 

※혼자 공부 정리용

1. Windows 10 기본 내장 모듈 ==>검색 창 Math Input Pannel 입력

2. Math Input Pannel  사용

import platform
import matplotlib
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager, rc
import seaborn as sns
%precision 3
from matplotlib import pyplot as plt
%matplotlib inline
#그래프를 주피터 놋북에 그리기 위해
import numpy as np
import copy

from scipy.stats import probplot
from scipy import stats
#히스토그램 그리기
# Window
if platform.system() == 'Windows':
    matplotlib.rc('font', family='Malgun Gothic')
elif platform.system() == 'Darwin': # Mac
    matplotlib.rc('font', family='AppleGothic')
else: #linux
    matplotlib.rc('font', family='NanumGothic')

# 그래프에 마이너스 표시가 되도록 변경
matplotlib.rcParams['axes.unicode_minus'] = False

# 한글 폰트 설정
font_location = 'C:/Windows/Fonts/MALGUNSL.TTF' #맑은고딕
font_name = font_manager.FontProperties(fname=font_location).get_name()
rc('font',family=font_name)

1. 도시 별 재정자립도 막대, 선 , 원 그래프 그리기

city = '서울 부산 대구 인천 광주 대전 울산 세종 경기 강원 충북 충남 전북 전남 경북 경남 제주'
zarib = '88.8 56.6 51.8 67.3 45.4 57.5 70.7 38.8 71.6 26.6 34.2 36.0 25.7 21.7 28.0 41.7 30.6'

city = list(city.split(' '))
zarib = list(map(float , zarib.split(' ')))
print(city)
print(zarib)
print(len(city))
print(len(zarib))

a = pd.DataFrame([zarib] , columns = city)
a =a.transpose().reset_index()
a.rename(columns = {'index': '도시', 0 : '재정자립도'} , inplace =True)
a

fig  = plt.figure(figsize=(12,12))
ax = plt.plot(figsize = (8,8))
fig.set_facecolor('white')

ax = sns.barplot(x=a['도시'] , y=a['재정자립도'])
ax.set_title('도시별 재정자립도')
ax.set_xlabel('도시명' , rotation = 0 , fontsize= 15 , labelpad=18)
ax.set_ylabel('재정자립도', rotation = 0 , fontsize = 15 , labelpad=18)
ax.set_xticklabels(city, rotation = 0 , fontsize= 15)
width = 0.5
for bar in ax.patches:
    x = bar.get_x() # 막대 좌측 하단 x 좌표
    old_width = bar.get_width() # 기존 막대 폭
    bar.set_width(width) # 폭변경
    bar.set_x(x+(old_width-width)/2) # 막대 좌측 하단 x 좌표 업데이트

for i,txt in enumerate(a['재정자립도']):
    b = txt
    print(b)
    if  b == max(a['재정자립도']):
        ax.text(i, b+0.4, str(txt)+'%' , ha='center' , color = 'red' , fontweight = 'bold' , fontsize=17)
        #어디 막대, 막대기의 위쪽에
    else:
        ax.text(i, b+0.5, str(txt)+'%' , ha='center' , color = 'dimgray' , fontsize=13 , fontweight = 'bold')
plt.show()

plt.show()

fig  = plt.figure(figsize=(12,12))
ax = plt.plot(figsize = (8,8))
fig.set_facecolor('white')

ax = sns.lineplot(x=a['도시'] , y=a['재정자립도'] ,  color='r', linestyle='-', marker='o')
ax.set_title('도시별 재정자립도')
ax.set_xlabel('도시명' , rotation = 0 , fontsize= 15 , labelpad=18)
ax.set_ylabel('재정자립도', rotation = 0 , fontsize = 15 , labelpad=18)
ax.set_xticklabels(city, rotation = 0 , fontsize= 15)

fig = plt.figure(figsize=(8,8))
fig.set_facecolor('white')

colors = sns.color_palette('bright')[0:5]

plt.pie(b.loc[:,'재정자립도'] , labels=b.loc[:,'도시'], labeldistance=0.8, autopct='%.1f%%' ,textprops={'fontsize' : 12, 'fontweight' : 'bold'})

