엑셀 매크로 완전 정복 — 절대참조, 상대참조, 정렬/부분합, 조건검색 매크로 쉽게 배우기 안녕하세요! 이번 글에서는 엑셀 매크로의 개념부터 VBA 코드 실습까지 기초부터 하나씩 쉽게 정리해보겠습니다.처음 엑셀 매크로를 접하는 분도 따라 하기만 하면 바로 적용할 수 있도록 설명드리겠습니다. 매크로(Macro)란 무엇인가? 매크로(Macro)란 여러 명령을 묶어서 한번에 실행할 수 있도록 만든 명령 집합입니다.…
관계형 데이터베이스 기초와 SQL — 쉽게 배우는 DB 설계부터 쿼리까지 안녕하세요! 오늘은 데이터베이스(Database)를 처음 배우는 분들도 쉽게 이해할 수 있도록, 기초 개념부터 SQL 예제 코드까지 정리해드리겠습니다.이번 글에서는 관계형 데이터 모델, E-R 모델, 데이터 정규화, 그리고 SQL 문법까지 차근차근 설명해보겠습니다. 1장. 관계형 데이터 모델이란? 데이터베이스 시스템의 가장 큰 목적은 데이터를 효율적으로…
SQL 실습 — 조인과 고급 검색, inline view, NVL 함수 정리 이번 글에서는 SQL 실습을 통해조인(JOIN), 별칭(alias), 집계 정렬, 결과 개수 제한, inline view, NVL 함수 사용법을 익혀보겠습니다.데이터베이스 초보자분도 쉽게 이해할 수 있도록 개념부터 예제까지 차근차근 설명합니다. 테이블 별칭과 테이블 정식 이름 사용 SQL에서 테이블을 긴 이름 대신 짧게 별칭(alias)으로…
SQL이란? SQL(Structured Query Language)관계형 데이터베이스에서 데이터를 조회하고 조작하고 정의할 때 사용하는 표준 질의어입니다.ANSI/ISO 국제 표준으로, 대부분의 데이터베이스에서 이 문법을 사용합니다. SQL 문장 종류 종류 설명 예 DDL 데이터 정의 테이블 생성, 삭제, 뷰, 트리거 DML 데이터 조작 데이터 조회, 삽입, 수정, 삭제 DDL (Data Definition Language) 데이터베이스의 테이블 구조를 정의하는…
정규화(Normalization)란? 데이터베이스를 설계할 때 데이터 중복과 이상현상(삭제, 삽입, 갱신 문제)을 방지하기 위해 테이블을 체계적으로 분해하는 과정입니다.정규화를 통해 데이터의 일관성과 무결성을 유지할 수 있죠. 정규화가 필요한 이유 1️⃣ 삭제 이상(Deletion Anomaly) 데이터 삭제 시, 의도치 않게 다른 정보도 함께 삭제되는 문제예) 학생의 수강 정보를 삭제했더니 학생 이름까지 함께 사라짐 2️⃣ 삽입…
데이터베이스 설계 기초 — E-R 모델과 정규화 개념 총정리 데이터베이스 설계란? 데이터베이스를 처음 만들 때 가장 중요한 건 어떻게 데이터를 체계적으로 정리할 것인가입니다.잘못 설계하면 데이터 중복, 오류, 관리 어려움이 생깁니다.그래서 설계단계에서 현실세계를 데이터로 바꾸는 과정을 꼼꼼하게 하는 게 핵심입니다. 이번 글에서는 E-R 모델 개념부터 정규화 과정까지 한 번에 정리해볼게요! E-R…
관계형 데이터베이스 기초 — 완전 쉬운 데이터베이스 입문 데이터베이스란 무엇인가? 우리 주변에는 수많은 정보가 있습니다. 쇼핑몰에선 상품정보, 학교에선 학생정보, 은행에선 계좌정보가 있죠.이처럼 서로 연관된 대량의 데이터를 체계적으로 모아두고, 필요할 때 쉽게 꺼내 쓸 수 있게 정리해둔 저장소를 바로 데이터베이스(Database)라고 부릅니다. 데이터베이스 관리 시스템(DBMS) 단순히 정보를 모아두는 것만으론 부족합니다. 빠르게 찾고,…
로그선형모형(Log-linear Model)이란? 반응변수가 개수(count) 자료일 때 주로 사용하는 일반화선형모형(GLM)의 일종입니다. 포아송 분포를 가정하고, 로그연결함수(log link function)를 사용하여 모형을 구성합니다. GLM 구성요소 반응변수 : Y∼Poisson(μ)Y \sim \text{Poisson}(\mu) 선형예측자 : η=β0+β1×1+⋯+βpxp 연결함수 : η=logμ \eta = \log \mu 로그선형모형의 해석 승법모형 (Multiplicative Model) μ=exp(β0+β1×1+⋯ )\mu = \exp(\beta_0 + \beta_1 x_1 + \cdots) eβie^{\beta_i}…
승산(Odds)과 승산비(Odds Ratio)란? 2×2 분할표의 확률 구조 질병 발생 질병 미발생 위험인자 노출 π1 1−π1 비노출 π0 1−π0 승산(Odds) Oddsi=πi1−πi\text{Odds}_i = \frac{\pi_i}{1 – \pi_i} 승산비(Odds Ratio) OR=Odds1Odds0=π1(1−π0)π0(1−π1)OR = \frac{\text{Odds}_1}{\text{Odds}_0} = \frac{\pi_1(1-\pi_0)}{\pi_0(1-\pi_1)} 해석 OR = 2 → 노출군의 질병발생 승산이 비노출군의 2배 상대위험도(Relative Risk) RR=π1π0RR…
로지스틱 회귀모형 복습 반응변수가 성공/실패(1/0) 이항형 자료일 때 사용하는 GLM의 대표적인 모형이 로지스틱 회귀입니다. log(π(x)1−π(x))=β0+β1x\log \left( \frac{\pi(x)}{1-\pi(x)} \right) = \beta_0 + \beta_1 x 여기서 π(x) : 성공확률 β1\beta_1 : X가 1 증가할 때 로그-승산의 변화량 eβ1e^{\beta_1} : 승산비(odds ratio) 로지스틱 함수와 해석 π(x)=eβ0+β1×1+eβ0+β1x\pi(x) = \frac{e^{\beta_0 + \beta_1 x}}{1+e^{\beta_0…