기본 콘텐츠로 건너뛰기

데이터 분석 입문 7




 앞서 데이터 분포와 데이터 간의 차이를 비교하는 그래프를 그려봤습니다. 하지만 무엇이 다이아몬드의 가격에 영향을 미치는지 알기 위해서는 두 변수. 예를 들어 가격과 캐럿 사이의 관계를 볼 수 있는 그래프가 필요합니다. R의 기본 그래프 툴은 바로 plot 입니다. 물론 R에는 ggplot2 를 비롯해서 다양한 그래픽을 위한 패키지가 다수 존재하지만, plot이 가장 기본적으로 사용되는 함수라는 점은 변함이 없습니다. 일단 가격과 캐럿의 관계를 표시해 보겠습니다. 


library("ggplot2")
plot(price~carat, data=diamonds)




 일단 가격과 다이아몬드의 크기 (캐럿) 사이에는 비례 관계가 있는 것 같습니다. 크기가 증가하면 가격이 오릅니다. 이는 우리가 다 알고 있는 사실이기도 하죠. 하지만 그래프를 보면 매끄러운 선형 그래프가 아니라는 점을 알 수 있습니다. 이런 식의 그래프는 실제론 양 - 반응 관계 (예를 들어 열을 가할수록 온도가 올라가거나 혹은 소금을 더 넣을수록 국이 짜게 되는 것 같은 관계)가 있기는 하지만 완전한 연속 변수가 아니거나 혹은 다른 교란 변수가 있을 때 생깁니다. 


 예를 들어 키가 172cm라면 실제로는 171.92345...cm일 수 있습니다. 하지만 소수점 아래까지 열심히 적어주는 것은 아무런 도움이 안될 뿐 아니라 사실상 사람의 키가 하루 중에도 약간씩 변하는 점을 생각하면 별 의미없는 노력일 뿐입니다. 따라서 우리는 실제로 연속 변수인데도 불구하고 실제로는 약간 불연속하게 변수를 기록하게 됩니다. 


 캐럿 역시 마찬가지로 1.2 캐럿 하는 식으로 기록하지 1.23224234... 캐럿으로 기록하지 않기 때문에 몇 개의 선에 점들이 모두 집중된 양상으로 나타납니다. 아무튼 여기에 증가 추세를 설명하는 선을 그려보겠습니다. 


 가장 기본이 되는 함수는 abline 입니다. Y=a+bX의 함수를 그리는 함수로 여기서는 1캐럿 증가할 때마다 5000달러씩 비싸지는 것으로 보이므로 Y=10+5000X의 함수를 그리겠습니다. 


plot(price~carat, data=diamonds)
abline(a=10,b=5000,col="red")



 일단 비슷하긴 한데, 사실은 완전한 1차 방정식 선형 관계가 아니라는 점이 보입니다. 즉 가격이 단순히 캐럿이 비례하는 것이 아니라 사실 캐럿 대비 가격이 기하급수적으로 증가하는 것이죠. 이는 적어도 2차 방정식 이상의 비례 관계가 있음을 시사합니다. 


 지금 단계에서는 입문 단계라 자세한 설명을 하지 않았지만, 이는 사실 선형 회귀 (linear regression)에 해당하는 내용입니다. 이 이야기는 나중에 자세히 다루겠습니다. 


 여기서 한 가지 더 생각할 부분은 가격을 결정하는 요소가 캐럿만이 아니라는 점입니다. 컷이나 투명도 등 다른 요소가 존재합니다. 이를 어떻게 시각적으로 표시할 수 있을까요? 이것은 더 고급 R 프로그래밍 지식이 필요합니다. ggplot2 패키지는 바로 이런 목적을 위해서 있는 것인데, 여기서 잠시 예제를 하나 제시해 보겠습니다. 


p<-ggplot aes="" carat="" colour="clarity))</span" data="diamonds," price="">
p<-p geom_point="" span="">
p+scale_colour_brewer(palette="Dark2")



 뭔가 컬러풀한데 아무튼 clarity 점수가 높을 수록 가격이 더 비싸다는 점을 알 수 있습니다. 즉 가격에영향을 주는 요소가 여러 가지라는 점을 다시 확인할 수 있는 것이죠. 


 앞서 설명한 방법으로 데이터를 여러 관점에서 뜯어 보면 대략 어떤 데이터고 데이터의 분포나 특성이 어떤 것인지를 알 수 있습니다. 사실 데이터는 실제 분석을 통해서 그 특성을 파악하기까지 꽤 시간이 필요합니다. 