출처 :  [쉽게 배우는 생활속의 통계학]  [북스힐 , 이재원] 

※혼자 공부 정리용

import platform
import matplotlib
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager, rc
import seaborn as sns
%precision 3
from matplotlib import pyplot as plt
%matplotlib inline
#그래프를 주피터 놋북에 그리기 위해
import numpy as np
import copy

from scipy.stats import probplot
from scipy import stats
#히스토그램 그리기
# Window
if platform.system() == 'Windows':
    matplotlib.rc('font', family='Malgun Gothic')
elif platform.system() == 'Darwin': # Mac
    matplotlib.rc('font', family='AppleGothic')
else: #linux
    matplotlib.rc('font', family='NanumGothic')

# 그래프에 마이너스 표시가 되도록 변경
matplotlib.rcParams['axes.unicode_minus'] = False

# 한글 폰트 설정
font_location = 'C:/Windows/Fonts/MALGUNSL.TTF' #맑은고딕
font_name = font_manager.FontProperties(fname=font_location).get_name()
rc('font',family=font_name)

1. 나라별 교통사고 사망자에 대한 막대그래프 , OECD 국가 평균 사망자 수에 기준선 작성

nation = '한국 영국 독일 미국 프랑스 호주 스웨덴 일본 OECD_평균'
death = '2.6 0.7 0.7 1.3 1.0 0.8 0.5 0.7 1.1'

nation = list(nation.split(' '))
death = list(map(float, death.split(' ')))
print(len(nation))
print(len(death))

a = pd.DataFrame([death] , columns = nation) #꼭 기억하자
a

==> DATA

fig = plt.figure(figsize = (8,8))
ax3 = plt.plot(figsize = (8,8))
fig.set_facecolor('white')

ax3 = sns.barplot(x=nation[:-1] , y=death[:-1])
ax3.set_title('국가별 사망자 비율' , fontsize= 18)
ax3.set_xlabel('국가명' , rotation = 0 , fontsize= 15 , labelpad=18)
ax3.set_ylabel('사망자', rotation = 0 , fontsize = 15 , labelpad=18)
ax3.set_xticklabels(nation[:-1], rotation = 0 , fontsize= 15)

ax3.axhline(y=death[-1] , xmin=0 , xmax=1 , color = 'blue' , linestyle ='solid' , label ='{}'.format(death[-1]))
ax3.text(5, death[-1]+0.02,f'OECD Death Ratio : {death[-1]}',fontsize=13)
#(x좌표 , y좌표, 기준선 이름)
ax3.legend()
#기준선 추가하기
width = 0.5
# 막대기의 두께 in Seaborn
for bar in ax3.patches:
    x = bar.get_x() # 막대 좌측 하단 x 좌표
    old_width = bar.get_width() # 기존 막대 폭
    bar.set_width(width) # 폭변경
    bar.set_x(x+(old_width-width)/2) # 막대 좌측 하단 x 좌표 업데이트
#
for i,txt in enumerate(death[:-1]):
    b = txt
    print(b)
    if  b == max(death[:-1]):
        ax3.text(i, b+0.02, str(txt)+'%' , ha='center' , color = 'red' , fontweight = 'bold' , fontsize=17)
        #어디 막대, 막대기의 위쪽에
    else:
        ax3.text(i, b+0.01, str(txt)+'%' , ha='center' , color = 'dimgray' , fontsize=13 , fontweight = 'bold')
plt.show()

※막대그래프 내 수평선 그리기

ax3.axhline(y=death[-1] , xmin=0 , xmax=1 , color = 'blue' , linestyle ='solid' , label ='{}'.format(death[-1]))
ax3.text(5, death[-1]+0.02,f'OECD Death Ratio : {death[-1]}',fontsize=13)

