시계열 데이터 그래프에서 판단해야 하는 것 -p,d,q 중 d (differences)를 해야하는지 안해야하는지 판단 -stationary(정상성) 판단 -ts.data > 0.05이면 차분을 진행할 것 (대립가설 채택을 목적으로 하는?) -차분 : 이전 데이터에서 차분 - 차분을 많이 진행 시 원래 데이터를 잃게 됨 aic : 에러사이즈를 측정하는 스코어 - 왼쪽 ma1이 실제 적는 weith 값임 -s.e는 에러 값 (0.0868) yt=3.0975+wt(원래에러)+0.2097wt (ar은 없는 상태임) yt=3.0208+0.8353wt +wt - 0.6243wt (ar1 +wt + ma1) is(m1) : arima만 존재하는 것 확인 가능 ls(m1) : m1에 존재하는 변수들 확인 m1$aic ..

#Regression #lm(formula, data, subset, weights, na.action, method = "qr", ...) #summary(object, correlation = FALSE, symbolic.cor = FALSE, ...) #anova(object, ..., scale = 0, test = "F") #lm 적용 후 적합된 회귀모형 객체에 대해 활용할 수 있는 함수 # print # summary: 회귀분석 후 기본 결과 확인 # coef, coeffients: 추정된 회귀계수값 확인 # resid, residuals: 잔차 확인 # fitted: 종속변수 추정값 # anova: 요인에 대한 분산분석 결과 확인 # predict: 새로운 데이터에 대한 추정값 # plot:..

통계검증1 #t-test #t.test(x, y = NULL,alternative = c("two.sided", "less", "greater"), # mu = 0, paired = FALSE, var.equal = FALSE,conf.level = 0.95, ...) 2.Greater(우측) / less(좌측) =단측검정 #t.test(formula, data, subset, na.action, ...) [일표본 t검증] [평균이 5을 넘는지에 대한 대응가설 검증] [T.test 시행 시 확인사항] 1)등분산성 var.test / var.test(extra~group, sleep) 2)양측, 단측검정 단측 검정 사용 : 결과를 어느 정도 알고 있을 때 양측검정 사용 : 결과를 모를 때 3)p-value..