본문 바로가기
반응형

전체글153

GTX-A 터널굴착방식, 구간별 적용 공법 (NATM, Gripper TBM, Sheild TBM 공법) 1. NATM 굴착방식 NATM(New Austrian Tunneling Method) 굴착방식은 지하 터널을 개발하거나 확장할 때 사용되는 공학 기술입니다. 이 방식은 지하 공간을 채우기 위해 콘크리트를 사용하는 대신 주변 지반을 활용합니다. 주로 석회질, 협암, 그린석, 미열암 등의 지반 형태에서 사용됩니다. NATM은 다음과 같은 특징을 가집니다. 1.1. NATM 장점 1. 지반변화에 대한 적응성이 좋다. 2. 적용단면의 범위가 넓어 시공성 및 경제성이 우수하다. 3. 기계가 중심이 되므로 적은 인원으로도 공사가 가능하다. 4. 범용성이 높고, 보조적 공법과 조합하여 토질과 지반의향에 관계없이 굴착할 수 있다. 5. 단면이 큰 터널도 쉽게 만들 수 있다. 6. 곡선방향으로도 굴착이 가능하다. 1... 2023. 10. 31.
[통계공부] 6. 모집단, 표본집단 그래프로 이해하기(예시문제) 1. 지난 시간 정리 지난 시간에는 모집단과 표본집단의 개념과 그에 따른 평균, 분산, 표준편차의 공식에 대해 공부했습니다. 또한, 표본이 정규분포를 따를 경우 신뢰구간을 설정하는 방법과 신뢰도에 관해서도 알아봤습니다. 오늘은 해당 신뢰구간을 직접 그래프로 그려보고 예시문제를 풀어보겠습니다. 2023.10.28 - [통계공부] - [통계공부] 5. 모집단과 표본집단 (신뢰구간 및 신뢰도 공식) [통계공부] 5. 모집단과 표본집단 (신뢰구간 및 신뢰도 공식) 1. 모집단과 표본집단 1.1. 모집단 (Population) - 모집단은 특정 관심 대상의 전체 집합을 나타냅니다. 이것은 연구자가 조사하려는 모든 개체 또는 항목을 포함합니다. 모집단은 종종 크고 다양하며 informyun.com 2. 95% 신뢰.. 2023. 10. 30.
[통계공부] 5. 모집단과 표본집단 (신뢰구간 및 신뢰도 공식) 1. 모집단과 표본집단 1.1. 모집단 (Population) - 모집단은 특정 관심 대상의 전체 집합을 나타냅니다. 이것은 연구자가 조사하려는 모든 개체 또는 항목을 포함합니다. 모집단은 종종 크고 다양하며, 관심 대상에 따라 다를 수 있습니다. - 예를 들어, 만약 특정 제품의 품질을 조사하고자 한다면 해당 제품의 모든 제품이 모집단이 될 것이며, 모든 사람의 연령을 조사하려면 모든 인구가 모집단이 될 것입니다. 1.2. 표본집단 (Sample) - 표본집단은 모집단에서 무작위로 선택된 부분 집합을 나타냅니다. 표본은 모집단을 대표하고자 하는 목적으로 사용됩니다. - 표본집단은 모집단에서 데이터 수집의 비용, 시간 및 노력을 줄이는 데 도움을 줍니다. 또한 통계적 분석 및 추론을 수행할 때 표본 데이.. 2023. 10. 28.
[통계공부] 4. 표준정규분포 및 표준화 (예시문제 학습) 1. 표준정규분포(Standard Normal Distribution) 표준정규분포는 평균이 0이고 표준편차가 1인 정규분포를 의미합니다. 이 분포는 종 모양의 곡선으로, 정규분포를 따르는 확률 변수를 표준화하는 데 사용됩니다. 표준정규분포를 따르는 확률 변수는 Z로 표시되며, 평균을 0, 표준편차를 1로 조정한 값이 Z 값입니다. 표준정규분포의 확률 밀도 함수는 다음과 같이 표현됩니다 표준정규분포는 통계 분석에서 중요한 이유는 다음과 같습니다 - 데이터를 표준정규분포로 표준화하면, 서로 다른 데이터 집단을 비교하거나 통계 분석하기가 더 쉬워집니다. - 통계적 가설 검정에서 p-값을 계산하는 데 사용됩니다. 2. 표준화(Standardization) 표준화는 데이터의 평균을 0으로, 표준편차를 1로 조정.. 2023. 10. 25.