출처 :  [쉽게 배우는 생활속의 통계학]  [북스힐 , 이재원] 

※혼자 공부 정리용

import platform
import matplotlib
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import font_manager, rc
import seaborn as sns
%precision 3
from matplotlib import pyplot as plt
%matplotlib inline
#그래프를 주피터 놋북에 그리기 위해
import numpy as np
import copy

from scipy.stats import probplot
from scipy import stats
#히스토그램 그리기
# Window
if platform.system() == 'Windows':
    matplotlib.rc('font', family='Malgun Gothic')
elif platform.system() == 'Darwin': # Mac
    matplotlib.rc('font', family='AppleGothic')
else: #linux
    matplotlib.rc('font', family='NanumGothic')

# 그래프에 마이너스 표시가 되도록 변경
matplotlib.rcParams['axes.unicode_minus'] = False

# 한글 폰트 설정
font_location = 'C:/Windows/Fonts/MALGUNSL.TTF' #맑은고딕
font_name = font_manager.FontProperties(fname=font_location).get_name()
rc('font',family=font_name)

cancer_man ='위 대장 폐 간 전립선 갑상선 방광 췌장 신장 담낭'
cancer_stat = '21344 17157 15167 12189 8952 7006 2847 2807 2722 2479'
cancer_woman = '갑상선 유방 대장 위 폐 간 자궁경부 담낭 췌장 난소'
cancer_wstat = '33562 15942 10955 10293 6586 4274 3278 2514 2273 2010'

cancer_man = list(cancer_man.split(' '))
cancer_stat = list(cancer_stat.split(' '))
cancer_woman = list(cancer_woman.split(' '))
cancer_wstat = list(cancer_wstat.split(' '))

a = pd.DataFrame({'암종류_m' : cancer_man , '남자' : cancer_stat , '암종류_w' : cancer_woman ,'여자' : cancer_wstat})
a

==> DATA FRAME

1. 남자와 여자에게 발생하는 암 종류에 대한 비율 각각 구하기

man_ratio = []
woman_ratio = []
a['남자'] = a['남자'].astype('int64')
a['여자'] = a['여자'].astype('int64')
a.dtypes
for i in a['남자']:
    print(i)
    print(sum(a['남자']))
    man_ratio.append(round(i/sum(a['남자']),2)*100)
for i in a['여자']:
    print(i)
    print(sum(a['여자']))
    woman_ratio.append(round(i/sum(a['여자']),2)*100)

a['남자 비율'] = pd.Series(man_ratio)
a['여자 비율'] = pd.Series(woman_ratio)
a = a[['암종류_m' , '남자' , '남자 비율' , '암종류_w' , '여자' , '여자 비율']]
a

2. 남자와 여자에게 발생하는 암 종류에 대한 원그래프를 각각 그리기

fig = plt.figure(figsize=(8,8))
fig.set_facecolor('white')

colors = sns.color_palette('bright')[0:5]

plt.pie(a.loc[:,'남자 비율'] , labels=a.loc[:,'암종류_m'], labeldistance=0.8, autopct='%.1f%%' ,textprops={'fontsize' : 12, 'fontweight' : 'bold'})

fig = plt.figure(figsize=(8,8))
fig.set_facecolor('white')

colors = sns.color_palette('bright')[0:5]

plt.pie(a.loc[:,'여자 비율'] , labels=a.loc[:,'암종류_w'], labeldistance=0.8, autopct='%.1f%%' ,textprops={'fontsize' : 12, 'fontweight' : 'bold'})

출처 :  [쉽게 배우는 생활속의 통계학]  [북스힐 , 이재원] 

※혼자 공부 정리용

1. 월간 보고서 작성

2. 출석부 작성

3. 실생활 통계(2.3~2.4)

4. 딥러닝 (선형회귀_3 진행) 

==> sympy 정리

5. 분석과정 정리

내일 할일

1. 월간 보고서 작성

2. 우리 작성

3. 실생활 통계(연습)

4. 딥러닝 (선형회귀_3 진행) 

==> sympy 정리

5. 분석과정 정리

1 ) IaaS(Infrastructure as a Service)

1.IaaS는 고객에게 서버,네트워크, OS, 스토리지를 가상화 하여 제공하고 관리한다.

