---

    목차
    1. 변수컬럼에 정규성 탐색
      (1) 데이터셋 로딩&조회&기술통계: head() / str() / tibble::glimpse / psych::describe() / skimr::skim()
      (2) 개별 변수 탐색: plot($) / boxplot($) / summary($) / psych::describe($) / shapiro.test($)
      (3) 개별 변수 정규성 탐색: shapiro.test($) / qqnorm($) / qqline($)
      (4) 개별 변수 분포 그래프: rcompanion::plotNormalHistogram($) / ggplot()+geom_histogram()/+geom_density()
      (5) 두 개 변수간 관계 탐색: plot() / ggplot()
    2. 변수컬럼에 정규성 부족할 때 데이터 변환해 정규분포화: Box-cox 변환
      (1) 파워변환에 적합한 람다 값 추정1: car::powerTransform()%>%summary()
      (2) 파워변환(거듭제곱(Power))변환 방식: λ값에 따라 sqrt() / log() / ()^() / 및 그 역수
      (3) 변환 후 변수의 정규성 재탐색
      (4) 파워변환에 적합한 람다 값 추정2: rcompanion::transformTukey()

---

023

—————코딩——————————————————————————————————

1. 변수컬럼에 정규성 탐색

(1) 데이터셋 로딩&조회&기술통계: head() / str() / tibble::glimpse / psych::describe() / skimr::skim()

(2) 개별 변수 탐색: plot($) / boxplot($) / summary($) / psych::describe($) / shapiro.test($)

(3) 개별 변수 정규성 탐색: shapiro.test($) / qqnorm($) / qqline($)

(4) 개별 변수 분포 그래프: rcompanion::plotNormalHistogram($) / ggplot()+geom_histogram()/+geom_density()

(5) 두 개 변수간 관계 탐색: plot() / ggplot()

2. 변수컬럼에 정규성 부족할 때 데이터 변환해 정규분포화: Box-cox 변환

(1) 파워변환에 적합한 람다 값 추정1: car::powerTransform()%>%summary()

(2) 파워변환(거듭제곱(Power))변환 방식: λ값에 따라 sqrt() / log() / ()^() / 및 그 역수

(3) 변환 후 변수의 정규성 재탐색

(4) 파워변환에 적합한 람다 값 추정2: rcompanion::transformTukey()

<참고 문헌="">

1. 최점기 박사님 강의