[통계공부] 3. 정규분포의 특징과 수식 1. 정규분포: 확률 분포의 핵심 정규분포는 확률과 통계학에서 핵심적인 역할을 하는 확률 분포 중 하나입니다. 이 분포는 다양한 현상과 데이터 세트에서 관찰되며, 평균과 표준편차를 통해 완전하게 정의됩니다. 아래에서 정규분포의 특징, 수식, 활용, 그리고 중요성에 대해 자세히 알아보겠습니다. 2. 정규분포의 특징 1. 대칭성 정규분포는 평균을 중심으로 좌우 대칭을 이루는 형태를 갖습니다. 이는 데이터가 평균 주변에 대체로 균등하게 분포한다는 것을 의미합니다. 2. 평균과 중앙값 동일 정규분포의 평균값과 중앙값(중위수)은 동일합니다. 이는 분포의 중심이 평균에 위치한다는 것을 나타냅니다. 3. 정점 위치 정규분포의 종 모양 모양은 정규분포의 정점(peak)이 평균에 위치한다는 특징을 가지고 있습니다. 4... 2023. 10. 24.
[통계공부] 2.평균, 편차, 분산, 표준편차 1. 평균 (Mean) 평균은 데이터 집합의 중심 위치를 나타내는 통계적 지표로, 모든 데이터 포인트의 합을 데이터의 개수로 나눈 값입니다. 이것은 데이터의 대표값 중 하나로, 집단의 전반적인 경향을 파악하는 데 사용됩니다. 평균 = (모든 데이터 값의 합) / (데이터 개수) 평균은 중심 경향을 파악할 때 유용하며, 예를 들어, 평균 급여, 평균 시간, 평균 성적 등을 계산하는 데 자주 사용됩니다. 2. 편차 (Deviation) 편차는 각 데이터 포인트와 평균 간의 차이를 나타내는 값입니다. 편차는 데이터가 어떻게 평균 주변에 분포하는지를 이해하는 데 도움을 줍니다. 편차 = 각 데이터 값 - 평균 편차는 각 데이터 값이 평균으로부터 얼마나 떨어져 있는지를 측정합니다. 이것은 데이터 분석에서 개별 데.. 2023. 10. 23.
[통계공부] 1. 변량,도수,도수분포표,상대도수,히스토그램 1. 변량 (Variable): 변량은 연구나 관찰 대상에서 관심을 가지는 속성 또는 특성을 나타냅니다. 예를 들어, 학생들의 키, 나이, 성적 등은 모두 변량입니다. 이러한 변량은 데이터 분석의 기반을 형성합니다. 아래 100명의 학생들의 임의의 점수를 통해 학습해보겠습니다. 해당 포스팅의 공부 내용 및 자료는 하단에 첨부해 놓았습니다. 2. 도수 (Frequency): 도수는 특정 구간 또는 범주 내에 발생한 관찰값의 수를 나타냅니다. 도수는 데이터의 분포를 이해하고 시각화하기 위한 핵심 개념입니다. 아래 표는 위 변량을 일정한 계급으로 나누어 표로 나타낸 것입니다. 이를 도수분포표 라고 칭합니다. 각 계급은 0점부터 100점까지를 10개의 계급으로 나눈것입니다. 여기서 계급의 크기 즉 계급의 간격은.. 2023. 10. 22.
서울을 잇는 새로운 급행철도, GTX-A 열차의 시운전 결과 순차적으로 진행되는 GTX-A 노선의 시험 운전 2028년까지 전 구간 개통을 목표로 하는 수도권광역급행철도(GTX)-A 노선에 투입될 EMU-180 전동차가, 현대로템의 국산 차량으로, 총 8량으로 구성됩니다. GTX-A 전동차는 현재 수서~동탄 28㎞ 구간에서 주간과 심야 시간을 활용하여 시험 운전을 진행하고 있습니다. 이 시험 운전은 새로운 열차가 설계에 따라 완벽하게 제작되어 운행할 수 있는지 확인하기 위한 중요한 절차입니다. 국토교통부 출입기자단은 GTX-A 열차에 시승하여 해당 과정을 확인하였으며, 원희룡 국토부 장관과 이종국 SR 대표이사, 임종일 국가철도공단 부이사장, 현대로템 임직원 등도 함께 참여하였습니다. GTX-A 열차의 특징적인 운행 성능 GTX-A 전동차는 객차 아래에 모터를 나.. 2023. 9. 25.
아이폰15 기종별 상세스펙 정리 (디스플레이,배터리,크기,용량,무게,방수방진,카메라[전면/후면/동영상], 가격) 아이폰 공식 홈페이지에 있는 아이폰 15 기종별(Pro Max, Pro, Plus, 기본모델) 스펙을 정리했습니다. 기본스펙부터, 용량, 크기, 무게, 방수방진, 디스플레이, 배터리, 무선통신, 센서 및 오디오, 가격으로 정리했습니다. 카메라에 경우 전면카메라, 후면카메라, 동영상으로 분류하여 스펙 정리했습니다. 기종별 상이한 스펙은 빨간 부분으로 표시했습니다. 크게 다른점은 보통 Pro 모델과 기본(Plus) 모델과의 차이점이 있습니다. PRO 모델에 경우 기존 무음/벨소리 스위치를 동작버튼으로 교체했으며, 전 기종 모두 USB-C 타입으로 변경된 점은 같으나, PRO 모델은 USB3를 지원합니다. 또한, PRO 모델은 망원카메라가 들어가며, 광학줌은 0.5,1,2,3배가 가능합니다.(Pro Max는 .. 2023. 9. 15.
반응형
loading

티스토리툴바