데이터시각화 ) 1 런던 콜레라지도(교재 p.4)를 조사하고 데이터 시각화의 필요성을 설명하시오.

소개글

데이터시각화 ) 1 런던 콜레라지도(교재 p.4)를 조사하고 데이터 시각화의 필요성을 설명하시오.에 대한 보고서 자료입니다.

목차

데이터시각화
1. 런던 콜레라지도(교재 p.4)를 조사하고 데이터 시각화의 필요성을 설명하시오.(7점)
2. 아름답고 의미 있는 데이터 시각화 사례를 발굴하고 그 이유를 정리하시오.(7점)
3. R 패키지 “vcd”에 내장된 “Arthritis” 데이터셋은 류마티스 관절염 환자를 대상으로 한 임상시험 결과 데이터이다. 각 행은 각 환자를 나타내며, 변수 Treatment는 그룹 (Treated = 새로운 치료제를 투약한 그룹, Placebo = 위약을 받은 그룹)을 나타낸다. 변수 Sex는 성별을, Improved는 치료 결과(None = 차도 없음, Some = 약간 좋아짐, Marked = 매우 좋아짐)를 나타낸다. 새로운 치료제 투약 여부가 치료 결과와 연관이 있는지, 성별과 치료 결과 간에 연관이 있는지를 데이터 시각화를 통해서 탐구하시오. (18점)
4. R에 내장된 “airquality” 데이터셋은 1973년 5월부터 9월까지 뉴욕의 대기질에 관한 데이터셋이다. 변수 Ozone은 대기 중 오존의 양, Solar.R은 태양방사선의 양, Wind는 풍속, Temp는 기온을 나타낸다. 이 네가지 변수(Ozone, Solar.R, Wind, Temp)에 대한 산점도 행렬을 그리고, 이 산점도 행렬에서 알 수 있는 변수들 간의 관계에 대하여 서술하시오. (18점)
참고자료