2.IaaS는 가상화된 물리적인 자산을 UI 형태의 대시보드 또는 API로 제공한다.

3.IaaS의 고객들은 서버와 스토리지를 접근할 수 있지만 사실상  클라우드에 있는 가상 데이터 센터를 통해 리소스를 전달받는 형태이다.

4. IaaS는 기존의 데이터센터에서 제공받던 물리적인 자산을 완벽하게 가상화 하여 제공하기 때문에 서버 사양의 변경 등 물리적 자산의 수정이 필요한 경우 기존의 방식에 비해 훨씬 빠른 대응이 가능하다.

5. IaaS 제공업체는 서버, HDD, 네트워킹, 가상화 및 스토리지를 관리하며 고객은 OS, 미들웨어 , 어플리케이션 및 데이터와 같은 자원들을 관리해야 한다.

-IaaS를 통해 SW 라이선스와 서버 등 IT자산을 직접 소유하는 대신 필요에 따라 리소스를 유연하게 대여할 수 있다.

==>대표 서비스 AWS , MS Azure

2 ) PaaS(Infrastructure as a Service)

1.PaaS는 고객에게 OS, 미들웨어, 런타임과 같은 소프트웨어 작성을 위한 플랫폼을 가상화 하여 제공하고 관리

2.이 가상화된 플랫폼은 웹을 통해 제공되며 개발자는 운영체제, 소프트웨어 업데이트, 저장소 또는 인프라에 대한 관리없이 소프트웨어 개발에 집중할 수 있다.

3.PaaS를 사용하면 기업에서는 특수 소프트웨어 구성 요소를 사용하여 PaaS에 내장된 응용 프로그램을 설계하고 만들 수 있다.

4.이러한 응용 프로그램 또는 미들웨어는 특정 클라우드 특성을 채택할 때 확장 가능하고 가용성이 높다.

5.PaaS는 소프트웨어 서비스를 개발할 때 필요한 플랫폼을 제공하는 서비스이다.

6.사용자는 PaaS에서 필요한 서비스를 선택하여 애플리케이션을 개발하면 된다.

7.PaaS 운영 업체는 개발자가 S/W를 개발할 때 필요한 API를 제공하여 개발자가 좀 더 편하게 앱을 개발할 수 있게 돕는다.

8.PaaS는 정의하기 까다로운 클라우드 모델

9.모든 기본 IaaS는 물론이고, 개발 툴과 기능, 애플리케이션 배포 등을 안전하게 제공하는 것

10.미들웨어와 DB관리, 애널리틱스 혹은 O/S가 포함되어 있다.

11.이 모델은 개발자가 애플리케이션을 개발하고 배포하는 데 필요한 모든 것을 제공하는데 도움을 준다.

12.오라클과 AWS는 사용자가 자사 인프라에서 작업하도록 유도하지만 SAP 클라우드 플랫폼의 경우 AWS와 Azure, GCP 클라우드 인프라 스트럭처에서 모두 사용할 수 있다.

==> S/W 개발에 특화시킨 클라우드 서비스를 제공하는 것을 PAAS 라고 한다.

3) SaaS(Software as a Service)

1. SaaS는 고객을 대신하여 소프트웨어와 데이터를 제공하고 관리한다.

2. 패키지 또는 On-premise 방식인 기존의 소프트웨어 전달 방식과 다르게 SaaS는 개별 컴퓨터에 응용 프로그램을 다운로드하고 설치할 필요가 없다.

