본문 바로가기
탐구/Origin 사용법

[Origin 사용법] 그래프 오차막대(표준편차) 추가하기

by The Engineer 2024. 10. 31.
KoreanEnglishFrenchGermanJapaneseSpanishChinese (Simplified)

This post is written in Korean. Please use the toggle above to translate it into a language you are comfortable with.


작성일자: 2024/10/30

 

요약

Step 1. 오리진 workbook 열에서 오른쪽 클릭 ▶ insert

Step 2. 오리진 workbook에서 오차가 포함된 열(column) 이름에서 오른쪽 클릭 ▶ Set As ▶ Y Error

Step 3. 원하는 그래프를 만들 때, yEr에 해당 열을 체크하여 추가

 

 

본문

실험 후 얻은 데이터를 이용하여 그 경향을 파악하고자 할 때, 해당 데이터를 그래프로 표현하여 보면 그 과정이 훨씬 수월하다. 그리고 데이터 경향의 유효성을 고려하는 경우 같은 실험을 여러 번 반복하는 과정을 반드시 거치게 된다. 따라서 자연스럽게(?) 같은 데이터 포인트에 대해 반복된 여러 개의 데이터가 모이게 되고, 이를 그래프 위의 하나의 포인트 위에 효과적으로 표현해야 한다. 이 경우 보통 평균을 대푯값으로, 표준편차를 오차막대로 활용하여 여러 조건에서의 데이터 경향 및 각각의 조건에서의 데이터 경향을 한 번에 확인할 수 있고, 더 나아가 데이터의 경향과 그 유효성을 판별할 수 있다. 이번 포스트에서는, Origin 소프트웨어에서 오차 막대를 추가하여 그래프를 그리는 방법에 대해 알아보고자 한다.

들어가기 전에, 데이터의 오차가 이미 확보된 상태라고 가정하고 시작하려고 한다.

 

대충 다음과 같은 데이터가 있다고 치자.

X Y 오차
1 2 2.5
2 4 1.5
3 6 1.7
4 8 1.1
5 10 0.5
6 12 0.4
7 14 1
8 16 0.2
9 18 0.5
10 20 1.1

 

Step 1. 오리진 workbook 열에서 오른쪽 클릭 ▶ insert

우선, origin 소프트웨어의 workbook에서 열을 추가해야 한다. 이를 위해서는 오리진 workbook 열에서 오른쪽 클릭한 후, insert 버튼을 누르면 된다.

Origin workbook에서 열을 추가하는 방법을 설명하는 이미지
열 위에서 오른쪽 클릭 후, insert를 누르면 열이 총 3개가 된다.

 

Step 2. 오리진 workbook에서 오차가 포함된 열(column) 이름에서 오른쪽 클릭 ▶ Set As ▶ Y Error

이제 열이 3개가 되었다. 첫 번째 열은 X, 두 번째 열부터는 Y가 추가되는데, 우리는 추가된 열을 오차값으로 표시하고자 한다. 이를 위해서는 해당 열 이름에서 오른쪽 클릭 후, Set As 하위에 Y Error를 누르면 된다.

C 열을 Y에서 Y 오차로 바꾸는 방법을 설명하는 이미지
열 이름 위에서 오른쪽 클릭 후, set as 하위 Y Error 를 클릭하면 C(Y) 가 C(YEr)로 바뀐다.

 

Step 3. 원하는 그래프를 만들 때, yEr에 해당 열을 체크하여 추가

마지막으로, 그래프를 그릴 때 오차값을 추가하는 법을 알아보겠다. 기본적인 Line+Symbol 그래프를 그리려고 하면, 그 과정에서 X와 Y에 표시할 데이터의 범위를 설정하게 된다. 이때, 오차값 또한 추가할 수 있다. 

데이터를 그래프로 그리는 과정에서 Y 오차를 추가하는 방법을 설명하는 이미지
Plot setup 창에서 C 열을 yEr로 체크하면, A열의 값을 X로, B열의 값을 Y로, C열의 값을 Y오차로 하는 그래프가 만들어지게 된다.

 

이와 같은 과정을 거쳐 만들어지는 그래프는 아래와 같다.

데이터 포인트에 오차값이 추가된 그래프 이미지
오차범위가 추가된 그래프가 완성되었다.

 

오차범위가 크다면, 대푯값이 성공적으로 해당 조건의 데이터를 대표하지 못한다고 할 수 있다. 또한, 위 그래프의 경우 A가 1,2 인 구간의 대푯값이 전체적인 경향을 잘 따른다고 할 수 있지만 A가 1일 때와 2일 때의 B 값은 통계적으로 차이가 나지 않을 수도 있다고도 할 수 있다 (A의 편차가 너무 심함). 이러한 아리송한 해석은 더 나아가 어떻게 독립된 데이터세트의 차이 여부를 통계적으로 판단하기 전까지 계속된다.

 

참고자료

없음


반응형