데이터분석 문제·해설 모음

ADsP 데이터분석 준전문가 · 180문항 · 해설은 눌러서 펼쳐요

채점하면서 랜덤 10문항 풀기

R 기초와 데이터 마트

1.R에서 x <- c(1, "a", TRUE)를 실행한 뒤 class(x)의 결과는?
1. 1. "numeric"
2. 2. "logical"
3. 3. "character"
4. 4. "list"
정답·해설 보기
정답: 3번. 벡터는 한 가지 자료형만 담을 수 있어서 서로 다른 값이 섞이면 더 일반적인 자료형으로 바뀐다. 문자가 하나라도 있으면 모두 문자형이 되어 "1", "a", "TRUE"가 된다. 여러 자료형을 그대로 담으려면 list를 써야 한다.
2.R에서 x <- c(10, 20, 30, 40)일 때 x[-2]의 결과는?
1. 1. 20
2. 2. 10 30 40
3. 3. 30
4. 4. 10 20 30
정답·해설 보기
정답: 2번. R에서 음수 인덱스는 그 위치를 제외한다는 뜻이다. 두 번째 원소 20을 빼고 10 30 40이 남는다. R의 인덱스는 1부터 시작한다.
3.R에서 seq(1, 10, by = 3)의 결과는?
1. 1. 1 3 6 9
2. 2. 1 4 7
3. 3. 1 4 7 10
4. 4. 3 6 9
정답·해설 보기
정답: 3번. 1부터 3씩 더하며 10을 넘지 않을 때까지 만든다. 1, 4, 7, 10이다.
4.R에서 m <- matrix(1:6, nrow = 2)일 때 m[2, 3]의 값은?
1. 1. 6
2. 2. 5
3. 3. 4
4. 4. 3
정답·해설 보기
정답: 1번. matrix는 기본적으로 열 방향으로 채운다. 1열은 1, 2, 2열은 3, 4, 3열은 5, 6이므로 2행 3열은 6이다. 행 방향으로 채운다고 생각하면 5로 착각하기 쉽다.
5.R에서 m <- matrix(1:6, nrow = 2)일 때 apply(m, 1, sum)의 결과는?
1. 1. 3 7 11
2. 2. 9 12
3. 3. 21
4. 4. 6 15
정답·해설 보기
정답: 2번. 두 번째 인자 1은 행 방향을 뜻하므로 행별 합계를 구한다. 1행은 1 + 3 + 5 = 9, 2행은 2 + 4 + 6 = 12다. 2를 넣으면 열별 합계 3 7 11이 나온다.
6.데이터 웨어하우스의 일부로, 마케팅팀처럼 특정 부서나 사용자 집단이 쓰도록 주제를 좁혀 구성한 데이터 저장소는?
1. 1. 데이터 마트
2. 2. 데이터 레이크
3. 3. 운영 데이터베이스
4. 4. 메타데이터 저장소
정답·해설 보기
정답: 1번. 데이터 마트는 DW의 하위 집합으로, 특정 부서의 분석 목적에 맞게 필요한 데이터만 모아 둔 것이다.
7.고객별로 1월~12월 매출이 열 12개로 펼쳐진 표를 '고객, 월, 매출' 세 열의 긴 형태로 바꾸려 한다. reshape2 패키지에서 쓰는 함수는?
1. 1. cast()
2. 2. merge()
3. 3. aggregate()
4. 4. melt()
정답·해설 보기
정답: 4번. melt()는 식별 변수를 기준으로 나머지 열을 variable·value 두 열로 녹여 긴 형태로 만든다. cast()는 반대로 긴 형태를 넓은 형태로 되돌리고, merge()는 두 데이터를 키로 결합한다.
8.고객 데이터 마트를 만들면서 다음 변수를 생성했다. 파생변수에 해당하는 것은?
1. 1. 점심시간대 구매 비율로 정의한 '직장인 구매 지수'
2. 2. 고객별 월간 구매 금액 합계
3. 3. 고객별 연간 구매 횟수
4. 4. 상품군별 구매 금액
정답·해설 보기
정답: 1번. 요약변수는 수집된 정보를 기간·상품별로 합계·횟수처럼 종합한 변수다. 파생변수는 분석자가 특정 조건이나 함수로 의미를 부여해 만든 변수라 주관적일 수 있으며, 논리적 타당성을 갖춰야 한다.
9.R에서 order(c(30, 10, 20))의 결과는?
1. 1. 10 20 30
2. 2. 2 3 1
3. 3. 3 1 2
4. 4. 1 2 3
정답·해설 보기
정답: 2번. order()는 정렬했을 때 각 자리에 올 원소의 위치(인덱스)를 돌려준다. 가장 작은 10은 2번째, 다음 20은 3번째, 30은 1번째이므로 2 3 1이다. 값을 정렬한 결과인 10 20 30은 sort()가 돌려준다.
10.R에서 df <- data.frame(a = 1:3, b = c("x", "y", "z"))일 때 dim(df)의 결과는?
1. 1. 2 3
2. 2. 3 2
3. 3. 6
4. 4. 3
정답·해설 보기
정답: 2번. dim()은 행 수와 열 수를 차례로 돌려준다. 행 3개, 열 2개(a, b)이므로 3 2다.
11.R에서 l <- list(a = 1, b = "k")일 때, 원소 "k"를 리스트가 아닌 값 그 자체로 꺼내는 방법은?
1. 1. l["b"]
2. 2. l(b)
3. 3. l[["b"]]
4. 4. l{b}
정답·해설 보기
정답: 3번. 리스트에서 [[ ]] 또는 $는 원소 자체를 꺼낸다. [ ]는 해당 원소를 담은 길이 1인 리스트를 돌려준다.
12.R에서 rep(1:2, each = 2)의 결과는?
1. 1. 1 2
2. 2. 2 2 1 1
3. 3. 1 1 2 2
4. 4. 1 2 1 2
정답·해설 보기
정답: 3번. each는 각 원소를 차례로 반복한다. times = 2라면 벡터 전체를 반복해 1 2 1 2가 된다.
13.R에서 paste("a", 1:3, sep = "-")의 결과는?
1. 1. "a-1-2-3"
2. 2. "a1" "a2" "a3"
3. 3. "a-123"
4. 4. "a-1" "a-2" "a-3"
정답·해설 보기
정답: 4번. paste()는 짧은 벡터 "a"를 1:3의 길이에 맞춰 재사용하며 원소별로 sep을 넣어 붙인다. 하나의 문자열로 합치려면 collapse 인자를 쓴다.
14.R에서 f <- factor(c("low", "high", "mid", "high"))일 때 levels(f)의 결과는?
1. 1. "high" "low" "mid"
2. 2. "low" "high" "mid"
3. 3. "low" "mid" "high"
4. 4. "low" "high" "mid" "high"
정답·해설 보기
정답: 1번. levels를 따로 지정하지 않으면 중복을 뺀 값을 알파벳(사전) 순으로 정렬해 수준으로 삼는다. 순서를 low < mid < high로 두려면 factor(..., levels = c("low", "mid", "high"))처럼 지정해야 한다.
15.R에서 lapply(1:3, function(x) x * 2)의 결과 자료형은?
1. 1. 리스트
2. 2. 숫자형 벡터
3. 3. 행렬
4. 4. 데이터프레임
정답·해설 보기
정답: 1번. lapply()는 결과를 항상 리스트로 돌려준다. 결과를 벡터나 행렬로 단순화하려면 sapply()를 쓴다.
16.R에서 SQL 문법을 그대로 써서 데이터프레임을 조회·집계할 수 있게 해 주는 패키지는?