3. SaaS를 통해 서비스를 공급하는 업체는 데이터, 미들웨어, 서버 및 스토리지와 같은 모든 잠재적인 기술적 문제를 관리하기 때문에 고객은 유지 보수 및 자원을 간소화하면서 비즈니스에 집중할 수 있다.

4. SaaS는 서드파티가 호스팅 방식으로 S/W를 제공하는 것이다.

5.일반적으로 웹을 통해 접속해 로그인하기만 하면 사용할 수 있다. 사용자 혹은 시트를 기준으로 구독 방식(기간에 따른)으로 과금 되는것이 보통

6. SaaS는 머신 혹은 서버를 기준을 s/w 라이선스를 구매하여 직접 설치해 사용하던 기존 구매 방식과는 차별화 된다.

7.이 모델은 이메일이나 CRM(customer Relationship Management) S/W에서 널리 사용되고 있다.

9.오피스를 웹 기반으로 오피스 365(M365)로 전환한 마이크로소프트를 비롯해 SaaS CRM 솔루션 시장을 개척한 세일즈포스같은 기업용 S/W 업체도 있다.

10.네이버 클라우드같은 클라우드 스토리지 서비스가 있다.

11.최초 클라우드 서비스는 G-mail, 드롭박스 , Naver 클라우드처럼 S/W를 웹에서 쓸 수 있는 SaaS가 대부분이었다.

12.점차 서버와 스토리지, 네트워크 같은 컴퓨팅 인프라 장비를 빌려주는 IaaS, 플랫폼을 빌려주는 PaaS로 늘어나게 되었다.

1) 클라우드 컴퓨팅(Cloud Computing)이란?

1. 클라우드 컴퓨팅은 서로 다른 물리적인 위치에 존재하는 컴퓨터들의 리소스를 가상화 기술로 통합해 제공하는 기술

2. 개인용 컴퓨터나 기업의 서버에 개별적으로 저장해 두었던 프로그램이나 문서를 클라우드에 저장하고 웹 브라우저 등 필요한 어플리케이션을 구동해 원하는 작업을 수행할 수 있는 사용자 중심의 컴퓨터 환경을 말한다.

3. 클라우드 컴퓨팅은 하나의 커다란 구름 같은 서버를 구성해 두고, 이 곳에서 각종 데이터와 콘텐츠를 구성한다.

4. IT자원을 구매하거나 소유할 필요 없이 필요한 만큼 사용료를 주고 쓰는 서비스

5. 중앙 집중화 된 대형 데이터센터에서 서비스를 받아 s/w나 프로그램을 인터넷을 통해 자유롭게 빌려 쓰는 방식을 가리킨다.

6. 네이버 오피스, Google DOCs, Azure, Acrobat 등등이 여기에 해당한다.

2) 가상화와 클라우드 컴퓨팅의 차이

1. 가상화는 하나의 물리 H/W 시스템에서 여러 환경이나 자원을 생성할 수 있는 기술

2 .Hyper-Visor 라고 불리는 S/W가 H/W에 연결되어 가상 머신(Virtual Machine)을 만들 수 있다.

==> Hyper-Visor 참고 : https://knowallworld.tistory.com/38

3 . 이러한 가상머신은 Hyper-Visor 의 자원을 적절하게 배분 받은 후 사용한다.

4. 클라우드 컴퓨팅은 네트워크 전체에서 컴퓨팅,네트워크, 스토리지 인프라 자원, 서비스, 플랫폼, 애플리케이션을 사용자에게 제공하는 접근 방식이다.

5. 가상화는 H/W에서 기능을 분리하는 기술, 클라우드 컴퓨팅은 인터넷으로 가상화된 IT리소스를 서비스로 제공하는 것.

 6. 클라우드 컴퓨팅에서 가상화 하여 서비스로 제공하는 대상은 서버,플랫폼,S/W이다.