[R] 한국KBO 자료를 통한 안타(H)과 병살타(GDP)의 회귀분석

과목 : 03.통계 기반 데이터 분석(교과목평가)¶

문제 1. 사례에 대한 통계적 검증을 위한 귀무가설과 대립가설을 세우시오.¶

사례¶

해외여행 도중 어느 뒷골목에서 동전으로 내기를 하는 도박사를 만났다. 앞면이 나오면 A에게 1달러를, 뒷면인 나오면 B에게 1달러를 주는 동전 내기를 A, B가 하기로 했다. 결과는 8회중 7회 뒷면이 나왔다. A는 뒷면이 나오기 쉬운 것 아니냐? 했고 B는 앞면과 뒷면이 나올 확률이 같더라도 우연히 나올 수 있다 고 했다. 이 경우 통계적 검증을 위한 귀무가설과 대립가설을 세우시오.

귀무가설: 앞면과 뒷면이 나올 확률은 1/2이다.¶

대립가설: 앞면과 뒷면이 나올 확률은 1/2이 아니다.¶

문제 2. 한국KBO 자료를 통해 안타(H)과 병살타(GDP)의 회귀분석을 진행 하시오.¶

DataSet : example_kbo2015.csv (알까기2)¶

In [1]:

df = read.csv('../R Test/R_examples/example_kbo2015.csv', stringsAsFactors = TRUE)

In [2]:

head(df)

A data.frame: 6 × 26

	ranking	team	AVG	G	PA	AB	R	H	X2B	X3B	⋯	IBB	HBP	SO	GDP	SLG	OBP	OPS	MH	RISP	PH.BA
	<int>	<fct>	<dbl>	<int>	<int>	<int>	<int>	<int>	<int>	<int>	⋯	<int>	<int>	<int>	<int>	<dbl>	<dbl>	<dbl>	<int>	<dbl>	<dbl>
1	1	삼성	0.300	102	4091	3553	634	1066	188	19	⋯	15	47	650	78	0.471	0.374	0.845	101	0.300	0.216
2	2	넥센	0.300	102	4151	3620	658	1085	227	12	⋯	13	61	815	79	0.498	0.374	0.872	100	0.294	0.268
3	3	두산	0.291	99	3950	3410	570	991	176	16	⋯	17	66	544	95	0.438	0.368	0.806	98	0.284	0.262
4	4	NC	0.288	101	3994	3485	591	1002	205	20	⋯	17	74	717	65	0.453	0.362	0.815	101	0.296	0.274
5	5	롯데	0.277	104	4082	3557	545	985	176	14	⋯	16	57	866	105	0.444	0.356	0.800	104	0.272	0.190
6	6	SK	0.276	99	3888	3373	476	931	146	9	⋯	12	63	720	73	0.406	0.355	0.761	99	0.277	0.236

안타와 병살타의 상관관계 구하기¶

안타와 병살타의 상관도 : 0.309919809198101¶

In [12]:

cor(df$H, df$GDP)

0.309919809198101

안타와 병살타 산점도 그래프¶

In [13]:

plot(df$GDP~df$H)

회귀 모델구하기¶

안타(H) = X축, 병살타(GDP)=y축¶

In [18]:

lm(GDP~H, data=df)

Call:
lm(formula = GDP ~ H, data = df)

Coefficients:
(Intercept)            H  
   25.06444      0.05505  

회귀모델 설명하기 (ex – 안타 10회당 1회 병살타)¶

y=25.06444+0.05505*H(안타)¶

안타를 100번 쳤을 때 5.5번의 병살타가 나올 수 있다.¶

In [22]:

library(ggplot2)

회귀 모델 그래프¶

In [23]:

ggplot(df, aes(H, GDP)) +
geom_point() +
xlab('안타(H)')+
ylab('병살타(GDP)') +
ggtitle('안타대 병살타 회귀모델 그래프')+
stat_smooth(method=lm, level=0.95)

`geom_smooth()` using formula 'y ~ x'

In [ ]:

In [ ]:

In [ ]:

In [ ]:

In [ ]: