[DATA LEARNING]
A, B, C 지역 한우의 도체중 비교
[Q&A]
지역을 변수로 모델링하면 변수값은
지역은 한우가 자란 물리적인 공간을 나타내는 범주의 이름이며 서로 배타적입니다. 집합으로 설명하면, A, B, C는 지역이라는 집합의 부분집합입니다. 따라서 지역은 범주형변수의 이름으로, A, B, C는 범주형변수의 값(데이터)으로 모델링합니다. A, B, C는 지역을 관측한 결과인 범주형데이터입니다.
도체중을 확률변수로 모델링가능한가
유전적으로 결정된다면 확률변수로 볼 수 있습니다.
도체중의 데이터종류는
연속형데이터입니다.
A, B, C의 데이터종류는
범주형데이터입니다
ARTICLE CONTENTS
Comparison of carcass weights of Korean cattle from regions A, B, and C
이승환
Author Detail
Chungnam National University, Daejeon, Republic of Korea
Citation
Lee SH. 2024. Comparison of fat content between Korean Hanwoo sirloin and chuck eye roll. Data Science 1:1.
Publication History
Received: 31 March 2023, Revised: 30 April 2023, Accepted: 04 May 2023, Published: 19 May 2023
Publication Information
ISBN: 979-11-966409-9-6(95490)
DOI: 10.12972/DATALINK.p02-1
Abstract
한우는 지역에 따라 도체중이 다른지 알아보는 연구를 진행하였다. 한우 100마리를 표본으로 하고, 도체중을 확률변수로 하였다. 지역이 다른 한우 100마리를 비교해서 한우는 지역에 따라 도체중이 다르다를 검정하였다. 집단간/집단내분산의 비를 일원분산분석 F검정으로 검정한 결과, 유의미한 차이를 보였다.(p=0.01) 본 연구를 통해 한우는 지역에 따라 도체중이 다르다고 할 수 있다.
Key Word
한우, 도체중, 지역, 일원분산분석, F검정
Modeling
가설
한우는 지역에 따라 도체중이 다르다라는 연구주제로부터, 지역에 따라 분류한 한우의 도체중 모평균과 전체 한우의 도체중 모평균 차이는 0이다라는 귀무가설을 도출하고, 이 가설을 반증하는 지역에 따라 분류한 한우의 도체중 모평균 중 적어도 하나는 전체 한우의 도체중 모평균과 다르다라는 대립가설을 도출한다.
확률변수
도체중(kg)을 확률변수로 한다. 도체중은 한우 도체의 무게로 kg(킬로그램) 단위로 표시한다.
실험설계
한우100마리의 지역과 도체중을 관측하였다. 우리나라에는 다양한 지역에 다양한 방법으로 한우를 생산하는 브랜드들이 있다. 즉, 지역간 브랜드를 통해서 차별성있는 한우를 생산한다고 말할 수 있다. 지역별 한우 씨수소 선발시 도체중을 중시하는 지역이 있고, 근내지방을 선호하는 지역이 존재하여 지역별 도체중의 차이가 있을 수 있다.
Data
데이터수집
한우100마리의 지역과 도체중을 표로 정리하였다.
| 1 | A | 466 |
|---|---|---|
| 2 | A | 406 |
| 3 | A | 428 |
| 4 | A | 493 |
| 5 | A | 460 |
| 6 | A | 498 |
| 7 | A | 461 |
| 8 | A | 405 |
| 9 | A | 404 |
| 10 | A | 511 |
| 11 | A | 355 |
| 12 | A | 482 |
| 13 | A | 428 |
| 14 | A | 435 |
| 15 | A | 468 |
| 16 | A | 442 |
| 17 | A | 502 |
| 18 | A | 422 |
| 19 | A | 435 |
| 20 | A | 411 |
| 21 | A | 494 |
| 22 | A | 380 |
| 23 | A | 340 |
| 24 | A | 532 |
| 25 | A | 549 |
| 26 | A | 445 |
| 27 | A | 429 |
| 28 | B | 425 |
| 29 | B | 421 |
| 30 | B | 392 |
| 31 | B | 423 |
| 32 | B | 429 |
| 33 | B | 418 |
| 34 | B | 368 |
| 35 | B | 357 |
| 36 | B | 361 |
| 37 | B | 497 |
| 38 | B | 445 |
| 39 | B | 353 |
| 40 | B | 401 |
| 41 | B | 459 |
| 42 | B | 459 |
| 43 | B | 441 |
| 44 | B | 447 |
| 45 | B | 353 |
| 46 | B | 420 |
| 47 | B | 346 |
| 48 | B | 381 |
| 49 | B | 449 |
| 50 | B | 359 |