본문내용

있는 결론도 해당 데이터를 어떻게 시각화 하느냐에 따라 무궁무진하게 발전하며 달라질 수 있다.
2. 아름답고 의미 있는 데이터 시각화 사례를 발굴하고 그 이유를 정리하시오.(7점)
해당 데이터 시각화 사례는 옥스퍼드 인터넷 연구소의 연구원들이 2013년, 인터넷 사용자 수에 따라 크기가 조정된 세계 국가를 보여주는 지도이다. 우리가 흔히 아는 세계지도와 달리, 척 보기에도 한국과 일본이 제법 크다.
각 육각형은 470,000명의 인터넷 사용자를 나타내고 국가는 온라인 환경에 있는 해당 인구의 비율로 음영 처리된다. 인터넷 사용자의 비율이 80~100%의 비율을 차지하고 있는 국가는 짙은 붉은색으로 표시된다. 반면, 사용자의 비율이 적으면 흰색에 가까워진다. 예컨대, 중국 상단에서 목격할 수 있는 작은 흰색 점이 몽골인 것처럼 말이다. 우리는 해당 지도를 통해 세계에 분포하는 인터넷 사용자의 비율을 한눈에 확인할 수 있으며, 특히 어느 지역에 인터넷 사용자의 비율이 적은지, 어느 지역에 몰려 있는지 또한 쉽게 알아볼 수 있다.
해당 지도는 단순히 사용자의 비율에 따라 색만을 나눠둔 것이 아니라, 국가의 크기까지 재조정하여 인터넷 사용자의 수를 조금 더 직관적으로 알 수 있게 구성되어있다. 가장 많은 인터넷 사용자 지역을 분석하면, 세계 인터넷 사용자의 주요 상승세로 아시아를 꼽을 수 있으며, 전 세계 인터넷 사용자의 46%가 아시아에 거주하고 있다는 사실까지 쉽게 알 수 있다. 더불어 인터넷을 사용하는 인구 수 자체는 중국이 많지만, 그 비율에 있어서는 다른 나라가 월등하게 높다는 것 역시도 한 눈에 알아볼 수 있는 부분들이다.
이러한 데이터 시각화 사례는 비전문가에게도 쉽고 간단하게 해석할 기회를 제공하며, 만약 해당 사례와 같은 종류의 연속된 데이터 시각화 사례가 있다면 앞으로의 추이를 예상하기도 용이할 것이다.
3. R 패키지 “vcd”에 내장된 “Arthritis” 데이터셋은 류마티스 관절염 환자를 대상으로 한 임상시험 결과 데이터이다. 각 행은 각 환자를 나타내며, 변수 Treatment는 그룹 (Treated = 새로운 치료제를 투약한 그룹, Placebo = 위약을 받은 그룹)을 나타낸다. 변수 Sex는 성별을, Improved는 치료 결과(None = 차도 없음, Some = 약간 좋아짐, Marked = 매우 좋아짐)를 나타낸다. 새로운 치료제 투약 여부가 치료 결과와 연관이 있는지, 성별과 치료 결과 간에 연관이 있는지를 데이터 시각화를 통해서 탐구하시오. (18점)
library(‘vcd’)
vcd 패키지를 호출하고 데이터셋을 확인한다. 새로운 치료제 투약 여부가 치료 결과와 연관이 있는지 알아보기 위해 모자이크 플롯을 사용한다.
치료 결과와 새로운 치료제를 투약한 그룹의 연관성을 비교하기 위해 모자이크 플롯을 그린 결과, 푸른색으로 표시된 부분이 바로 좋은 치료 결과를 낸 비율이다. 면적으로 한눈에 확인할 수 있다시피 새로운 치료제를 투약한 그룹이 그렇지 못한 그룹에 비해 매우 좋아진 환자 수가 많다는 것을 확인할 수 있다. 따라, 새로운 치료제의 투약 여부가 치료 결과와 연관이 있다는 결론을 통찰할 수 있다.
다음은 성별과 치료결과에 대한 연관성을 알아보기 위한 모자이크 플롯이다.
여성 비율이 Marked 비율이 남성보다 높은 것으로 드러났지만, 참가자가 두 배 이상 차이나므로 이러한 사실이 비율에 영향을 끼친 것으로 나타난다. 성별과 치료 결과에 대한 연관성을 검증하기 위해 카이제곱 검정과 피셔 검정을 사용하였다.
해당 결과에 따라 치료제 투약 여부와 치료 결과는 연관이 되어 있으며, 성별과 치료 결과는 연관이 없다는 결론을 도출해낼 수 있다. 치료제 투약 여부와 관련된 검증 결과에서는 p-value가 유의수준 미만이었고, 성별과 관련된 검증 결과에서는 유의수준 초과였기 때문이다.
4. R에 내장된 “airquality” 데이터셋은 1973년 5월부터 9월까지 뉴욕의 대기질에 관한 데이터셋이다. 변수 Ozone은 대기 중 오존의 양, Solar.R은 태양방사선의 양, Wind는 풍속, Temp는 기온을 나타낸다. 이 네가지 변수(Ozone, Solar.R, Wind, Temp)에 대한 산점도 행렬을 그리고, 이 산점도 행렬에서 알 수 있는 변수들 간의 관계에 대하여 서술하시오. (18점)
네 가지 변수에 대한 산점도 행렬을 그리기 위한 코드이다.
산점도 행렬을 살펴보았을 때, 오존과 바람, 바람과 온도가 각각 음의 관계를 띠고 있다고 도출해낼 수 있다. 이외에도 연관의 정도가 모호한 관계성이 여럿 있는 것으로 보인다.
해당 자료로서는 그 정도가 미미한 경향을 보이므로 더욱 가시적인 표현을 위해 히스토그램과 패키지를 사용하여 다시 한번 산점도 행렬을 그리게 된다면 다음과 같다.
효과적인 가시화를 위해 psych 패키지를 사용하였다.
해당 산점도 행렬에는 대각선에 히스토그램, 색까지 추가되어 훨씬 휩게 데이터자료를 확인할 수 있도록 표현하였다. 변수 간 상관계수 역시 출력되어 그래프의 모양 뿐만 아니라 구체적인 상관계수를 확인하여 변수 간 상관관계를 쉬이 도출해낼 수 있다.
산점도 행렬에 따르면 오존과 바람은 확실하에 음의 관계를 보인다고 결론지을 수 있다. 더불어, 오존과 온도는 양의 관계를 뵌다. 바람과 온도 역시 약간의 음의 관계를 보이는 것으로 보이지만, 상관계수인 0.5보다 작은 수치를 갖고 있으므로 상관관계가 있다고 결론내리기는 어렵다.
따라 상관계수를 따져볼 때 최종적으로 변수끼리의 관계가 성립할 수 있는 것은 오존과 바람, 오존과 온도이다.
참고자료
강의자료 참조
아름다운 데이터 사례
http://geonet.oii.ox.ac.uk/blog/the-world-online/
George Arnett, “World wide web? Map resizes countries by number of internet users”, 2015.07.10, https://www.theguardian.com/news/datablog/2015/jul/10/world-map-web-users-oxford-internet-institute

키워드

런던,   콜레라지도,   데이터,   결과,   시각화