1. 1. reshape2
2. 2. ggplot2
3. 3. caret
4. 4. sqldf
정답·해설 보기
정답: 4번. sqldf는 데이터프레임을 테이블처럼 보고 SELECT 문 등으로 조회한다. reshape2는 데이터 형태 변환(melt·cast), ggplot2는 시각화, caret은 모형 학습·평가에 쓰인다.
17.R에서 c(7 %/% 2, 7 %% 2)의 결과는?
1. 1. 3 1
2. 2. 1 3
3. 3. 3.5 1
4. 4. 3 0.5
정답·해설 보기
정답: 1번. %/%는 정수 나눗셈의 몫, %%는 나머지다. 7을 2로 나누면 몫 3, 나머지 1이다.
18.R에서 which(c(3, 8, 1, 9) > 5)의 결과는?
1. 1. 2
2. 2. FALSE TRUE FALSE TRUE
3. 3. 2 4
4. 4. 8 9
정답·해설 보기
정답: 3번. which()는 조건이 TRUE인 원소의 위치를 돌려준다. 5보다 큰 8과 9는 2번째, 4번째에 있다. 값 자체인 8 9를 얻으려면 x[x > 5]를 쓴다.
19.R에서 length(seq(2, 20, by = 4))의 결과는?
1. 1. 4
2. 2. 5
3. 3. 6
4. 4. 20
정답·해설 보기
정답: 2번. seq(2, 20, by = 4)는 2, 6, 10, 14, 18이므로 길이는 5다. 다음 값 22는 20을 넘어 포함되지 않는다.
20.R에서 dim(rbind(1:3, 4:6))의 결과는?
1. 1. 1 6
2. 2. 6 1
3. 3. 3 2
4. 4. 2 3
정답·해설 보기
정답: 4번. rbind()는 벡터를 행으로 쌓는다. 길이 3인 벡터 두 개를 행으로 쌓아 2행 3열이 된다. cbind()로 묶으면 3행 2열이다.
21.R에서 x <- c(1, 2, 3, 4, 100)일 때 mean(x)와 median(x)의 결과는?
1. 1. 평균 22, 중앙값 3
2. 2. 평균 3, 중앙값 22
3. 3. 평균 22, 중앙값 22
4. 4. 평균 3, 중앙값 3
정답·해설 보기
정답: 1번. 평균은 110/5 = 22이고, 정렬했을 때 가운데 값인 중앙값은 3이다. 극단값 100이 평균만 크게 끌어올린다. 그래서 이상값이 있으면 중앙값이 대표값으로 더 안정적이다.
22.R에서 고객 정보 데이터프레임과 주문 데이터프레임을 공통 열인 고객 ID를 기준으로 결합하는 함수는?
1. 1. melt()
2. 2. apply()
3. 3. rep()
4. 4. merge()
정답·해설 보기
정답: 4번. merge()는 공통 키를 기준으로 두 데이터프레임을 결합한다. all = TRUE 등의 인자로 외부 결합도 할 수 있다.
23.고객 데이터 마트를 만들면서 다음 변수를 생성했다. 요약변수에 해당하는 것은?
1. 1. 고객별 최근 3개월 구매 금액 합계
2. 2. 심야 시간대 구매 비중으로 정의한 '올빼미족 지수'
3. 3. 주로 방문하는 매장으로 정의한 '주 활동 지역'
4. 4. 구매 상품으로 추정한 '라이프스타일 유형'
정답·해설 보기
정답: 1번. 요약변수는 수집된 정보를 기간·상품별로 합계·횟수·평균처럼 종합한 변수로, 재활용성이 높다. 분석자가 의미를 부여해 정의한 지수나 유형은 파생변수다.

결측값·이상값 처리

24.R에서 mean(c(2, NA, 4, 6), na.rm = TRUE)의 결과는?
1. 1. NA
2. 2. 3
3. 3. 4
4. 4. 12
정답·해설 보기
정답: 3번. na.rm = TRUE는 결측값을 빼고 계산하라는 뜻이다. (2 + 4 + 6)/3 = 4다. 이 옵션이 없으면 결과는 NA가 된다.
25.소득 설문에서 소득이 높은 사람일수록 소득 문항에 응답하지 않는 경향이 있다. 이 결측 유형은?
1. 1. 완전 무작위 결측(MCAR)
2. 2. 무작위 결측(MAR)
3. 3. 구조적 결측
4. 4. 비무작위 결측(MNAR)
정답·해설 보기
정답: 4번. 결측 여부가 결측된 값 자체(소득)와 관련 있으면 비무작위 결측이다. 다른 관측 변수로 설명되면 무작위 결측, 어떤 변수와도 무관하면 완전 무작위 결측이다.
26.결측값을 그 변수의 평균으로 채우는 평균 대치법의 문제점으로 가장 적절한 것은?
1. 1. 평균이 크게 달라진다
2. 2. 표본 수가 줄어든다
3. 3. 분산이 실제보다 작게 추정된다
4. 4. 결측값이 더 늘어난다
정답·해설 보기
정답: 3번. 같은 값으로 채우면 평균은 그대로지만 자료의 퍼짐이 줄어 분산과 표준오차가 과소 추정된다. 결측이 있는 행을 지우는 완전 분석법은 표본 수가 줄어드는 문제가 있다.
27.어떤 변수의 1사분위수가 20, 3사분위수가 40이다. 상자그림의 1.5 × IQR 기준으로 이상값으로 판정되는 값은?
1. 1. 75
2. 2. 68
3. 3. 60
4. 4. −5
정답·해설 보기
정답: 1번. IQR = 40 − 20 = 20이다. 정상 범위는 20 − 30 = −10부터 40 + 30 = 70까지이므로 이 범위를 벗어난 75만 이상값이다.
28.R에서 x <- c(5, NA, 7, NA, 9)일 때 sum(is.na(x))의 결과는?
1. 1. 0
2. 2. 2
3. 3. 3
4. 4. NA
정답·해설 보기
정답: 2번. is.na(x)는 FALSE TRUE FALSE TRUE FALSE를 돌려주고, sum()은 TRUE를 1로 세므로 결측값 개수 2가 나온다.
29.R에서 데이터프레임의 결측값이 하나라도 있는 행을 모두 제거한 결과를 얻는 함수는?
1. 1. is.na()
2. 2. na.omit()
3. 3. complete()
4. 4. rowSums()
정답·해설 보기
정답: 2번. na.omit()은 결측값이 있는 행을 지운 데이터를 돌려준다. is.na()는 결측 여부만 알려 주고, complete.cases()는 결측이 없는 행인지를 TRUE/FALSE로 알려 준다.
30.평균이 50, 표준편차가 4인 변수에서 '평균 ± 3 × 표준편차'를 벗어나는 값을 이상값으로 본다. 이상값에 해당하는 것은?
1. 1. 63
2. 2. 61
3. 3. 45
4. 4. 39
정답·해설 보기
정답: 1번. 기준 범위는 50 − 12 = 38부터 50 + 12 = 62까지다. 이 범위를 벗어나는 값은 63뿐이다.
31.다중 대치법의 절차로 옳은 것은?
1. 1. 분석 → 대치 → 결합
2. 2. 결합 → 대치 → 분석
3. 3. 대치 → 결합 → 분석
4. 4. 대치 → 분석 → 결합
정답·해설 보기
정답: 4번. 다중 대치법은 결측값을 여러 번 대치해 완전한 데이터셋을 여러 개 만들고(대치), 각각 분석한 뒤(분석), 결과를 하나로 합친다(결합). 대치의 불확실성을 반영할 수 있다.
32.설문 결측값을 채울 때, 응답 특성이 비슷한 다른 응답자의 실제 값을 무작위로 골라 가져다 쓰는 방법은?
