[재능상품] R을 이용한 부트스트랩 방법을 이용한 표본 평균 및 히스토그램 가시화

 정보

• 업무명     : R을 이용한 부트스트랩 방법을 이용한 표본 평균 및 히스토그램 가시화

• 작성자     : 이상호

• 작성일     : 2020-10-18

• 설   명      :

• 수정이력 :

 

 내용

[개요]

• 안녕하세요? 웹 개발 및 연구 개발을 담당하고 있는 해솔입니다.

• 다년간 축적된 경험 (기상학 학술 보고서 및 국/영문 학술 논문 게재, 블로그 운영, IT 회사 웹 개발 담당) 및 노하우를 바탕으로 개개인에게 맞춤형 솔루션을 수행할 수 있습니다.

• 특히 재능 플랫폼 (크몽, 오투잡, 해피캠퍼스, 레포트 월드)에서 누구보다도 경쟁력 있는 가격으로 양질의 서비스를 제공하고 있습니다.

  • 아스키 형식의 텍스트 (text) 파일부터 과학자료 형식 (HDF, H5, NetCDF, Grib, Grb) 및 Data Base (DB) 자료까지 다양한 형태의 자료를 이용하여 수집, 전처리, 분석, 시각화해 드립니다.

  • 또한 웹 사이트에 대한 정보를 이용한 웹 크롤링 및 그에 따른 엑셀 및 DB 구축도 가능합니다.

  • 아울러 기초 통계 (빈도분포, Prired t-test, Wilcoxn 등)에서 지도/비지도 학습을 통한 회귀모형 구축에 이르기 까지 효율적인 통계 정보를 제공합니다.

  • 최근 대한민국의 후속위성인 천리안위성 2A호 웹 서비스 서브시스템 및 환경위성 2B호 통합 자료처리 서브시스템에 대한 웹 개발을 수행하였습니다.

• 그리고 해솔 블로그에서는 다양한 기상학/천문학 정보와 더불어 사무 자동화/프로그래밍 언어를 소개하오니 방문 부탁드립니다.
  

• 좋은 하루 보내세요.

 

[재능플랫폼] 오투잡

[IT개발 - 응용프로그래밍] 통계 분석, 데이터 분석, 시각화를 성실하게 해 드립니다. - 재능마켓 �

 

[재능플랫폼] 크몽

데이터수집, 파싱, 크롤링 해 드립니다. | 50,000원부터 시작 가능한 총 평점 0점의 IT·프로그래밍,

 

 요청

[세부 사항]

• diabetes 데이터에서 나이가 많은 그룹이 나이가 작은 그룹에 비하여 logCpeptide의 평균이 크다는 가설을 임의화 방법으로 테스트하고자 한다. p-값을 산출하고 영가설 하에서 확률적으로 동등한 표본 평균 간 차이들의 히스토그램에 관측된 차이를 marking하라

• 앞 문제의 계속. 나이가 많은구룹의 평균 logCpeptide와 나이가 작은 그룹의 평균 logCpeptide 간 차이에 대한 신뢰구간을 붓스트랩 방법으로 산출하고자 한다. 95% 신뢰구간을 산출하고 붓스트랩 관측 차이들의 히스토그램에 marking하라

 

 완료

[사용 OS]

• Windows 10

 

[사용 언어]

• R v4.0.2

 

[명세]

문제 1

• 라이브러리  및 자료 읽기

library(bootstrap)

data(diabetes)

 

• age > 10을 기준으로 인덱스 설정

• 해당 인덱스의 여부에 따라 그룹 설정 (groupA, groupB)

• 각 그룹에 대한 평균 (meanGroupA, meanGroupB) 및 차이 (r)

# 모집단
ind = which(diabetes$age > 10)

groupA = diabetes[ind, ]
groupB = diabetes[-ind, ]

meanGroupA = mean(groupA$logCpeptide, na.rm = TRUE)
meanGroupB = mean(groupB$logCpeptide, na.rm = TRUE)

r = meanGroupA - meanGroupB
r

 

• 표본 평균의 차이 (r)를 모집단으로 가정하고 무작위 추출 (sample)을 통해 부트스트랩 수행

• 무작위 추출 결과를 이용하여 히스토그램

• P값 계산

n.repeat = 1000
r.random = rep(0, n.repeat)
count = 0

for (k in 1:n.repeat) {
    sampleList = base::sample(1:nrow(diabetes), replace = TRUE)
    
    # sample(X, N, replace=F)
    r.data = diabetes[sampleList, ]
    
    r.ind = which(r.data$age > 10)
    
    r.groupA = r.data[r.ind, ]
    # r.groupB = diabetes[-r.ind, ]
    r.meanGroupA= mean(r.groupA$logCpeptide, na.rm = TRUE)
    
    r.star = r.meanGroupA - meanGroupB
    
    r.random[k] = r.star
    
    if (r.star <= r) count = count + 1
    
}

hist(r.random, nclass=20)
text(r, 0, "|", col = "red", cex = 2.0)
p.value = count/n.repeat
p.value

 

 

문제 2

• age > 10을 기준으로 인덱스 설정

• 해당 인덱스의 여부에 따라 그룹 설정 (r.groupA, r.groupB)

• 각 그룹에 대한 평균 (r.meanGroupA, r.meanGroupB) 및 차이 (r.star)

• 표본 평균의 차이 (r)를 모집단으로 가정하고 무작위 추출 (sample)을 통해 부트스트랩 수행

n.repeat = 1000
r.boot = rep(0, n.repeat)
count = 0

for (k in 1:n.repeat) {
    sampleList = base::sample(1:nrow(diabetes), replace =  FALSE)
    
    r.ind = which(diabetes[sampleList, ]$age > 10)
    
    r.groupA = diabetes[r.ind, ]
    r.groupB = diabetes[-r.ind, ]
    r.meanGroupA= mean(r.groupA$logCpeptide, na.rm = TRUE)
    r.meanGroupB= mean(r.groupB$logCpeptide, na.rm = TRUE)
    
    r.star = r.meanGroupA - r.meanGroupB
    
    r.boot[k] = r.star
}

 

• 무작위 추출 결과 (r.boot)를 이용하여 히스트그램

• quantile를 통해 신뢰구간 90% 및 95% 계산

hist(r.boot, nclass=20)

# 신뢰구간 90%
conf.1 = quantile(r.boot, p = 0.05)
conf.2 = quantile(r.boot, p = 0.95)

# 신뢰구간 95%
conf.1 = quantile(r.boot, p = 0.025)
conf.2 = quantile(r.boot, p = 0.975)

text(conf.1, 0, "|", col = "red", cex = 2.0)
text(conf.2, 0, "|", col = "red", cex = 2.0)

round(c(conf.1, conf.2), 2)

 

 

 

[소스 코드]

#=============================================================================================== 
# Routine : Main R program
# 
# Purpose : 재능상품 오투잡
# 
# Author : 해솔
# 
# Revisions: V1.0 May 28, 2020 First release (MS. 해솔)
#===============================================================================================

#=========================================
# 문제 1
#=========================================
# 1. diabetes 데이터에서 나이가 많은 그룹이 나이가 작은 그룹에 비하여 logCpeptide의 평균이 크다는 가설을 임의화 방법으로 테스트하고자 한다. 
# p-값을 산출하고 영가설 하에서 확률적으로 동등한 표본 평균 간 차이들의 히스토그램에 관측된 차이를 marking하라.

library(bootstrap)

data(diabetes)

# 모집단
ind = which(diabetes$age > 10)

groupA = diabetes[ind, ]
groupB = diabetes[-ind, ]

meanGroupA = mean(groupA$logCpeptide, na.rm = TRUE)
meanGroupB = mean(groupB$logCpeptide, na.rm = TRUE)

r = meanGroupA - meanGroupB
r

# 표본 평균
n.repeat = 1000
r.random = rep(0, n.repeat)
count = 0

for (k in 1:n.repeat) {
    sampleList = base::sample(1:nrow(diabetes), replace = TRUE)
    
    # sample(X, N, replace=F)
    r.data = diabetes[sampleList, ]
    
    r.ind = which(r.data$age > 10)
    
    r.groupA = r.data[r.ind, ]
    # r.groupB = diabetes[-r.ind, ]
    r.meanGroupA= mean(r.groupA$logCpeptide, na.rm = TRUE)
    
    r.star = r.meanGroupA - meanGroupB
    
    r.random[k] = r.star
    
    if (r.star <= r) count = count + 1
    
}

hist(r.random, nclass=20)
text(r, 0, "|", col = "red", cex = 2.0)
p.value = count/n.repeat
p.value

#=========================================
# 문제 2
#=========================================

# 앞 문제의 계속. 나이가 많은구룹의 평균 logCpeptide와 나이가 작은 그룹의 평균 logCpeptide 간 차이에 대한 신뢰구간을 붓스트랩 방법으로 산출하고자 한다.
# 95% 신뢰구간을 산출하고 붓스트랩 관측 차이들의 히스토그램에 marking하라.

n.repeat = 1000
r.boot = rep(0, n.repeat)
count = 0

for (k in 1:n.repeat) {
    sampleList = base::sample(1:nrow(diabetes), replace =  FALSE)
    
    r.ind = which(diabetes[sampleList, ]$age > 10)
    
    r.groupA = diabetes[r.ind, ]
    r.groupB = diabetes[-r.ind, ]
    r.meanGroupA= mean(r.groupA$logCpeptide, na.rm = TRUE)
    r.meanGroupB= mean(r.groupB$logCpeptide, na.rm = TRUE)
    
    r.star = r.meanGroupA - r.meanGroupB
    
    r.boot[k] = r.star
}

hist(r.boot, nclass=20)

conf.1 = quantile(r.boot, p = 0.05)
conf.2 = quantile(r.boot, p = 0.95)

text(conf.1, 0, "|", col = "red", cex = 2.0)
text(conf.2, 0, "|", col = "red", cex = 2.0)

round(c(conf.1, conf.2), 2)

 

[결과물]

• 결과 보고서

 

 

 

 참고 문헌

[논문]

• 없음

[보고서]

• 없음

[URL]

• 없음

 

 문의사항

[기상학/프로그래밍 언어]

• sangho.lee.1990@gmail.com

[해양학/천문학/빅데이터]

• saimang0804@gmail.com