Microsoft MVP성태의 닷넷 이야기
글쓴 사람
홈페이지
첨부 파일

MathNet을 이용한 간단한 통계 정보 처리 - 분산/표준편차

C# - MathNet.Numerics의 Matrix(행렬) 연산
; https://www.sysnet.pe.kr/2/0/11910

MathNET + OxyPlot을 이용한 간단한 통계 정보 처리 - Histogram
; https://www.sysnet.pe.kr/2/0/11916

이번엔 MathNet의 분산과 표준편차를 위한 메서드를 보겠습니다.

List<double> dblHeights = LoadData("data.txt");

// dblHeights == 32 27 29 34 33라고 가정

Console.WriteLine($"# of data: {dblHeights.Count}"); // 31

Console.WriteLine($"MathNet - Variance: {Statistics.Variance(dblHeights)}"); // 8.5
Console.WriteLine($"MathNet - Standard Deviation: {Statistics.StandardDeviation(dblHeights)}"); // 2.91547594742265

그런데 값이 좀 이상합니다. 위의 분산값은 8.5라고 나오는데, 실제로 계산해 보면 6.8이기 때문입니다. (분산이 틀리니 표준편차 값도 당연히 틀립니다.) 이유는 간단합니다. Variance와 StandardDeviation 메서드는 통계의 "모집단(population)에 대한 분산/표준편차"가 아니라 "표본(sample)에 대한 분산/표준편차"를 출력해 주는 것이고 표본의 경우 Bessel's correction을 고려한 값을 반환하도록 되어 있습니다.

엑셀(Excel)을 해보신 분은 알겠지만 엑셀에서도 다음의 2가지 분산/표준편차 함수가 제공됩니다.

VAR.S       표본에 대한 분산
STDDEV.S    표본에 대한 표준편차

VAR.P       모집단에 대한 분산
STDDEV.P    모집단에 대한 표준편차

* S는 Sample, P는 Population을 의미

C# 코드로 분산을 구현하면 이렇게 작성할 수 있습니다.

public static double Variance(double[] samples, double mean, bool useBesselCorrection)
{
    if (samples.Length <= ((useBesselCorrection == true) ? 1 : 0))
    {
        return double.NaN;
    }

    double sum = 0;

    for (int i = 0; i < samples.Length; i++)
    {
        double diff = samples[i] - mean;
        sum += (diff * diff);
    }

    double variance = sum / ((samples.Length - ((useBesselCorrection == true) ? 1 : 0)));
    return variance;
}

통계학의 기본을 알지 못하면 어찌 보면 말장난 같기도 합니다. 모집단에 대한 분산을 구할 때는 samples.Length로 나누고, 표본에 대한 분산을 구할 때는 samples.Length - 1을 하게 됩니다. 즉, 동일한 데이터를 samples 배열에 넣어 전달해도 그것이 모집단(전체 집합)의 데이터냐, 부분 샘플에 대한 데이터냐에 따라 결과가 달리 나오는 것입니다. (참고: https://blog.naver.com/dalsapcho/20147545698, 개인적으로 이 글에서 "개념 정리"에 나온 그림이 마음에 듭니다. ^^)




그런데 Math.NET의 분산을 구하는 코드가 재미있습니다.

/*
Estimates the unbiased population variance from the provided samples as unsorted array. 
On a dataset of size N will use an N-1 normalizer (Bessel's correction). 
Returns NaN if data has less than two entries or if any entry is NaN. 
*/
public static double Variance(double[] samples)
{
    if (samples.Length <= 1)
    {
        return double.NaN;
    }
    double num = 0.0;
    double num2 = samples[0];
    for (int i = 1; i < samples.Length; i++)
    {
        num2 += samples[i];
        double num4 = ((i + 1) * samples[i]) - num2;
        num += (num4 * num4) / ((i + 1.0) * i);
    }
    return (num / ((double) (samples.Length - 1))); // 표본 분산이므로.
}

제가 만든 C# 분산 코드와 위의 분산을 구하는 코드가 다릅니다. 하지만 (double 연산의 특성으로 소수점 2자리부터 차이가 발생하지만) 결과는 같습니다. 왜 저렇게 어렵게 분산을 구하는 것일까요? 이유가 멋집니다. 제가 작성했던 코드는 2-pass인 반면, Math.NET의 코드는 1-pass입니다. 다시 말해, 제가 작성한 코드는 평균값을 알고 있어야 하는데 그 평균을 구하기 위해 미리 한번 전체 데이터에 대한 루프를 돌아야 하지만, Math.NET의 코드는 평균값을 알지 못해도 분산을 구할 수 있는 것입니다.

물론, 평균값을 이미 구했다면 2-pass 코드가 분산을 더 빠르게 구할 수 있습니다. 사실... 통계값을 구한다면 대부분의 경우 평균은 기본적으로 구할 것이므로 현실적으로 효용성이 있느냐는 별개의 문제로 보입니다. ^^




참고로 Math.NET에서 모집단에 대한 분산/표준편차를 구하려면 Population이 붙은 메서드를 사용하면 됩니다.

Console.WriteLine($"MathNet - Variance: {Statistics.PopulationVariance(dblHeights)}");
Console.WriteLine($"MathNet - Standard Deviation: {Statistics.PopulationStandardDeviation(dblHeights)}");

또한 구현 코드 역시 Bessel's correction의 차이에 따라 "-1" 교정이 없는 버전의 동일한 코드로 제공됩니다.

