통계적 사고 (2판) 연습문제 (thinkstats2.com, think-stat.xwmooc.org)
Allen Downey / 이광춘(xwMOOC)

In [23]:

import nsfg
df = nsfg.ReadFemPreg()
df

Out[23]:

	caseid	pregordr	howpreg_n	howpreg_p	moscurrp	nowprgdk	pregend1	pregend2	nbrnaliv	multbrth	...	laborfor_i	religion_i	metro_i	basewgt	adj_mod_basewgt	finalwgt	secu_p	sest	cmintvw	totalwgt_lb
0	1	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3410.389399	3869.349602	6448.271112	2	9	NaN	8.8125
1	1	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3410.389399	3869.349602	6448.271112	2	9	NaN	7.8750
2	2	1	NaN	NaN	NaN	NaN	5	NaN	3	5	...	0	0	0	7226.301740	8567.549110	12999.542264	2	12	NaN	9.1250
3	2	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	7226.301740	8567.549110	12999.542264	2	12	NaN	7.0000
4	2	3	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	7226.301740	8567.549110	12999.542264	2	12	NaN	6.1875
5	6	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	4870.926435	5325.196999	8874.440799	1	23	NaN	8.5625
6	6	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	4870.926435	5325.196999	8874.440799	1	23	NaN	9.5625
7	6	3	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	4870.926435	5325.196999	8874.440799	1	23	NaN	8.3750
8	7	1	NaN	NaN	NaN	NaN	5	NaN	1	NaN	...	0	0	0	3409.579565	3787.539000	6911.879921	2	14	NaN	7.5625
9	7	2	NaN	NaN	NaN	NaN	5	NaN	1	NaN	...	0	0	0	3409.579565	3787.539000	6911.879921	2	14	NaN	6.6250
10	12	1	NaN	NaN	NaN	NaN	5	NaN	1	NaN	...	0	0	0	3612.781968	4146.013572	6909.331618	1	31	NaN	7.8125
11	14	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2418.069494	2810.302771	3039.904507	2	56	NaN	7.0000
12	14	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2418.069494	2810.302771	3039.904507	2	56	NaN	4.0000
13	14	3	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	2418.069494	2810.302771	3039.904507	2	56	NaN	NaN
14	15	1	NaN	NaN	NaN	NaN	1	NaN	NaN	NaN	...	0	0	0	1667.816099	3200.862017	5553.495599	1	33	NaN	NaN
15	15	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	1667.816099	3200.862017	5553.495599	1	33	NaN	7.6875
16	15	3	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	1667.816099	3200.862017	5553.495599	1	33	NaN	7.5000
17	18	1	NaN	NaN	NaN	NaN	5	NaN	1	NaN	...	0	0	0	2957.257457	3404.403067	4153.371741	2	14	NaN	6.3125
18	18	2	NaN	NaN	NaN	NaN	1	NaN	NaN	NaN	...	0	0	0	2957.257457	3404.403067	4153.371741	2	14	NaN	NaN
19	21	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3408.342437	3965.763949	7237.122630	1	48	NaN	8.7500
20	21	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3408.342437	3965.763949	7237.122630	1	48	NaN	8.1875
21	23	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	6210.373020	8120.841310	13533.382043	2	64	NaN	5.5625
22	23	2	NaN	NaN	NaN	NaN	1	NaN	NaN	NaN	...	0	0	0	6210.373020	8120.841310	13533.382043	2	64	NaN	NaN
23	24	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3409.573258	4068.628645	7424.840414	1	27	NaN	6.7500
24	24	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3409.573258	4068.628645	7424.840414	1	27	NaN	7.3750
25	24	3	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3409.573258	4068.628645	7424.840414	1	27	NaN	6.8125
26	28	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3407.794208	3808.343516	6949.846082	2	57	NaN	8.1250
27	31	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3405.679025	4272.084519	5211.943113	1	2	NaN	7.1250
28	31	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3405.679025	4272.084519	5211.943113	1	2	NaN	6.0625
29	31	3	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3405.679025	4272.084519	5211.943113	1	2	NaN	7.4375
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
13563	12547	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3453.545517	6628.022524	11499.619080	1	52	NaN	7.6875
13564	12547	3	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3453.545517	6628.022524	11499.619080	1	52	NaN	7.6250
13565	12550	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3080.452699	3745.326058	5268.550165	1	79	NaN	8.1250
13566	12551	1	NaN	NaN	NaN	NaN	5	NaN	1	NaN	...	0	0	0	2418.538866	3653.453268	3951.940400	2	75	NaN	7.5000
13567	12554	1	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	1914.676604	2177.957240	2764.045534	2	75	NaN	NaN
13568	12554	2	NaN	NaN	NaN	NaN	4	NaN	NaN	NaN	...	0	0	0	1914.676604	2177.957240	2764.045534	2	75	NaN	NaN
13569	12556	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2474.619764	3250.573384	3965.699528	1	44	NaN	5.8125
13570	12556	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2474.619764	3250.573384	3965.699528	1	44	NaN	6.6875
13571	12556	3	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2474.619764	3250.573384	3965.699528	1	44	NaN	6.0000
13572	12556	4	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2474.619764	3250.573384	3965.699528	1	44	NaN	5.8125
13573	12561	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2418.089703	2698.650781	4497.301527	1	10	NaN	6.5625
13574	12561	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2418.089703	2698.650781	4497.301527	1	10	NaN	6.1250
13575	12564	1	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	1820.850938	2129.214067	2768.191208	2	44	NaN	NaN
13576	12565	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	3195.641221	3834.241709	6652.409365	1	78	NaN	6.4375
13577	12565	2	35	1	8	NaN	NaN	NaN	NaN	NaN	...	0	0	0	3195.641221	3834.241709	6652.409365	1	78	NaN	NaN
13578	12566	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2080.317155	2422.820274	2627.548587	2	2	NaN	6.0000
13579	12566	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2080.317155	2422.820274	2627.548587	2	2	NaN	7.0000
13580	12568	1	NaN	NaN	NaN	NaN	1	NaN	NaN	NaN	...	0	0	0	2734.687353	4258.980140	7772.212858	2	28	NaN	NaN
13581	12568	2	NaN	NaN	NaN	NaN	5	NaN	1	NaN	...	0	0	0	2734.687353	4258.980140	7772.212858	2	28	NaN	6.3750
13582	12568	3	NaN	NaN	NaN	NaN	4	NaN	NaN	NaN	...	0	0	0	2734.687353	4258.980140	7772.212858	2	28	NaN	NaN
13583	12569	1	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	2580.967613	2925.167116	5075.164946	2	61	NaN	NaN
13584	12569	2	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	2580.967613	2925.167116	5075.164946	2	61	NaN	6.3750
13585	12570	1	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	5181.311509	6205.829154	11325.017623	2	40	NaN	NaN
13586	12570	2	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	5181.311509	6205.829154	11325.017623	2	40	NaN	NaN
13587	12570	3	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	5181.311509	6205.829154	11325.017623	2	40	NaN	NaN
13588	12571	1	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	4670.540953	5795.692880	6269.200989	1	78	NaN	6.1875
13589	12571	2	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	4670.540953	5795.692880	6269.200989	1	78	NaN	NaN
13590	12571	3	NaN	NaN	NaN	NaN	3	NaN	NaN	NaN	...	0	0	0	4670.540953	5795.692880	6269.200989	1	78	NaN	NaN
13591	12571	4	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	4670.540953	5795.692880	6269.200989	1	78	NaN	7.5000
13592	12571	5	NaN	NaN	NaN	NaN	6	NaN	1	NaN	...	0	0	0	4670.540953	5795.692880	6269.200989	1	78	NaN	7.5000

13593 rows × 244 columns

birthord에 대한 빈도수를 출력하고 codebook 게시된 결과값과 비교하시오.

In [24]:

df.birthord.value_counts().sort_index()

Out[24]:

1     4413
2     2874
3     1234
4      421
5      126
6       50
7       20
8        7
9        2
10       1
Name: birthord, dtype: int64

prglngth에 대한 빈도수를 출력하고 codebook 게시된 결과값과 비교하시오.

In [25]:

df.prglngth.value_counts().sort_index()

Out[25]:

0       15
1        9
2       78
3      151
4      412
5      181
6      543
7      175
8      409
9      594
10     137
11     202
12     170
13     446
14      29
15      39
16      44
17     253
18      17
19      34
20      18
21      37
22     147
23      12
24      31
25      15
26     117
27       8
28      38
29      23
30     198
31      29
32     122
33      50
34      60
35     357
36     329
37     457
38     609
39    4744
40    1120
41     591
42     328
43     148
44      46
45      10
46       1
47       1
48       7
50       2
Name: prglngth, dtype: int64

agepreg에 대한 빈도수를 출력하고 codebook에 게시된 결과값과 비교하시오.

이 데이터를 살펴보고, 응답자에 대한 존경과 맥락을 고려해서 데이터에 접근하는에 필요한 의무에 관해서 저자가 언급한 논평을 기억하라.

In [26]:

df.agepreg.value_counts().sort_index()

Out[26]:

10.33     1
10.50     1
10.83     1
10.91     1
11.08     1
11.41     1
11.50     1
11.75     2
12.08     1
12.25     1
12.41     2
12.50     1
12.66     2
12.75     1
12.83     2
12.91     1
13.00     2
13.08     1
13.16     1
13.25     4
13.33     1
13.50     3
13.58     2
13.66     5
13.75     4
13.83     5
13.91     5
14.00     5
14.08     7
14.16    12
         ..
40.50     6
40.58     4
40.66     4
40.75     2
40.83     4
40.91     4
41.00     2
41.08     2
41.16     2
41.25     6
41.33     1
41.41     2
41.58     4
41.75     3
41.83     1
41.91     4
42.08     2
42.16     1
42.25     1
42.33     1
42.41     1
42.50     2
42.58     2
42.75     2
43.00     3
43.16     1
43.25     4
43.58     3
43.91     1
44.08     1
Name: agepreg, dtype: int64

평균 출생체중(birthweight)을 계산하시오.

In [27]:

df.totalwgt_lb.mean()

Out[27]:

7.265628457623368

킬로그램으로 출생체중 정보를 담는 totalwgt_kg로 불리는 새로운 칼럼을 생성하라. 평균도 계산하시오. 새로운 칼럼을 생성할 때, 점표기법이 아닌 딕셔너리 구문을 사용하는 것을 기억하라.

In [28]:

df['totalwgt_kg'] = df.totalwgt_lb / 2.2
df.totalwgt_kg.mean()

Out[28]:

3.3025583898288033

코드북(codebook)을 살펴보고 책에서 언급된 것이 아닌 본인이 관심있는 변수를 찾아내라. 그리고 그 변수의 빈도수, 평균, 다른 통계량을 계산하시오.

In [29]:

df.columns

Out[29]:

Index([         u'caseid',        u'pregordr',       u'howpreg_n',
             u'howpreg_p',        u'moscurrp',        u'nowprgdk',
              u'pregend1',        u'pregend2',        u'nbrnaliv',
              u'multbrth',
       ...
            u'religion_i',         u'metro_i',         u'basewgt',
       u'adj_mod_basewgt',        u'finalwgt',          u'secu_p',
                  u'sest',         u'cmintvw',     u'totalwgt_lb',
           u'totalwgt_kg'],
      dtype='object', length=245)

부울 시리즈(boolean Series)를 생성하시오.

In [30]:

print('Count:', df.npostsmk.value_counts().sort_index()) ## 임신기간동안 흡연
print('Mean:', df.npostsmk.mean())

('Count:', 1     83
2    168
3    199
4     91
5     14
6     12
9      1
Name: npostsmk, dtype: int64)
('Mean:', 2.6954225352112675)

부울 시리즈를 사용해서 정상출산 임신에 대한 레코드를 선택하시오.

In [31]:

live = df[df.outcome == 1]
len(live)

Out[31]:

birthwgt_lb 변수에 0 에서 5 파운드(0과 5도 모두 포함) 사이 정상출산 빈도수를 계산하시오. 결과는 1125 가 되어야만 된다.

In [32]:

len(live[(live.birthwgt_lb >= 0) & (live.birthwgt_lb <= 5)])

Out[32]:

birthwgt_lb 변수에 9 에서 95 파운드(9과 95도 모두 포함) 사이 정상출산 빈도수를 계산하시오. 결과는 798 가 되어야만 된다.

In [33]:

len(live[(live.birthwgt_lb >=9)&(live.birthwgt_lb <=95)])

Out[33]:

birthord 변수를 사용해서, 첫번째 아이와 첫째가 아닌 아이에 대한 레코드를 선택하시오. 첫번째 아이와 첫째가 아닌 아이는 얼마나 되는가?

In [34]:

firsts = df[df.birthord==1]
others = df[df.birthord>1]
len(firsts), len(others)

Out[34]:

(4413, 4735)

첫번째 아이와 첫째가 아닌 아이에 대한 평균 체중을 계산하시오.

In [35]:

firsts.totalwgt_lb.mean()

Out[35]:

7.201094430437772

In [36]:

others.totalwgt_lb.mean()

Out[36]:

7.325855614973262

변수 prglngth으로 첫째 아이와 첫째가 아닌 아이에 대한 평균임신기간을 계산하시오. 시간으로 표시된, 평균에 차이를 계산하시오.

In [37]:

print('Firsts Mean: ', firsts.prglngth.mean())
print('Others Mean: ', others.prglngth.mean())
print('Diff: ', firsts.prglngth.mean()-others.prglngth.mean())

('Firsts Mean: ', 38.60095173351461)
('Others Mean: ', 38.52291446673706)
('Diff: ', 0.07803726677754952)

In [ ]: