우리나라 주변 기단 우리나라 주변 기단 우리나라 주변 기단
학생안내자료 1차 시
Ⅰ 계절에 따른 기단의 영향
1. 겨울
- 주로 영향을 주는 기단은 시베리아 기단이다.
- 서고 동저형 기압 배치로 인해 북서 계절풍이 분다.
- 한랭 건조한 날씨와 함께 삼한 사온의 기온이 이어진다.
- 가끔 폭설이 내린다.
2. 봄
- 주로 영향을 주는 기단은 시베리아 기단과 양쯔강 기단이다.
- 이동성 고기압과 저기압의 배치로 날씨 변화가 잦다.
- 온난 건조한 날씨가 어어진다.
- 꽃샘 추위와 황사가 있다.
3, 늦봄 ~ 초여름
- 주로 영향을 주는 기단은 오호츠크해 기단이다.
- 영동 지방 : 한량 다습한 날씨로 인해 농작물이 냉해를 입는 경우가 있다.
- 영서 지방 : 푄 현상(높새 바람)과 고온 건조한 날씨로 가뭄 현상이 일어날 수 있다.
4. 여름
- 주로 영향을 주는 기단은 북태평양 기단이다.
- 남고 북저형 기압 배치로 인해 남동 계절풍이 분다.
- 고온 다습한 날씨가 이어지고 폭염과 열대야 현상이 일어날 수 있다.
5. 가을
- 주로 영향을 주는 기단은 오호츠크해 기단과 양쯔강 기단이다.
- 봄철과 날씨가 비슷하다. 구름이 잘 없고(천고마비), 건조하며 일교차가 크다.
체감온도와 의복 체감온도와 의복 체감온도와 의복
학생안내자료 1차 시
Ⅰ 체감온도
1. 정의
- 인체가 느끼는 더위·추위 등을 수량적으로 나타낸 것으로 측정 방법에는 기온과 습도와 풍속으로 산출 하는 공식 외에, 특수한 카타온도계도 있다.
- 체감온도(℃) = 13.12 + 0.6215T - 11.37V+ 0.3965VVT (T : 기온(℃), V : 풍속(km/h))
Ⅱ 체감온도 단계별 대응 요형
1. 체감온도 지수 범위에 따른 대응 요령표
단계 지수 범위 대응 요령
관심 -3.2이상 •옷 신발 등이 젖지 않게 주의
주의 -3.2 ~ -10.5 미만 •모자, 장갑, 목도리 등 방한 용품 착용
경고 -10.5 ~ -15.4미만 •장기간 피부 노출 시 저체온증위험•방풍 기능 겉옷 착용 위험 -15.4 미만 •저체온증, 동상 위험•노약자 장시간 외출 자제
Ⅲ 체감온도 측정 기구
1. 카타 온도계
- 인간의 체온과 거의 같은 온도의 물체에서 발산하는 열량을 측정하기 위한 일종의 열량계, 본질적으로는 알코올 온도계이다.
- 그림과 같이 길이 약 4cm, 지름 약 1.8cm의 감온부a 상단에 작은 구형 부분 b를 설치.
두꺼운 모세관 c를 거쳐 제일 최상부의 보조 구형 부분 d에 연결된다. 모세관에는 35℃와 38℃의 눈금선만이 붙어 있다. 감온부를50~80℃로 데우면서 알코올실의 메니스커스가38℃
에서 35℃로 하강할 때까지의 시간을 측정하여 단위 표면적에서 단위 시간에 발산하는 열 량을 구할 수 있다. 인체 피부에 공기의 영향을 온도, 풍속, 습도에 대해서 종합적으로 측 정하는 데 이용되고, 특히 갱내 기상의 노동에 미치는 영향 측정에 편리하다. 또한 약한 풍 속의 측정에 이용할 수 있다.
상관관계, 회귀분석, 체감온도 상관관계, 회귀분석, 체감온도 상관관계, 회귀분석, 체감온도
학생안내자료 2차 시
Ⅰ 연구 도구의 이해
1. 상관 분석
- 상관 분석(相關 分析, Correlation analysis) 또는 '상관관계' 또는 '상관'은 확률론과 통계학에서 두 변수 간에 어떤 선형적 또는 비선형적 관계를 갖고 있는지를 분석하는 방법이다. 두 변수는 서로 독립적인 관 계이거나 상관된 관계일 수 있으며 이때 두 변수간의 관계의 강도를 상관관계(Correlation, Correlation coefficient)라 한다. 상관분석에서는 상관관계의 정도를 나타내는 단위로 모상관계수로 ρ를 사용하며 표본 상관 계수로 r을 사용한다.
- 상관관계의 정도를 파악하는 상관 계수(相關係數, Correlation coefficient)는 두 변수간의 연관된 정도 를 나타낼 뿐 인과관계를 설명하는 것은 아니다. 두 변수간에 원인과 결과의 인과관계가 있는지에 대한 것은 회귀분석을 통해 인과관계의 방향, 정도와 수학적 모델을 확인해 볼 수 있다.
- 기본 가정으로 선형성, 동변량성, 두 변인의 정규분포성, 무선독립표본 4가지가 있고 내용은 아래와 같 다.
1) 선형성 : 두 변인 X와 Y의 관계가 직선적인지를 알아보는 것으로 이 가정은 분포를 나타내는 산점도 를 통하여 확인할 수 있다.
2) 동변량성 : X의 값에 관계없이 Y의 흩어진 정도가 같은 것을 의미한다. 이분산성이 반대어이다.
3) 두 변인의 정규분포성 : 두 변인의 측정치 분포가 모집단에서 모두 정규분포를 이루는 것이다.
4) 무선독립표본 : 모집단에서 표본을 뽑을 때 표본대상이 확률적으로 선정된다는 것이다.
- 단순히 두 개의 변수가 어느 정도 강한 관계에 있는가를 측정하는 단순상관분석(simple correlation analysis), 3개 이상의 변수간 관계 강도를 측정하는 다중상관분석(multiple correlation analysis)이 있 다. 다중상관분석에서 다른 변수와의 관계를 고정하고 두 변수의 관계 강도를 나타내는 것을 편상관계 분석(partial correlation analysis)이라고 한다.
이때, 상관관계가 0<ρ≤+1 이면 양의 상관, -1≤ρ<0 이면 음의 상관, ρ=0이면 무상관이라고 한다. 하 지만 0인 경우 상관이 없다는 것이 아니라 선형의 상관관계가 아니라는 것이다.
통계에서 스피어만 상관 계수는 두 변수의 순위 사이의 통계적 의존성을 측정하는 비모수적인 척도이 다. 이는 두 변수의 관계가 단조 함수를 사용하여 얼마나 잘 설명될 수 있는지를 평가한다.
두 변수 간의 스피어만 상관 계수는 두 변수의 순위 값 사이의 피어슨 상관 계수와 같다. 따라서 칼 피어슨의 상관 계수가 두 변수 사이의 선형 관계를 평가하는 반면 찰스 스피어만의 상관 계수는 단조 적 관계 (선형인지 여부는 아님)를 평가한다. 중복 데이터 값이 없으면 각 변수가 다른 변수의 완벽한 단조 함수일 때 +1 또는 -1의 완벽한 스피어만 상관 관계가 발생한다.
가. 피어슨 상관 계수
피어슨 상관 계수(Pearson correlation coefficient 또는 Pearson's r)는 두 변수간의 관련성을 구하기 위해 보편적으로 이용된다. 개념은 다음과 같다. r값은 X와 Y가 완전히 동일하면 +1, 전혀 다르면 0, 반대방향으 로 완전히 동일하면 –1을 가진다. 결정계수(coefficient of determination)는 으로 계산하며 이것은 X로부터 Y를 예측할 수 있는 정도를 의미한다. r값에 따른 상관 관계는 일반적으로 아래의 표와 같이 해석된다.
나. 스피어만 상관 계수
스피어만 상관 계수(Spearman correlation coefficient)는 데이터가 서열척도인 경우 즉 자료의 값 대신 순 위를 이용하는 경우의 상관 계수로서, 데이터를 작은 것부터 차례로 순위를 매겨 서열 순서로 바꾼 뒤 순 위를 이용해 상관 계수를 구한다. 두 변수 간의 연관 관계가 있는지 없는지를 밝혀주며 자료에 이상점이 있거나 표본크기가 작을 때 유용하다. 스피어만 상관 계수는 -1과 1 사이의 값을 가지는데 두 변수 안의 순위가 완전히 일치하면 +1이고, 두 변수의 순위가 완전히 반대이면 -1이 된다. 예를 들어 수학 잘하는 학 생이 영어를 잘하는 것과 상관있는지 없는지를 알아보는데 쓰일 수 있다.
2. 회귀분석
- 통계학에서, 회귀 분석(回歸 分析, 영어: regression analysis)은 관찰된 연속형 변수들에 대해 두 변수 사이의 모형을 구한뒤 적합도를 측정해 내는 분석 방법이다.
회귀분석은 시간에 따라 변화하는 데이터나 어떤 영향, 가설적 실험, 인과 관계의 모델링등의 통계 적 예측에 이용될 수 있다. 그러나 많은 경우 가정이 맞는지 아닌지 적절하게 밝혀지지 않은 채로 이용되어 그 결과가 오용되는 경우도 있다. 특히 통계 소프트웨어의 발달로 분석이 용이해져서 결
과를 쉽게 얻을 수 있지만 분석 방법의 선택이 적절했는지 또한 정보 분석이 정확한지 판단하는 것은 연구자에 달려 있다.
- 하나의 종속변수와 하나의 독립변수 사이의 관계를 분석할 경우를 단순회귀분석(영어: simple regression analysis), 하나의 종속변수와 여러 독립변수 사이의 관계를 규명하고자 할 경우를 다 중회귀분석(영어: multiple regression analysis)이라고 한다.
- 회귀분석은 다음의 가정을 바탕으로 한다.
① 오차항은 모든 독립변수 값에 대하여 동일한 분산을 갖는다. (선형성) ② 오차항의 평균(기대값)은 0이다. (정규성)
③ 수집된 데이터의 확률 분포는 정규분포를 이루고 있다.
④ 독립변수 상호간에는 상관관계가 없어야 한다. (독립성)
⑤ 시간에 따라 수집한 데이터들은 잡음의 영향을 받지 않아야 한다.
- 독립변수들간에 상관관계가 나타나는 경우 다중공선성문제라고 한다.
3. 선형회귀
- 통계학에서, 선형 회귀(線型回歸, 영어: linear regression)는 종속 변수 y와 한 개 이상의 독립 변수 (또는 설명 변수) X와의 선형 상관 관계를 모델링하는 회귀분석 기법이다. 한 개의 설명 변수에 기 반한 경우에는 단순 선형 회귀, 둘 이상의 설명 변수에 기반한 경우에는 다중 선형 회귀라고 한다.
- 선형 회귀는 선형 예측 함수를 사용해 회귀식을 모델링하며, 알려지지 않은 파라미터는 데이터로부 터 추정한다. 이렇게 만들어진 회귀식을 선형 모델이라고 한다.
- 선형 회귀는 깊이있게 연구되고 널리 사용된 첫 번째 회귀분석 기법이다. 이는 알려지지 않은 파라미터에 대해 선형 관계를 갖는 모델을 세우는 것이, 비선형 관계를 갖는 모델을 세우는 것보다 용이하기 때문이다.
- 선형 회귀는 여러 사용 사례가 있지만, 대개 아래와 같은 두 가지 분류 중 하나로 요약할 수 있다.
값을 예측하는 것이 목적일 경우, 선형 회귀를 사용해 데이터에 적합한 예측 모형을 개발한다. 개 발한 선형 회귀식을 사용해 y가 없는 x값에 대해 y를 예측하기 위해 사용할 수 있다.
머신러닝 모델 만들기 (1) 머신러닝 모델 만들기 (1) 머신러닝 모델 만들기 (1)
학생안내자료 3차 시
Ⅰ AI 해결사
[생각해보기]
1. 현재 우리의 생활 속 AI가 어떻게 쓰이는지, AI 기술로 인해 우리의 삶이 얼마나 편해지고 도움을 받 고 있는지 생각해보는 시간을 갖는다.
2. AI는 코로나19 예측을 어떻게 할까?
Ⅱ 머신러닝이란?
1. ‘인공지능’이란? 사람처럼 똑똑한 기계
‘머신러닝’이란? 사람처럼 똑똑한 기계인 인공지능을 만들어내는데 성공한 방법 ‘딥러닝’이란? 머신러닝보다 더 똑똑한 기계를 만들어내는데 성공한 방법
Ⅲ Orange3란?
※ Orange3 다운로드 : https://orangedatamining.com/
1. Orange3 이해하기
- 왼쪽에는 사용할 수 있는 모듈이, 오른쪽에는 모듈들을 연결하여 모델을 만들 수 있는 공간이 있다.
2. 데이터 분석이란?
- 많은 양의 자료를 요약 및 정리해 특성을 파악한 뒤, 여러 방면에 적용해보는 행위
→ 무수한 자료들을 특성별로 분류해보기도 하고, 자료들의 규칙을 찾아 앞으로의 진행을 예측해보는 등 여러
Ⅳ 객관식 예측 Classification - 이직할 직원 예측하기
1. Classification(분류, 객관식 예측)은 보기(범주)가 주어져 있는 객관식 문제를 푸는 것과 비슷
2. Classification은 말 그대로 데이터를 특정 보기(범주)로 '분류'하는 것으로, 새로운 데이터가 어떤 범주에 속할 지 예측할 수 있는 기법
3. csv 파일 2개 준비 (이직할 직원_공부 파일, 이직할 직원_적용 파일) 4. 불러온 csv에 대한 설명
- Name : 변수의 이름
- Type : 변수의 유형 (연속형 변수, 범주형 변수)
(연속형 변수 : 나이나 길이처럼 쭉 이어지는 숫자) (범주형 변수 : 몇 가지 보기로 나눠지는 것들) - Role : 변수의 역할 (Feature, Target)
(Feature : 데이터 분석에 있어서 문제/재료/원인의 역할을 하는 변수) (Target : 답/목적/결과의 역할을 하는 변수)
- Values : 변수의 값 5. Test and Score
- 불러온 4가지 모델들을 Test and Score 모듈에 연결 → 연결시키면 Test and Score 하단에 Running이라 는 말이 뜨면서 학습 시작
- 학습 완료 → Test and Score를 더블 클릭 → 성능(모델의 테스트 결과) 확인