2024년 2학기 방송통신대 빅데이터의이해와활용 중간과제물)시계열 데이터를 분석하기위한 기법을 3가지 이상선택해 그 장단점을 설명하되 예시를 포함하시오.A

서식번호

TZ-SLE-7647396

등록일자

2024.09.04

분량

11 page

판매가

9,000 원

파일 포맷

조회

6건

2024년 2학기 방송통신대 빅데이터의이해와활용 중간과제물)시계열 데이터를 분석하기위한 기법을 3가지 이상선택해 그 장단점을 설명하되 예시를 포함하시오.A 자료입니다

한글(hwp)

상세안내
미리보기
사용후기 (0)

소개글

- 교재를 중심으로 다양한 문헌을 참고하여 쉽고 자세한 설명을 담아 정성을 다해 상세하게 작성하였습니다.
- 시계열 데이터를 분석하기 위한 기법을 3가지 선택해 그 장단점을 상세하게 설명하고, 신뢰할 수 있는 예시를 출처와 함께 명확하게 각각 제시하였습니다.
- 네이버 데이터랩에서 적절한 검색 키워드 3개로 20대 여성과 40대 여성의 취미생활 차이를 시각화를 통해 정확하게 분석하고, 의미있는 결론을 명확하게 도출하였습니다.
- 기후위기 부정론자를 설득하기 위해 유튜브 강연에서 나오는 시각화 방법을 하나 선택하여 어떤 데이터를 어떻게 시각화할지 자세하게 설명하였습니다.
- 과제물 지시사항에 따른 형식과 내용으로 완벽하게 작성하였습니다.
- 한눈에 내용이 들어올 수 있게 가독성을 고려하여 일목요연하게 작성하였습니다.
바쁜 일상 속에서 양질의 리포트를 작성하시는 데 시간과 노력을 최소화할 수 있는 과제물로 리포트 작성에 참고하시어 좋은 성적 받으세요.^^
글자 모양(맑은고딕, 장평 100%, 크기 11 pt, 자간 0%)
행복하세요~

저작시기 : 2024년 9월

1. 다음에 대해 서술하세요. (각 5점)

(1) 시계열 데이터를 분석하기 위한 기법을 3가지 이상 선택해 그 장단점을 설명하되, 예시를 포함하시오.
① 평활화(smoothing)와 예시
② 차분(differencing)과 예시
③ 변수변환과 예시
(2) A/B 검증에 대해 설명하시오.

2. 네이버 데이터랩(https://datalab.naver.com/)을 이용하여 20대 여성과 40대 여성의 취미생활 차이를 분석하고자 합니다. 적절한 검색 키워드를 3개 이상 선택하고 이를 필요에 따라 시각화 하여 비교한 후, 의미있는 결론을 도출하여 분석하세요. (10점)
1) 20대 여성과 40대 여성의 취미활동의 차이 분석
2) 의미있는 결론

3. 데이터를 이용해 기후위기 부정론자를 설득해야 하는 상황이라고 가정합니다. The beauty of data visualization(https://www.youtube.com/watch?v=plajiQ55tz-U 또는 유튜브에 해당 제목의 로 검색) 시청 후 해당 강연에서 나오는 시각화 방법 중 하나를 선택하여, 어떤 데이터를 해당 방법으로 시각화할 것인지를 자세히 설명하세요. (10점)

4. 참고문헌

본문내용

1. 다음에 대해 서술하세요. (각 5점)
(1) 시계열 데이터를 분석하기 위한 기법을 3가지 이
상 선택해 그 장단점을 설명하되, 예시를 포함하시오.
시계열은 변동주기에 따라 추세, 순환, 계절, 불규칙
변동요인으로 구성되어 있다고 전제한다. 시계열의 특성분석을 위해 시계열을 평활화, 차분, 변수변환 등을 한다.
① 평활화(smoothing)와 예시
시계열 데이터에 불규칙변동, 계절변동 등 주기가 짧은
변동요인이 존재할 경우 시계열의 흐름을 제대로 파악하기 어려울 수 있다. 시계열의 평활화(smoothing)은 주기가 짧은 변동요인, 즉 교란요인을 제거하여 시계열의 기조적 흐름을 파악하도록 해준다. 평활화에는 중심화 이동평 균, 후방이동평균, 이중이동평균, 가중이동평균 등이 있다. 이중 중심화 이동평균(centered moving average)이 평활화 방법으로 주로 이용된다. 경제시계열의 불규칙변동요인을 제거할 경우에는 주로 3기 중심화 이동평균을 이용하게 된다.
중심화 이동평균 시계열은 원래 시계열과 시차구조가 동일
하다는 장점이 있다. 또한 이동평균항 수를 늘리면 시계열의 보다 장기적인 변동도 파악할 수 있다. 그러나 이동평균 과정에서 시계열의 처음이나 마지막 시점에서 자료가 없어 이동평균값을 구할 수 없으므로, 장기 이동평균을 이용하는 데 한계가 있다. 이 경우 시계열의 예측값을 구해 이동평균값을 구하거나가 가능한 자료만으로 이동평균을 구하기도 한다.
그림1은 1989년부터 2008년까지 (온수 판매는 제
외) 호주 남부의 매년 주거용 전기 판매량에 대해 5-MA로 예측한 값들을 보여준다. 둘째 열의 첫 번째 값은 첫 5개 관측값(1989?1993)의 평균[(2354.34+2379.71+2318.52+2468.99+2386.09)/5=2381.53]이고, 두 번째 값은 1990?1994의 평균이다. 즉, 5-MA가 있는 열의 각 값은 5년의 기간의 관측값을 평균하여 가운데 값으로 나타낸 것으로, 첫 2개의 연도와 마지막 2개 연도에서는 평균 (이하 생략)

참고문헌

이긍희 외, 빅데이터의이해와활용, 한국방송통신대학교출판문화원, 2022.
이긍희 외, 예측방법론, 한국방송통신대학교출판문화원, 2023.이긍희 외, 빅데이터의이해와활용, 한국방송통신대학교출판문화원, 2022.
이긍희 외, 예측방법론, 한국방송통신대학교출판문화원, 2023.
박서영, 이긍희(2023), 데이터시각화, 출판문화원.
에일린 닐슨, 실전 시계열 분석, 한빛미디어, 2021.
https://www.youtube.com/watch?v=pLqjQ55tz-U
https://otexts.com/fppkr/
https://wikidocs.net/233151
박서영, 이긍희(2023), 데이터시각화, 출판문화원.
에일린 닐슨, 실전 시계열 분석, 한빛미디어, 2021.
https://www.youtube.com/watch?v=pLqjQ55tz-U
https://otexts.com/fppkr/
https://wikidocs.net/233151