/*
Evaluates the population variance from the full population provided as unsorted array. 
On a dataset of size N will use an N normalizer and would thus be biased if applied to a subset. 
Returns NaN if data is empty or if any entry is NaN.
*/
public static double PopulationVariance(double[] population)
{
    if (population.Length == 0)
    {
        return double.NaN;
    }
    double num = 0.0;
    double num2 = population[0];
    for (int i = 1; i < population.Length; i++)
    {
        num2 += population[i];
        double num4 = ((i + 1) * population[i]) - num2;
        num += (num4 * num4) / ((i + 1.0) * i);
    }
    return (num / ((double) population.Length));
}

(첨부 파일은 이 글의 예제 코드를 포함합니다.)




[이 글에 대해서 여러분들과 의견을 공유하고 싶습니다. 틀리거나 미흡한 부분 또는 의문 사항이 있으시면 언제든 댓글 남겨주십시오.]

[연관 글]





[최초 등록일: ]
[최종 수정일: 5/24/2019 ]

Creative Commons License
이 저작물은 크리에이티브 커먼즈 코리아 저작자표시-비영리-변경금지 2.0 대한민국 라이센스에 따라 이용하실 수 있습니다.
by SeongTae Jeong, mailto:techsharer@outlook.com

비밀번호

댓글 쓴 사람
 




1  2  3  4  5  6  7  8  9  10  11  [12]  13  14  15  ...
NoWriterDateCnt.TitleFile(s)
11929정성태6/5/2019962.NET Framework: 841. Windows Forms/C# - 클립보드에 RTF 텍스트를 복사 및 확인하는 방법
11928정성태6/5/2019988오류 유형: 543. PowerShell 확장 설치 시 "Catalog file '[...].cat' is not found in the contents of the module" 오류 발생
11927정성태6/5/20191200스크립트: 15. PowerShell ISE의 스크립트를 복사 후 PPT/Word에 붙여 넣으면 한글이 깨지는 문제 [1]
11926정성태6/4/20191326오류 유형: 542. Visual Studio - pointer to incomplete class type is not allowed
11925정성태6/4/20191332VC++: 131. Visual C++ - uuid 확장 속성과 __uuidof 확장 연산자파일 다운로드1
11924정성태5/30/20191409Math: 57. C# - 해석학적 방법을 이용한 최소 자승법 [1]파일 다운로드1
11923정성태5/30/20191178Math: 56. C# - 그래프 그리기로 알아보는 경사 하강법의 최소/최댓값 구하기파일 다운로드1
11922정성태5/30/2019849.NET Framework: 840. ML.NET 데이터 정규화파일 다운로드1
11921정성태5/28/20191285Math: 55. C# - 다항식을 위한 최소 자승법(Least Squares Method)파일 다운로드1
11920정성태5/28/2019966.NET Framework: 839. C# - PLplot 색상 제어
11919정성태5/27/20191232Math: 54. C# - 최소 자승법의 1차 함수에 대한 매개변수를 단순 for 문으로 구하는 방법 [1]파일 다운로드1
11918정성태5/27/20191344Math: 53. C# - 행렬식을 이용한 최소 자승법(LSM: Least Square Method)파일 다운로드1
11917정성태5/24/20191265Math: 52. MathNet을 이용한 간단한 통계 정보 처리 - 분산/표준편차파일 다운로드1
11916정성태5/24/2019896Math: 51. MathNET + OxyPlot을 이용한 간단한 통계 정보 처리 - Histogram파일 다운로드1
11915정성태5/24/2019966Linux: 11. 리눅스의 환경 변수 관련 함수 정리 - putenv, setenv, unsetenv
11914정성태5/24/20191426Linux: 10. 윈도우의 GetTickCount와 리눅스의 clock_gettime파일 다운로드1
11913정성태5/24/2019955.NET Framework: 838. C# - 숫자형 타입의 bit(2진) 문자열, 16진수 문자열 구하는 방법파일 다운로드1
11912정성태5/23/2019891VS.NET IDE: 137. Visual Studio 2019 버전 16.1부터 리눅스 C/C++ 프로젝트에 추가된 WSL 지원
11911정성태5/23/2019974VS.NET IDE: 136. Visual Studio 2019 - 리눅스 C/C++ 프로젝트에 인텔리센스가 동작하지 않는 경우
11910정성태5/24/20191908Math: 50. C# - MathNet.Numerics의 Matrix(행렬) 연산파일 다운로드1
11909정성태5/25/20191403.NET Framework: 837. C# - PLplot 사용 예제 [1]파일 다운로드1
11908정성태5/22/2019930.NET Framework: 836. C# - Python range 함수 구현파일 다운로드1
11907정성태6/4/2019744오류 유형: 541. msbuild - MSB4024 The imported project file "...targets" could not be loaded
11906정성태5/21/2019667.NET Framework: 835. .NET Core/C# - 리눅스 syslog에 로그 남기는 방법
11905정성태5/21/2019861.NET Framework: 834. C# - 폴더 경로 문자열에서 "..", "." 표기를 고려한 최종 문자열을 얻는 방법 - 두 번째 이야기
11904정성태5/21/20191709.NET Framework: 833. C# - Open Hardware Monitor를 이용한 CPU 온도 정보파일 다운로드1
1  2  3  4  5  6  7  8  9  10  11  [12]  13  14  15  ...