 일단 간단한 데이터 입문은 여기까지 설명하고 다음에는 데이터를 불러들이고 저장하는 부분을 설명하겠습니다. 








댓글

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다...

9000년 전 소녀의 모습을 복원하다.

( The final reconstruction. Credit: Oscar Nilsson )  그리스 아테나 대학과 스웨덴 연구자들이 1993년 발견된 선사 시대 소녀의 모습을 마치 살아있는 것처럼 복원하는데 성공했습니다. 이 유골은 그리스의 테살리아 지역의 테오페트라 동굴 ( Theopetra Cave )에서 발견된 것으로 연대는 9000년 전으로 추정됩니다. 유골의 주인공은 15-18세 사이의 소녀로 정확한 사인은 알 수 없으나 괴혈병, 빈혈, 관절 질환을 앓고 있었던 것으로 확인되었습니다.   이 소녀가 살았던 시기는 유럽 지역에서 수렵 채집인이 초기 농경으로 이전하는 시기였습니다. 다른 시기와 마찬가지로 이 시기의 사람들도 젊은 시절에 다양한 질환에 시달렸을 것이며 평균 수명 역시 매우 짧았을 것입니다. 비록 젊은 나이에 죽기는 했지만, 당시에는 이런 경우가 드물지 않았을 것이라는 이야기죠.   아무튼 문명의 새벽에 해당하는 시점에 살았기 때문에 이 소녀는 Dawn (그리스어로는  Avgi)라고 이름지어졌다고 합니다. 연구팀은 유골에 대한 상세한 스캔과 3D 프린팅 기술을 적용해서 살아있을 당시의 모습을 매우 현실적으로 복원했습니다. 그리고 그 결과 나타난 모습은.... 당시의 거친 환경을 보여주는 듯 합니다. 긴 턱은 당시를 살았던 사람이 대부분 그랬듯이 질긴 먹이를 오래 씹기 위한 것으로 보입니다.   강하고 억센 10대 소녀(?)의 모습은 당시 살아남기 위해서는 강해야 했다는 점을 말해주는 듯 합니다. 이렇게 억세보이는 주인공이라도 당시에는 전염병이나 혹은 기아에서 자유롭지는 못했기 때문에 결국 평균 수명은 길지 못했겠죠. 외모 만으로 평가해서는 안되겠지만, 당시의 거친 시대상을 보여주는 듯 해 흥미롭습니다.   참고  https://phys.org/news/2018-01-te...

근육 떨림을 막는 전자 임플란트

  (Three of the muscle-stimulating implanted electrodes – these ones are attached to silicone tubes which were used to more easily extract them from test subjects' bodies once the study was completed. Credit: Fraunhofer IBMT) ​ (A diagram of the system. Credit: Equinor Open Data License) ​ ​ ​ 근육이 자기 의지와 관계 없이 갑자기 수축하거나 떨림 (tremor, 진전) 증상이 나타나는 경우 현재까지는 완전히 막을 수 있는 치료제가 없습니다. 하지만 스페인 국립 연구 위원회(Spanish National Research Council)가 이끄는 독일, 아이슬란드, 영국, 미국 의 과학자들은 이 문제에 대한 좀 더 근본적인 해결책을 내놓았습니다. ​ ​ 이 연구는 국제 과학 컨소시엄인 EXTEND 프로젝트의 일부로 신체에 신경 신호를 조절하는 전극을 넣어 움직임을 조절하는 것이 목표입니다. ​ ​ 방법은 간단합니다. 생체 적합 물질로 만든 길이 3cm, 지름 1mm 크기의 백금-이리듐/실리콘 (platinum-iridium/silicone) 임플란트를 근육 속에 넣습니다. 각 임플란트엔 센서와 액추에이터 역할을 할 두 개의 전극이 있습니다. 외부에 있는 전극은 전원을 공급하는 기능도 합니다. ​ ​ 이 임플란트는 근육의 떨림이나 이상 동작을 파악하면 신호를 보내 움직임을 멈추게 합니다. 초기 임상 실험 결과는 1-2시간 정도 작동으로도 더 긴 시간동안 떨림 증상을 막을 수 있는 것으로 나타났습니다. ​ ​ 실제 임상에서 사용하게 될지는 지금 단계에서 말하기 이르지만, 먼가 사이버펑크의 세계가 좀 더 가까워진 것 같은 전자 임플란트 같습니다. ​ ​ 참고 ​ ​ https://newatlas.com/health-wel...