1. 1. 평균 대치
2. 2. 핫덱(hot-deck) 대치
3. 3. 완전 분석법
4. 4. 회귀 대치
정답·해설 보기
정답: 2번. 핫덱 대치는 같은 조사에서 비슷한 특성을 가진 응답자의 값을 무작위로 가져와 채우는 단순 확률 대치법이다. 평균 대치보다 분포를 덜 왜곡한다.
33.남성이 여성보다 우울감 문항에 응답하지 않는 비율이 높지만, 같은 성별 안에서는 응답 여부가 우울감 수준과 무관하다. 이 결측 유형은?
1. 1. 완전 무작위 결측(MCAR)
2. 2. 비무작위 결측(MNAR)
3. 3. 무작위 결측(MAR)
4. 4. 구조적 결측
정답·해설 보기
정답: 3번. 결측 여부가 관측된 다른 변수(성별)로 설명되고 결측된 값 자체와는 무관하면 무작위 결측이다. 결측된 값 자체와 관련 있으면 비무작위 결측이다.
34.상위 1%를 넘는 극단값을 삭제하지 않고 상위 1% 경곗값으로 바꿔 분석에 사용했다. 이 이상값 처리 방법은?
1. 1. 극단값 조정(winsorizing)
2. 2. 극단값 절단(trimming)
3. 3. 완전 분석법
4. 4. 다중 대치
정답·해설 보기
정답: 1번. 극단값 조정은 기준을 넘는 값을 경곗값으로 바꿔 표본 수를 유지한다. 극단값 절단은 기준을 넘는 값을 아예 제거한다.
35.결측값이 있는 행을 모두 지우고 분석하는 완전 분석법의 문제점으로 가장 적절한 것은?
1. 1. 분산이 과소 추정된다
2. 2. 결측값이 평균으로 채워진다
3. 3. 계산이 매우 복잡해진다
4. 4. 표본 수가 줄어 효율이 떨어지고, 결측이 무작위가 아니면 결과가 편향될 수 있다
정답·해설 보기
정답: 4번. 완전 분석법은 간단하지만 자료 손실이 크고, 결측이 특정 집단에 몰려 있으면 편향이 생긴다. 분산 과소 추정은 평균 대치법의 문제다.

통계학 개론

36.전국 고객을 연령대별로 나누고, 각 연령대 안에서 정해진 수만큼 무작위로 뽑았다. 이 표본추출 방법은?
1. 1. 집락 추출
2. 2. 계통 추출
3. 3. 층화 추출
4. 4. 단순 무작위 추출
정답·해설 보기
정답: 3번. 층화 추출은 모집단을 서로 다른 성격의 층으로 나눈 뒤 각 층에서 무작위로 뽑는다(층 내부는 동질, 층 사이는 이질). 집락 추출은 집락 자체를 뽑아 그 안을 조사하고, 계통 추출은 일정 간격으로 뽑는다.
37.섭씨 온도는 어떤 척도에 해당하는가?
1. 1. 명목척도
2. 2. 순서척도
3. 3. 비율척도
4. 4. 구간척도
정답·해설 보기
정답: 4번. 섭씨 0도는 '온도가 없음'이 아니므로 절대 영점이 없다. 차이는 의미가 있지만 비율(20도가 10도의 2배로 덥다)은 의미가 없어 구간척도다. 무게·길이처럼 절대 영점이 있으면 비율척도다.
38.사건 A, B가 서로 독립이고 P(A) = 0.4, P(B) = 0.5일 때 P(A ∪ B)는?
1. 1. 0.2
2. 2. 0.7
3. 3. 0.9
4. 4. 1.0
정답·해설 보기
정답: 2번. 독립이면 P(A ∩ B) = 0.4 × 0.5 = 0.2다. P(A ∪ B) = 0.4 + 0.5 − 0.2 = 0.7이다.
39.P(A ∩ B) = 0.12, P(B) = 0.3일 때 P(A | B)는?
1. 1. 0.42
2. 2. 0.4
3. 3. 0.18
4. 4. 0.036
정답·해설 보기
정답: 2번. 조건부확률 P(A | B) = P(A ∩ B)/P(B) = 0.12/0.3 = 0.4다.
40.확률변수 X가 0, 1, 2를 각각 확률 0.2, 0.5, 0.3으로 갖는다. X의 분산은?
1. 1. 0.49
2. 2. 0.61
3. 3. 1.1
4. 4. 1.7
정답·해설 보기
정답: 1번. E(X) = 0.5 + 0.6 = 1.1, E(X²) = 0.5 + 1.2 = 1.7이다. Var(X) = E(X²) − [E(X)]² = 1.7 − 1.21 = 0.49다.
41.성공 확률이 0.3인 시행을 독립적으로 10번 할 때 성공 횟수의 기댓값과 분산은?
1. 1. 기댓값 7, 분산 2.1
2. 2. 기댓값 3, 분산 3
3. 3. 기댓값 3, 분산 2.1
4. 4. 기댓값 3, 분산 0.21
정답·해설 보기
정답: 3번. 이항분포 B(10, 0.3)의 기댓값은 np = 3, 분산은 np(1 − p) = 10 × 0.3 × 0.7 = 2.1이다.
42.콜센터에 1시간 동안 걸려오는 전화 수처럼 일정 시간에 드물게 일어나는 사건의 횟수를 나타내는 포아송분포의 특징은?
1. 1. 분산이 평균의 제곱이다
2. 2. 평균과 분산이 같다
3. 3. 항상 좌우 대칭이다
4. 4. 음수 값도 가질 수 있다
정답·해설 보기
정답: 2번. 포아송분포는 모수 λ 하나로 정해지며 평균과 분산이 모두 λ다. 0 이상의 정수만 가지며 λ가 작으면 오른쪽으로 꼬리가 긴 모양이다.
43.모표준편차가 10인 모집단에서 크기 25인 표본을 뽑을 때, 표본평균의 표준오차는?
1. 1. 0.4
2. 2. 2
3. 3. 4
4. 4. 10
정답·해설 보기
정답: 2번. 표본평균의 표준오차는 σ/√n = 10/√25 = 2다. 중심극한정리에 따라 n이 크면 표본평균은 모집단 분포와 상관없이 정규분포에 가까워진다.
44.표본 크기가 커질수록 추정량이 모수에 가까워지는 성질은?
1. 1. 불편성
2. 2. 효율성
3. 3. 일치성
4. 4. 충족성
정답·해설 보기
정답: 3번. 일치성은 n이 커질수록 추정량이 모수로 수렴하는 성질이다. 불편성은 추정량의 기댓값이 모수와 같은 성질, 효율성은 분산이 작은 성질, 충족성은 모수에 대한 정보를 모두 담고 있는 성질이다.
45.생산 라인에서 나오는 제품 중 첫 제품을 무작위로 정한 뒤 이후 20개마다 하나씩 뽑아 검사했다. 이 표본추출 방법은?
1. 1. 층화 추출
2. 2. 계통 추출
3. 3. 집락 추출
4. 4. 단순 무작위 추출
정답·해설 보기
정답: 2번. 계통 추출은 첫 표본을 무작위로 정하고 일정 간격으로 뽑는다. 자료에 그 간격과 맞물리는 주기가 있으면 편향이 생길 수 있다.
46.최종 학력(초졸·중졸·고졸·대졸)은 어떤 척도에 해당하는가?
1. 1. 명목척도
2. 2. 구간척도
3. 3. 순서척도
4. 4. 비율척도
정답·해설 보기
정답: 3번. 학력은 범주 사이에 순서는 있지만 간격이 같다고 볼 수 없으므로 순서척도다. 순서도 없는 성별·혈액형은 명목척도다.
47.불량률이 2%인 제품을 검사하는데, 검사기는 불량품의 90%를 불량으로 판정하고 양품의 5%도 불량으로 잘못 판정한다. 불량 판정을 받은 제품이 실제로 불량일 확률은 약 얼마인가?
1. 1. 0.02
2. 2. 0.27
3. 3. 0.90
4. 4. 0.95
정답·해설 보기
정답: 2번. 불량이면서 불량 판정 = 0.02 × 0.9 = 0.018, 양품인데 불량 판정 = 0.98 × 0.05 = 0.049다. 베이즈 정리에 따라 0.018/(0.018 + 0.049) ≈ 0.27이다.
48.확률변수 X의 분산이 2일 때 Var(2X + 3)은?
1. 1. 11
2. 2. 8
3. 3. 7
4. 4. 4
정답·해설 보기
정답: 2번. Var(aX + b) = a²Var(X)다. 상수 3은 분산에 영향이 없으므로 4 × 2 = 8이다.
49.X ~ N(50, 10²)일 때 P(X > 70)은 약 얼마인가? (P(Z > 2) = 0.0228)
1. 1. 0.0228
2. 2. 0.0456
3. 3. 0.1587
4. 4. 0.9772
정답·해설 보기
정답: 1번. 표준화하면 Z = (70 − 50)/10 = 2이므로 P(X > 70) = P(Z > 2) = 0.0228이다.
50.t분포에 대한 설명으로 옳지 않은 것은?
1. 1. 자유도가 커질수록 꼬리가 점점 두꺼워진다
2. 2. 0을 중심으로 좌우 대칭이다
3. 3. 표준정규분포보다 꼬리가 두껍다
4. 4. 자유도가 커질수록 표준정규분포에 가까워진다
정답·해설 보기
정답: 1번. t분포는 0을 중심으로 대칭이고 표준정규분포보다 꼬리가 두껍다. 자유도가 커지면 꼬리가 얇아지며 표준정규분포에 가까워진다.
51.다른 조건은 그대로 두고 표본 크기를 4배로 늘리면 모평균 신뢰구간의 폭은?
1. 1. 1/4로 줄어든다
2. 2. 2배로 늘어난다
3. 3. 변하지 않는다
4. 4. 1/2로 줄어든다
정답·해설 보기
정답: 4번. 신뢰구간의 폭은 표준오차 σ/√n에 비례한다. n을 4배로 하면 √4 = 2이므로 폭은 절반이 된다.
52.Cov(X, Y) = 6, X의 표준편차가 2, Y의 표준편차가 5일 때 상관계수는?
1. 1. 6
2. 2. 1.2
3. 3. 0.6
4. 4. 0.06
정답·해설 보기
정답: 3번. 상관계수 = Cov(X, Y)/(σX σY) = 6/(2 × 5) = 0.6이다.
53.전국 학교 중 30개 학교를 무작위로 뽑고, 뽑힌 학교의 학생 전원을 조사했다. 이 표본추출 방법은?
1. 1. 집락 추출
2. 2. 층화 추출
3. 3. 계통 추출
4. 4. 단순 무작위 추출
정답·해설 보기
정답: 1번. 집락 추출은 모집단을 집락(학교)으로 나눈 뒤 집락을 뽑아 그 안을 전수 또는 일부 조사한다. 집락 내부는 이질적이고 집락 사이는 비슷한 것이 바람직하다.
54.다음 중 비율척도에 해당하는 것은?
1. 1. 혈액형
2. 2. 고객 만족도 등급(상·중·하)
3. 3. 섭씨 온도
4. 4. 월 소득(원)
정답·해설 보기
정답: 4번. 비율척도는 절대 영점이 있어 '두 배' 같은 비율 비교가 가능하다. 혈액형은 명목, 만족도 등급은 순서, 섭씨 온도는 구간척도다.
55.사건 A, B가 서로 배반이고 P(A) = 0.3, P(B) = 0.4일 때 P(A ∪ B)는?
1. 1. 0.12
2. 2. 0.58
3. 3. 0.7
4. 4. 1.0
정답·해설 보기
정답: 3번. 배반 사건은 동시에 일어날 수 없으므로 P(A ∩ B) = 0이다. P(A ∪ B) = 0.3 + 0.4 = 0.7이다. 독립이라면 0.3 + 0.4 − 0.12 = 0.58이 된다.
56.확률변수 X의 기댓값이 5일 때 E(2X + 3)은?
1. 1. 25
2. 2. 13
3. 3. 10
4. 4. 8
정답·해설 보기
정답: 2번. 기댓값은 선형성을 가지므로 E(2X + 3) = 2E(X) + 3 = 13이다.
57.고객이 매장에 도착하는 사건이 무작위로 일어날 때, 다음 고객이 올 때까지 걸리는 '대기 시간'을 나타내는 분포는?
1. 1. 포아송분포
2. 2. 이항분포
3. 3. 지수분포
4. 4. 균일분포
정답·해설 보기
정답: 3번. 단위 시간당 발생 횟수가 포아송분포를 따르면 사건 사이의 대기 시간은 지수분포를 따른다.
58.성공 확률이 p인 시행을 반복할 때, 처음 성공할 때까지의 시행 횟수를 나타내는 분포는?
1. 1. 이항분포
2. 2. 초기하분포
3. 3. 정규분포
4. 4. 기하분포
정답·해설 보기
정답: 4번. 기하분포는 첫 성공까지의 시행 횟수를 나타낸다. 이항분포는 정해진 n번 시행 중 성공 횟수, 초기하분포는 비복원 추출에서 성공 개수를 나타낸다.
59.모표준편차가 10인 모집단에서 크기 100인 표본을 뽑아 표본평균 50을 얻었다. 모평균의 95% 신뢰구간은? (z₀.₀₂₅ = 1.96)
1. 1. 30.4 ~ 69.6
2. 2. 49.80 ~ 50.20
3. 3. 48.36 ~ 51.64
4. 4. 48.04 ~ 51.96
정답·해설 보기
정답: 4번. 신뢰구간 = x̄ ± 1.96 × σ/√n = 50 ± 1.96 × 10/10 = 50 ± 1.96이다.
60.어떤 검정에서 제2종 오류의 확률 β가 0.2이다. 이 검정의 검정력은?
1. 1. 0.05
2. 2. 0.2
3. 3. 0.8
4. 4. 0.95
정답·해설 보기
정답: 3번. 검정력은 대립가설이 참일 때 귀무가설을 올바르게 기각할 확률로 1 − β = 0.8이다.

기초 통계분석

61.신약이 실제로는 효과가 없는데 검정 결과 '효과가 있다'고 결론 내렸다. 이 오류는?
1. 1. 제2종 오류
2. 2. 제1종 오류
3. 3. 표본추출 오류
4. 4. 측정 오류
정답·해설 보기
정답: 2번. 귀무가설(효과 없음)이 참인데 기각하는 것이 제1종 오류이며 그 확률의 상한이 유의수준 α다. 귀무가설이 거짓인데 기각하지 못하는 것은 제2종 오류다.
62.유의수준 5%로 검정했더니 p-value가 0.03이었다. 올바른 결론은?
1. 1. 귀무가설을 채택할 근거가 증명되었다
2. 2. 귀무가설을 기각한다
3. 3. 대립가설이 97% 확률로 참이다
4. 4. 유의수준을 3%로 바꿔야 한다
정답·해설 보기
정답: 2번. p-value가 유의수준보다 작으면 귀무가설을 기각한다. p-value는 귀무가설이 참일 때 관측값 이상으로 극단적인 결과가 나올 확률이지, 가설이 참일 확률이 아니다.
63.서로 독립인 두 집단의 만족도 점수를 비교하려는데 표본이 작고 정규성 가정을 만족하지 않는다. 알맞은 검정은?
