[내일배움캠프] 33일 차 - SQL 코드카타, 통계 특강 2강(1)

 

 

 

 SQL 코드카타

 

 

문제 101

Product Sales Analysis Ⅲ

 

☑ link

 

 

처음 답안

SELECT product_id,
       MIN(year) AS first_year,
       quantity,
       price
FROM Sales
GROUP BY product_id

 

최종 답안

SELECT a.product_id,
       a.year AS first_year,
       a.quantity,
       a.price
FROM
(
SELECT product_id,
       year,
       RANK() OVER(PARTITION BY product_id ORDER BY year) AS ranking,
       quantity,
       price
FROM Sales
) a
WHERE a.ranking = 1

 

 

틀린 이유 

 

문제 해석 실패

• 문제의 의도: 각 물건 당, 물건이 팔린 첫 해의 구매 내역 리턴
  ✔️ 한 물건이 첫 해에 여러 번 팔렸을 수 있음
• 내가 해석한 것: 각 물건 당, 물건이 팔린 첫 해의 구매 내역 하나만 리턴
  ✔️ 한 물건이 첫 해에 여러 번 팔린 경우 간과

 

 

개선점

 

최댓값, 최솟값만 남기기

• 최댓값, 최솟값이 하나인 것이 보장될 때
  → MAX(), MIN()
• 최댓값, 최솟값이 둘 이상일 수 있고, 그것 모두를 리턴해야 할 때
  → 서브쿼리: RANK() OVER(ORDER BY 기준컬럼) AS ranking
  → 메인쿼리: WHERE ranking = 1

 

 

 

 통계 특강 2강 (1)

 

 

 

통계 특강 2강 (1) : 곽승예 튜터님

 

1. 복습

 

1) 베이즈정리

 

핵심 개념 

1. 사전확률 (Prior) : 어떤 사건이 추가적인 정보를 얻기 전에 얼마나 가능성이 있는지를 나타내는 확률
   • ex. 일반적으로 고객의 구매 확률이 10%라면, 구매에 대한 사전확률은 0.1
2. 우도 (Likelihood) : 특정 가정 하에 우리가 실제로 관측한 데이터가 나올 가능성
   • ex. 구매자라면 이메일을 열 확률은 80%
3. 사후확률 (Posterior) : 관측한 정보를 반영한 후, 우리가 알고 싶은 사건의 확률
   • ex. 고객이 이메일을 열었을 때, 그가 실제 구매자일 확률은 얼마나 될까?
4. 사후확률 ∝ 사전확률 × 우도

 

2) 추론 통계

일부 데이터(표본)를 바탕으로 전체 모집단을 추정(예측)하거나,

어떤 주장이 맞는지 검정하는 통계

 

추정을 바라보는 두 관점

• 추정 : 모집단의 수치를 알 수 없기 때문에 표본을 통해 대신 계산하는 것
• 추정을 바라보는 2가지 관점
  • 빈도주의 (Frequentist) : 반복했을 때 평균적으로 어떤 결과가 나올지를 생각
    • 비교적 표본이 많은 경우
    • 정규분포 가정이 잘 성립하는 경우
    • 가설검정이 필요한 경우
    • 해석이 명확한 검정 결과가 필요한 경우
  • 베이지안 (Bayesian) : 주어진 정보에서 우리가 얼마나 확신할 수 있는지를 표현
    • 표본이 매우 작거나 불확실할 때
    • 사전 지식을 활용하고 싶을 때
    • 실시간 업데이트가 필요한 경우
    • 확률로 직관적인 해석이 필요한 경우

구분	빈도주의	베이지안
확률의 의미	장기적 반복을 통한 비율	믿음, 불확실성
예시	“신뢰구간 95%는 100번 중 95번 참값 포함”	“참값이 이 구간 안에 있을 확률이 95%”
모집단 모수	고정된 값 → 확률 없음	확률변수처럼 다룸 → 확률 있음
초점	표본의 반복 분포	데이터와 사전 정보의 결합
적용	신뢰구간, 가설검정	베이지안 추론, 머신러닝 등
계산 방식	사전 정보 없이 오로지 데이터만 사용	사전 정보와 데이터 결합
결과	주로 신뢰구간, p-value, 평균 추정값	사후분포, 신뢰도 있는 구간, 업데이트된 믿음

 

✔️ 오늘 내용은 빈도주의 관점에서 진행

 

 

자료 출처

스파르타 코딩클럽 데이터 Docs

 

 

 

 

6/30 /

7/1

7/6

7/30