| 51 | B | 379 |
| 52 | B | 444 |
| 53 | B | 463 |
| 54 | B | 427 |
| 55 | B | 462 |
| 56 | B | 359 |
| 57 | B | 440 |
| 58 | B | 365 |
| 59 | B | 493 |
| 60 | B | 406 |
| 61 | B | 372 |
| 62 | B | 412 |
| 63 | B | 390 |
| 64 | B | 458 |
| 65 | B | 434 |
| 66 | B | 450 |
| 67 | B | 414 |
| 68 | B | 507 |
| 69 | B | 346 |
| 70 | B | 385 |
| 71 | B | 469 |
| 72 | B | 370 |
| 73 | B | 476 |
| 74 | B | 433 |
| 75 | B | 387 |
| 76 | B | 504 |
| 77 | B | 422 |
| 78 | B | 370 |
| 79 | B | 390 |
| 80 | B | 379 |
| 81 | B | 448 |
| 82 | B | 425 |
| 83 | B | 346 |
| 84 | B | 416 |
| 85 | C | 420 |
| 86 | C | 421 |
| 87 | C | 466 |
| 88 | C | 532 |
| 89 | C | 412 |
| 90 | C | 382 |
| 91 | C | 416 |
| 92 | C | 461 |
| 93 | C | 448 |
| 94 | C | 435 |
| 95 | C | 394 |
| 96 | C | 379 |
| 97 | C | 419 |
| 98 | C | 442 |
| 99 | C | 385 |
| 100 | C | 382 |
데이터시각화
히스토그램를 그려서, 지역 별 도체중 분포를 탐색하였다.
Data Analysis
가설검정
연구주제 : 한우는 지역에 따라 도체중이 다르다
귀무가설 : 지역에 따라 분류한 한우의 도체중 모평균과 전체 한우의 도체중 모평균 차이는 0이다
귀무가설이 옳다면, 집단간분산과 집단내분산의 비는 확률변수로 확률분포를 F분포로 모델링할 수 있다.
표본을 통해 관측한 검정통계량은 4.76이며, 유의확률은 0.01
만일 유의수준을 0.05로 하면, 유의확률이 유의수준보다 작으므로, 귀무가설 기각
귀무가설이 기각되었으므로 대립가설 채택
검정결과
집단간분산과 집단내분산의 비를 일원분산분석 F검정으로 검정한 결과, 지역별 한우 도체중 평균이 유의미한 차이를 보였다.(p=0.01) 한우는 지역에 따라 도체중이 다르다고 할 수 있다.
| 분산구분 | 제곱합 | 자유도 | 평균제곱 | 검정통계량 | 유의확률 |
|---|---|---|---|---|---|
| 집단간 | 19501.34 | 2 | 9750.67 | 4.76 | 0.01 |
| 집단내 | 198722.66 | 97 | 2048.69 | ||
| Total | 218224.00 | 99 |
Reference
Bhuiyan, et al. 2016. M.S.A.Bhuiyan, D.H.Lee, H.J.Kim, S.H.Lee, S.H.Cho, B.S.Yang, S.D.Kim, S.H.Lee. Estimates of genetic parameters for fatty acid compositions in the longissimus dorsi muscle of Hanwoo cattle. Animal, 12 (2018), pp. 675-683
본인의 Google 계정으로 구글시트를 복사
=AVERAGE(C3:C22) : 평균. C3에서 C22에 있는 모든 데이터의 산술평균.
=VAR.S(C3:C22) : 표본분산. C3에서 C22에 있는 모든 데이터의 표본분산. 각 값과 산술평균과의 차이 제곱을 모두 더한 후, 데이터 개수-1(n-1)로 나눈 값.
=값 혹은 셀^2 : 제곱.
=SUM(J3:J62) : 합. J3에서 J62에 있는 모든 데이터의 합.
=COUNTUNIQUE(B3:B62) : 데이터 개수. B3에서 B62에 있는 데이터 중 중복되지 않는 데이터 개수.
=COUNT(A3:A62) : 데이터 개수. A3에서 A62에 있는 모든 숫자 데이터의 개수.
=F.DIST.RT(Q3,O3,O4) : 확률밀도. O3와 O4를 자유도로 가지는 F분포 상에서 Q3 우측의 확률밀도를 적분한 값.
=F.INV.RT(U3,O3,O4) : 확률밀도함수의 역함수. O3와 O4를 자유도로 가지는 F분포 상에서 어떤 값을 기준으로 우측의 확률밀도를 적분한 값이 U3가 되는 어떤 값.
=IF(T3>V3,“YES”,“NO”) : 조건문. T3가 V3보다 크면 YES를 표시하고, 그렇지 않으면 NO를 표시함.
=F.DIST(Y3,O3,O4,FALSE) : 확률밀도. O3와 O4를 자유도로 가지는 F분포 상에서 Y3 값이 가지는 확률밀도. FALSE를 TRUE로 변경하면, 누적확률밀도를 계산함.