1. 1. 독립표본 t검정
2. 2. 대응표본 t검정
3. 3. 카이제곱 적합도 검정
4. 4. 윌콕슨 순위합 검정(만-위트니 U 검정)
정답·해설 보기
정답: 4번. 정규성을 가정하기 어려운 두 독립 표본의 위치 비교에는 순위를 이용한 비모수 검정인 윌콕슨 순위합 검정을 쓴다. 대응 표본이면 윌콕슨 부호순위 검정을 쓴다.
64.같은 수강생 20명의 교육 전 점수와 교육 후 점수를 비교해 교육 효과를 검정하려 한다. 알맞은 방법은?
1. 1. 독립표본 t검정
2. 2. 일원배치 분산분석
3. 3. 대응표본 t검정
4. 4. 카이제곱 독립성 검정
정답·해설 보기
정답: 3번. 같은 대상을 두 번 측정했으므로 짝지은 차이를 분석하는 대응표본 t검정을 쓴다. 독립표본 t검정은 서로 다른 두 집단을 비교할 때 쓴다.
65.심사위원 두 명이 매긴 참가자 순위가 얼마나 일치하는지 알아보려 한다. 알맞은 상관계수는?
1. 1. 피어슨 상관계수
2. 2. 결정계수
3. 3. 분산팽창계수
4. 4. 스피어만 순위상관계수
정답·해설 보기
정답: 4번. 순서척도(순위) 자료에는 순위를 이용하는 스피어만 상관계수를 쓴다. 피어슨 상관계수는 두 연속형 변수의 선형 관계를 측정한다.
66.단순선형회귀분석 결과 결정계수가 0.81이고 회귀계수(기울기)가 음수였다. 두 변수의 피어슨 상관계수는?
1. 1. 0.9
2. 2. 0.81
3. 3. −0.81
4. 4. −0.9
정답·해설 보기
정답: 4번. 단순선형회귀에서 결정계수는 상관계수의 제곱이다. √0.81 = 0.9이고 기울기가 음수이므로 상관계수는 −0.9다.
67.회귀분석 후 잔차를 예측값에 대해 그려 보니 예측값이 커질수록 잔차가 깔때기처럼 넓게 퍼졌다. 위반된 가정은?
1. 1. 선형성
2. 2. 독립성
3. 3. 등분산성
4. 4. 정규성
정답·해설 보기
정답: 3번. 잔차의 퍼짐이 예측값에 따라 달라지면 오차의 분산이 일정하다는 등분산성 가정이 깨진 것이다. 로그 변환이나 가중최소제곱법으로 보완할 수 있다.
68.다중회귀분석에서 한 설명변수의 분산팽창계수(VIF)가 15로 나왔다. 의심할 수 있는 문제는?
1. 1. 다중공선성
2. 2. 자기상관
3. 3. 이분산성
4. 4. 과소적합
정답·해설 보기
정답: 1번. VIF가 10을 넘으면 설명변수끼리 강한 선형관계가 있는 다중공선성을 의심한다. 이 경우 회귀계수 추정이 불안정해지므로 변수 제거나 주성분 회귀 등을 고려한다.
69.후보 회귀모형들을 AIC로 비교하려 한다. 올바른 선택 기준은?
1. 1. AIC가 가장 큰 모형을 고른다
2. 2. 변수가 가장 많은 모형을 고른다
3. 3. AIC가 가장 작은 모형을 고른다
4. 4. AIC가 1에 가장 가까운 모형을 고른다
정답·해설 보기
정답: 3번. AIC는 적합도에 모형 복잡도(변수 수)에 대한 벌점을 더한 값이므로 작을수록 좋은 모형이다. 단계적 변수선택에서도 AIC가 줄어드는 방향으로 변수를 넣고 뺀다.
70.4개 매장에서 각각 5명씩 모두 20명의 만족도를 조사해 일원배치 분산분석을 했다. 처리(집단 간)와 잔차(집단 내)의 자유도는?
1. 1. 처리 3, 잔차 16
2. 2. 처리 3, 잔차 19
3. 3. 처리 4, 잔차 16
4. 4. 처리 4, 잔차 20
정답·해설 보기
정답: 1번. 처리 자유도 = 집단 수 − 1 = 3, 잔차 자유도 = 전체 관측 수 − 집단 수 = 20 − 4 = 16이다. 전체 자유도는 19다.
71.회귀분석 결과 추정식이 ŷ = 2.0 + 0.5x이고, x의 회귀계수 p-value가 0.001, 결정계수가 0.72였다. 해석으로 옳은 것은?
1. 1. x가 1 증가하면 y는 0.72 증가한다
2. 2. y 변동의 50%를 x가 설명한다
3. 3. x와 y의 상관계수는 0.72이다
4. 4. x가 1 증가하면 y는 평균적으로 0.5 증가한다
정답·해설 보기
정답: 4번. 회귀계수 0.5는 x가 1 늘 때 y의 평균 변화량이다. 결정계수 0.72는 y의 변동 중 72%를 모형이 설명한다는 뜻이며, 단순회귀에서 상관계수의 절댓값은 √0.72 ≈ 0.85다.
72.다중회귀분석 결과의 F검정에서 귀무가설은?
1. 1. 절편이 0이다
2. 2. 적어도 하나의 회귀계수가 0이다
3. 3. 모든 회귀계수(절편 제외)가 0이다
4. 4. 잔차가 정규분포를 따른다
정답·해설 보기
정답: 3번. 회귀모형의 F검정은 설명변수의 회귀계수가 모두 0인지(모형이 쓸모없는지)를 검정한다. 기각되면 적어도 하나의 설명변수가 유의하다는 뜻이다.
73.다중회귀모형에 설명력이 거의 없는 변수를 추가했을 때의 변화로 옳은 것은?
1. 1. 결정계수와 수정 결정계수 모두 반드시 커진다
2. 2. 결정계수는 줄지 않지만 수정 결정계수는 줄어들 수 있다
3. 3. 결정계수는 반드시 줄어든다
4. 4. 수정 결정계수는 항상 결정계수보다 크다
정답·해설 보기
정답: 2번. 결정계수는 변수를 추가하면 줄지 않는다. 수정 결정계수는 변수 개수에 벌점을 주므로 쓸모없는 변수를 넣으면 오히려 줄어들 수 있어 모형 비교에 쓰인다.
74.3개 지역과 4개 선호 브랜드의 교차표로 카이제곱 독립성 검정을 한다. 자유도는?
1. 1. 6
2. 2. 7
3. 3. 11
4. 4. 12
정답·해설 보기
정답: 1번. 독립성 검정의 자유도는 (행 수 − 1)(열 수 − 1) = 2 × 3 = 6이다.
75.전체 100명 중 남성이 40명, 제품 A를 고른 사람이 30명이다. 성별과 선택이 독립이라고 할 때 '남성이면서 A를 고른' 칸의 기대도수는?
1. 1. 70
2. 2. 40
3. 3. 30
4. 4. 12
정답·해설 보기
정답: 4번. 기대도수 = 행 합계 × 열 합계/전체 = 40 × 30/100 = 12다.
76.표본 자료가 정규분포를 따르는지 확인하는 검정은?
1. 1. 샤피로-윌크 검정
2. 2. 더빈-왓슨 검정
3. 3. 크루스칼-왈리스 검정
4. 4. 카이제곱 독립성 검정
정답·해설 보기
정답: 1번. 샤피로-윌크 검정은 정규성을 검정한다. 더빈-왓슨 검정은 잔차의 자기상관, 크루스칼-왈리스 검정은 세 집단 이상의 비모수 비교에 쓰인다.
77.같은 환자 10명의 투약 전후 통증 점수를 비교하려는데 차이가 정규분포를 따르지 않는다. 알맞은 검정은?
1. 1. 대응표본 t검정
2. 2. 윌콕슨 부호순위 검정
3. 3. 만-위트니 U 검정
4. 4. 일원배치 분산분석
정답·해설 보기
정답: 2번. 대응 자료의 차이가 정규성을 만족하지 않으면 비모수 검정인 윌콕슨 부호순위 검정을 쓴다. 만-위트니 U 검정은 독립인 두 집단을 비교한다.
78.서로 독립인 세 집단의 만족도 순위를 비교하려 한다. 정규성 가정을 할 수 없을 때 알맞은 검정은?
1. 1. 일원배치 분산분석
2. 2. 대응표본 t검정
3. 3. 크루스칼-왈리스 검정
4. 4. 샤피로-윌크 검정
정답·해설 보기
정답: 3번. 크루스칼-왈리스 검정은 세 집단 이상의 위치를 순위로 비교하는 비모수 검정으로, 일원배치 분산분석에 대응한다.
79.두 변수의 피어슨 상관계수가 0으로 나왔다. 해석으로 옳은 것은?
1. 1. 선형 관계는 없지만 곡선 같은 다른 관계는 있을 수 있다
2. 2. 두 변수는 어떤 관계도 없이 완전히 독립이다
3. 3. 한 변수가 다른 변수의 원인이다
4. 4. 두 변수의 분산이 같다
정답·해설 보기
정답: 1번. 피어슨 상관계수는 선형 관계의 강도만 잰다. 0이어도 U자 모양 같은 비선형 관계가 있을 수 있으므로 산점도를 함께 봐야 한다.
80.회귀분석 잔차의 정규 Q-Q 그림에서 점들이 대각선 위에 거의 일직선으로 놓였다. 해석으로 옳은 것은?
1. 1. 잔차의 분산이 커지고 있다
2. 2. 잔차 사이에 자기상관이 있다
3. 3. 잔차가 정규분포를 따른다고 볼 수 있다
4. 4. 설명변수 사이에 다중공선성이 있다
정답·해설 보기
정답: 3번. Q-Q 그림은 잔차의 분위수를 정규분포의 이론 분위수와 비교한다. 점이 직선에 가까우면 정규성 가정을 만족한다고 본다.
81.모든 후보 변수를 넣은 모형에서 시작해 가장 덜 유의한 변수를 하나씩 빼 나가는 변수선택 방법은?
1. 1. 전진 선택법
2. 2. 단계적 선택법
3. 3. 주성분 회귀
4. 4. 후진 제거법
정답·해설 보기
정답: 4번. 후진 제거법은 전체 모형에서 기여도가 낮은 변수를 차례로 제거한다. 전진 선택법은 빈 모형에서 하나씩 추가하고, 단계적 선택법은 추가와 제거를 함께 검토한다.
82.범주가 4개(봄·여름·가을·겨울)인 계절 변수를 회귀모형에 넣으려 한다. 절편이 있는 모형에 필요한 더미 변수의 수는?
1. 1. 1개
2. 2. 2개
3. 3. 3개
4. 4. 4개
정답·해설 보기
정답: 3번. 범주가 k개면 기준 범주를 하나 두고 k − 1개의 더미 변수를 만든다. 4개를 모두 넣으면 절편과 완전한 다중공선성이 생긴다.
83.과자 한 봉지의 평균 무게가 표시된 150g인지 확인하려고 25봉지를 측정했다(모표준편차 모름). 알맞은 검정은?
1. 1. 대응표본 t검정
2. 2. 독립표본 t검정
3. 3. 카이제곱 독립성 검정
4. 4. 일표본 t검정
정답·해설 보기
정답: 4번. 한 모집단의 평균이 특정 값과 같은지 검정하고 모표준편차를 모르면 일표본 t검정을 쓴다.
84.두 독립 집단의 평균을 비교하는 t검정을 하기 전에 두 집단의 분산이 같은지 확인하려 한다. 알맞은 검정은?
1. 1. 분산비를 이용한 F검정
2. 2. 샤피로-윌크 검정
3. 3. 더빈-왓슨 검정
4. 4. 카이제곱 적합도 검정
정답·해설 보기
정답: 1번. 두 모분산이 같은지는 표본분산의 비로 F검정을 한다(레빈 검정도 쓴다). 결과에 따라 등분산 또는 이분산 t검정을 선택한다.
85.주사위를 600번 던져 각 눈이 나온 횟수로 주사위가 공정한지(각 눈의 확률이 1/6인지) 검정하려 한다. 알맞은 검정은?
1. 1. 카이제곱 적합도 검정
2. 2. 카이제곱 독립성 검정
3. 3. 일원배치 분산분석
4. 4. 대응표본 t검정
정답·해설 보기
정답: 1번. 관측도수가 특정 이론 분포(여기서는 균등분포)를 따르는지 검정하는 것이 적합도 검정이다. 독립성 검정은 두 범주형 변수의 관계를 본다.
86.R의 lm() 결과에서 x의 회귀계수 추정값(Estimate)이 1.2, 표준오차(Std. Error)가 0.4였다. t 값(t value)은?
1. 1. 3
2. 2. 1.6
3. 3. 0.48
4. 4. 0.33
정답·해설 보기
정답: 1번. t 값 = 추정값/표준오차 = 1.2/0.4 = 3이다. 이 t 값으로 회귀계수가 0인지 검정한 p-value가 Pr(>|t|) 열에 나온다.
87.회귀분석 잔차의 자기상관을 확인하는 더빈-왓슨 통계량이 2에 가깝게 나왔다. 해석으로 옳은 것은?
1. 1. 잔차에 강한 양의 자기상관이 있다
2. 2. 잔차에 자기상관이 거의 없다
3. 3. 잔차가 정규분포를 따르지 않는다
4. 4. 설명변수 사이에 다중공선성이 있다
정답·해설 보기
정답: 2번. 더빈-왓슨 통계량은 0~4 사이 값을 가지며, 2에 가까우면 자기상관이 없고, 0에 가까우면 양의, 4에 가까우면 음의 자기상관이 있다.
88.회귀분석에서 총제곱합(SST)이 100, 잔차제곱합(SSE)이 20이다. 결정계수는?
1. 1. 0.2
2. 2. 0.25
3. 3. 0.8
4. 4. 5
정답·해설 보기
정답: 3번. 결정계수 = 1 − SSE/SST = 1 − 20/100 = 0.8이다. 회귀제곱합 SSR = 80을 SST로 나눈 것과 같다.
89.다중회귀에서 단위가 서로 다른 설명변수(나이·소득·방문 횟수)가 목표변수에 주는 영향력의 크기를 비교하려 한다. 알맞은 것은?
1. 1. 비표준화 회귀계수의 크기
2. 2. 표준화 회귀계수
3. 3. 절편
4. 4. 잔차의 크기
정답·해설 보기
정답: 2번. 비표준화 계수는 변수의 단위에 따라 크기가 달라지므로, 변수를 표준화한 뒤 얻은 표준화 회귀계수로 상대적 영향력을 비교한다.
90.변수를 하나씩 추가하면서, 이미 들어간 변수도 중요도가 떨어지면 다시 제거하는 과정을 반복하는 변수선택 방법은?
1. 1. 전진 선택법
2. 2. 후진 제거법
3. 3. 모든 가능한 조합 비교법
4. 4. 단계적 선택법
정답·해설 보기
정답: 4번. 단계적 선택법은 전진 선택처럼 변수를 추가하되, 추가할 때마다 기존 변수의 유의성을 다시 확인해 필요하면 제거한다.
91.회귀계수에 벌점을 주는 정규화 회귀 중, 일부 계수를 정확히 0으로 만들어 변수 선택 효과가 있는 방법은?
1. 1. 라쏘(Lasso) 회귀
2. 2. 릿지(Ridge) 회귀
3. 3. 최소제곱 회귀
4. 4. 다항 회귀
정답·해설 보기
정답: 1번. 라쏘는 계수 절댓값의 합(L1)에 벌점을 주어 일부 계수를 0으로 만든다. 릿지는 계수 제곱합(L2)에 벌점을 주어 계수를 줄이지만 0으로 만들지는 않는다.
92.공분산과 상관계수에 대한 설명으로 옳은 것은?
1. 1. 공분산은 항상 −1에서 1 사이 값을 가진다
2. 2. 상관계수는 변수의 단위를 바꾸면 값이 달라진다
3. 3. 공분산이 클수록 선형 관계가 항상 더 강하다
4. 4. 상관계수는 단위에 영향을 받지 않고 −1에서 1 사이 값을 가진다
정답·해설 보기
정답: 4번. 공분산은 변수의 단위에 따라 크기가 달라져 관계의 강도를 비교하기 어렵다. 공분산을 두 표준편차로 나눈 상관계수는 단위가 없고 −1~1 사이 값을 가진다.
93.일원배치 분산분석에서 귀무가설이 기각되었다. 구체적으로 어느 집단끼리 평균이 다른지 알아보는 방법은?
1. 1. 카이제곱 적합도 검정
2. 2. 더빈-왓슨 검정
3. 3. 주성분분석
4. 4. 투키(Tukey) HSD 같은 사후검정(다중비교)
정답·해설 보기
정답: 4번. 분산분석은 적어도 한 집단의 평균이 다르다는 것만 알려 준다. 어느 집단 쌍이 다른지는 투키 HSD, 본페로니 등 사후검정으로 확인한다.
94.남녀 고객의 평균 구매 금액을 비교하려 한다. 두 집단은 서로 독립이고 정규성과 등분산을 만족한다. 알맞은 검정은?
1. 1. 대응표본 t검정
2. 2. 독립표본 t검정
3. 3. 윌콕슨 부호순위 검정
4. 4. 일표본 t검정
정답·해설 보기
정답: 2번. 서로 다른 두 집단의 평균 비교는 독립표본 t검정을 쓴다. 같은 대상을 두 번 측정했다면 대응표본 t검정이다.

다변량 분석

95.주성분분석에서 제1주성분에 대한 설명으로 옳은 것은?
1. 1. 자료의 분산을 가장 많이 설명하는 방향이다
2. 2. 목표변수와 상관이 가장 큰 변수이다
3. 3. 고유값이 가장 작은 고유벡터 방향이다
4. 4. 원래 변수 중 하나를 그대로 고른 것이다
정답·해설 보기
정답: 1번. 제1주성분은 원래 변수들의 선형결합 중 분산이 최대가 되는 방향이며, 가장 큰 고유값에 대응하는 고유벡터로 정해진다. 이후 주성분은 앞의 주성분과 직교하면서 남은 분산을 최대로 설명한다.
96.변수 4개를 표준화해 주성분분석을 했더니 고유값이 2.5, 1.0, 0.3, 0.2였다. 제2주성분까지의 누적 기여율은?
1. 1. 95.0%
2. 2. 87.5%
3. 3. 75.0%
4. 4. 62.5%
정답·해설 보기
정답: 2번. 전체 분산은 고유값의 합 4다. 제1·2주성분의 고유값 합 3.5를 4로 나누면 87.5%다. 제1주성분만으로는 62.5%다.
97.주성분의 개수를 정하는 방법으로 적절하지 않은 것은?
1. 1. 누적 기여율이 일정 수준(보통 80% 내외) 이상이 되는 개수로 정한다
2. 2. 스크리 그림에서 기울기가 급격히 완만해지는 지점까지 고른다
3. 3. 상관행렬을 쓴 경우 고유값이 1 이상인 주성분만 남긴다
4. 4. 고유값이 가장 작은 주성분부터 차례로 고른다
정답·해설 보기
정답: 4번. 주성분은 고유값이 큰 순서로 고른다. 누적 기여율, 스크리 그림의 꺾이는 지점, 고유값 1 이상 기준(카이저 기준)이 대표적인 방법이다.
98.키(cm)와 연봉(만 원)처럼 단위와 크기가 크게 다른 변수들로 주성분분석을 하려 한다. 알맞은 방법은?
1. 1. 공분산행렬을 그대로 이용한다
2. 2. 단위가 큰 변수만 골라 분석한다
3. 3. 주성분분석은 단위가 같은 자료에만 쓸 수 있다
4. 4. 상관행렬(표준화한 자료)을 이용한다
정답·해설 보기
정답: 4번. 공분산행렬을 쓰면 값의 크기가 큰 변수가 주성분을 지배한다. 단위가 다르면 변수를 표준화하는 것과 같은 상관행렬을 쓴다.
99.다차원척도법(MDS)에서 적합도를 나타내는 스트레스(stress) 값에 대한 설명으로 옳은 것은?
1. 1. 1에 가까울수록 적합도가 높다
2. 2. 클수록 차원을 줄일 필요가 없다
3. 3. 0에 가까울수록 원래 거리를 잘 나타낸다
4. 4. 음수이면 완벽하게 적합한 것이다
정답·해설 보기
정답: 3번. 스트레스는 원래 개체 간 거리와 저차원 공간에서의 거리가 얼마나 어긋나는지 나타낸다. 0이면 완벽하고, 보통 0.05 이하면 매우 좋고 0.2 이상이면 나쁜 적합으로 본다.
100.주성분분석으로 얻은 주성분들 사이의 관계로 옳은 것은?
1. 1. 서로 강한 양의 상관을 갖는다
2. 2. 제1주성분과만 상관을 갖는다
3. 3. 원래 변수와 같은 상관 구조를 갖는다
4. 4. 서로 상관이 없다(직교한다)
정답·해설 보기
정답: 4번. 주성분은 서로 직교하도록 만들어지므로 주성분끼리는 상관이 0이다. 그래서 다중공선성이 있는 변수들을 주성분으로 바꿔 회귀에 쓰기도 한다.
101.변수 4개의 상관행렬로 주성분분석을 해 고유값 2.2, 1.1, 0.5, 0.2를 얻었다. 고유값 1 이상 기준(카이저 기준)으로 남길 주성분 수는?
1. 1. 4개
2. 2. 3개
3. 3. 2개
4. 4. 1개
정답·해설 보기
정답: 3번. 상관행렬에서 각 변수의 분산은 1이므로 고유값이 1 이상인 주성분은 변수 하나보다 많은 정보를 담는다. 2.2와 1.1 두 개가 해당한다.
102.소비자들이 매긴 브랜드 간 유사성 '순위'만 가지고 브랜드들을 2차원 지도에 배치하려 한다. 알맞은 방법은?
1. 1. 계량적 다차원척도법
2. 2. 비계량적 다차원척도법
3. 3. 주성분분석
4. 4. 선형판별분석
정답·해설 보기
정답: 2번. 순서척도 자료로 거리 관계를 표현할 때는 순위를 보존하는 비계량적 MDS를 쓴다. 구간·비율척도로 측정한 거리는 계량적 MDS를 쓴다.
103.주성분분석의 활용 목적으로 적절하지 않은 것은?
1. 1. 많은 변수를 소수의 성분으로 요약해 차원을 줄인다
2. 2. 다중공선성이 있는 설명변수를 서로 상관없는 성분으로 바꾼다
3. 3. 고차원 자료를 2차원으로 시각화한다
4. 4. 범주형 목표변수를 분류하는 규칙을 직접 만든다
정답·해설 보기
정답: 4번. 주성분분석은 목표변수 없이 설명변수의 분산 구조만 이용하는 차원 축소 기법이다. 분류 규칙을 만드는 것은 의사결정나무·로지스틱 회귀 같은 지도학습 기법이다.
104.주성분분석 결과 제1주성분의 적재값(loading)이 모든 원래 변수에서 비슷한 크기의 양수였다. 제1주성분의 해석으로 가장 적절한 것은?
1. 1. 모든 변수의 전반적인 수준(종합 크기)을 나타내는 성분
2. 2. 변수들 사이의 대비(차이)를 나타내는 성분
3. 3. 아무 의미 없는 잡음 성분
4. 4. 가장 분산이 작은 성분
정답·해설 보기
정답: 1번. 적재값이 모두 같은 부호로 비슷하면 그 주성분은 변수들의 가중 합, 즉 전반적 수준을 나타낸다. 부호가 엇갈리면 변수 간 대비를 나타낸다.
105.변수 5개를 표준화해 주성분분석을 했더니 고유값이 2.9, 1.5, 0.3, 0.2, 0.1이었다. 누적 기여율 80% 이상을 기준으로 몇 개의 주성분을 선택하는가?
1. 1. 4개
2. 2. 3개
3. 3. 2개
4. 4. 1개
정답·해설 보기
정답: 3번. 전체 분산은 5다. 제1주성분 58%, 제2주성분까지 4.4/5 = 88%로 처음 80%를 넘으므로 2개를 선택한다.
106.다차원척도법(MDS)의 목적으로 가장 적절한 것은?
1. 1. 목표변수를 예측하는 회귀식을 만든다
2. 2. 결측값을 대치한다
3. 3. 개체 사이의 유사성(거리)을 저차원 공간의 거리로 표현해 관계를 시각화한다
4. 4. 시계열의 계절성을 제거한다
정답·해설 보기
정답: 3번. MDS는 개체 간 거리 정보를 보존하면서 2·3차원 공간에 점으로 배치해 상대적 위치를 보여 준다.
107.R에서 단위가 다른 변수들로 상관행렬 기반 주성분분석을 하려 한다. 알맞은 코드는?
1. 1. prcomp(x, scale. = TRUE)
2. 2. prcomp(x, scale. = FALSE)
3. 3. kmeans(x, centers = 2)
4. 4. lm(y ~ x)
정답·해설 보기
정답: 1번. prcomp()에서 scale. = TRUE로 두면 변수를 표준화해 분석하므로 상관행렬을 쓴 것과 같다. 기본값 FALSE는 공분산행렬 기반이다.
108.R에서 summary(prcomp(x))를 실행했더니 주성분별 Standard deviation이 2.0, 1.0, 0.5, 0.5였다. 제1주성분의 Proportion of Variance는 약 얼마인가?
1. 1. 0.40
2. 2. 0.50
3. 3. 0.73
4. 4. 0.80
정답·해설 보기
정답: 3번. 분산은 표준편차의 제곱이므로 4, 1, 0.25, 0.25이고 합은 5.5다. 제1주성분의 분산 비율은 4/5.5 ≈ 0.73이다. 표준편차를 그대로 더해 2/4로 계산하면 틀린다.

시계열 예측

109.월별 매출 시계열이 꾸준히 증가하는 추세를 보여 평균이 일정하지 않다. 정상 시계열로 바꾸는 방법은?
1. 1. 로그 변환만 한다
2. 2. 차분
3. 3. 이동평균을 구해 원자료를 버린다
4. 4. 자료를 무작위로 섞는다
정답·해설 보기
정답: 2번. 평균이 일정하지 않으면 차분(현재 값 − 이전 값)으로 정상화한다. 분산이 일정하지 않으면 로그 같은 변환을 쓴다.
110.정상 시계열의 조건에 해당하지 않는 것은?
1. 1. 평균이 시점과 관계없이 일정하다
2. 2. 분산이 시점과 관계없이 일정하다
3. 3. 두 시점 사이의 공분산은 시차에만 의존한다
4. 4. 자기공분산이 관측 시점에 따라 달라진다
정답·해설 보기
정답: 4번. 정상 시계열은 평균과 분산이 일정하고, 공분산이 특정 시점이 아니라 시차에만 의존한다.
111.어떤 정상 시계열의 자기상관함수(ACF)는 지수적으로 천천히 줄어들고, 부분자기상관함수(PACF)는 시차 2 이후에 0으로 끊겼다. 알맞은 모형은?
1. 1. MA(2)
2. 2. AR(2)
3. 3. AR(1)
4. 4. ARMA(2, 2)
정답·해설 보기
정답: 2번. AR(p) 모형은 PACF가 시차 p 이후 절단되고 ACF가 점차 감소한다. MA(q) 모형은 반대로 ACF가 시차 q 이후 절단된다.
112.ARIMA(1, 2, 0) 모형에 대한 설명으로 옳은 것은?
1. 1. 두 번 차분하면 AR(1) 모형이 된다
2. 2. 한 번 차분하면 MA(2) 모형이 된다
3. 3. 차분 없이 AR(1)과 MA(2)를 결합한 모형이다
4. 4. 두 번 차분하면 MA(1) 모형이 된다
정답·해설 보기
정답: 1번. ARIMA(p, d, q)에서 d는 차분 횟수다. d = 2이므로 두 번 차분하면 p = 1, q = 0인 AR(1) 모형이 된다.
113.분해 시계열에서 주기가 일정하지 않고 경기 변동처럼 수년에 걸쳐 오르내리는 요인은?
1. 1. 순환 요인
2. 2. 추세 요인
3. 3. 계절 요인
4. 4. 불규칙 요인
정답·해설 보기
정답: 1번. 순환 요인은 알려지지 않은 주기로 장기간 변동하는 요인이다. 계절 요인은 요일·월·분기처럼 고정된 주기, 추세 요인은 장기적인 증가·감소, 불규칙 요인은 설명되지 않는 오차다.
114.최근 3개월 판매량이 120, 130, 140개다. 3개월 단순이동평균으로 다음 달 판매량을 예측하면?
1. 1. 125개
2. 2. 130개
3. 3. 140개
4. 4. 150개
정답·해설 보기
정답: 2번. 단순이동평균 = (120 + 130 + 140)/3 = 130개다. 추세가 있으면 이동평균 예측은 실제보다 늦게 따라가는 경향이 있다.
115.지수평활법(α = 0.2)으로 이번 달 예측값이 100, 실제값이 110이었다. 다음 달 예측값은?
1. 1. 110
2. 2. 108
3. 3. 102
4. 4. 100
정답·해설 보기
정답: 3번. 다음 예측값 = α × 실제값 + (1 − α) × 이번 예측값 = 0.2 × 110 + 0.8 × 100 = 102다.
116.정상 시계열의 자기상관함수(ACF)가 시차 1 이후에 0으로 끊기고, 부분자기상관함수(PACF)는 지수적으로 줄어든다. 알맞은 모형은?
1. 1. AR(1)
2. 2. AR(2)
3. 3. 백색잡음
4. 4. MA(1)
정답·해설 보기
정답: 4번. MA(q) 모형은 ACF가 시차 q 이후 절단되고 PACF는 점차 감소한다. AR(p)는 반대로 PACF가 시차 p 이후 절단된다.
117.백색잡음(white noise) 과정의 특징으로 옳은 것은?
1. 1. 평균이 0이고 분산이 일정하며 서로 다른 시점 사이의 자기상관이 0이다
2. 2. 시간이 지날수록 분산이 커진다
3. 3. 강한 계절 주기를 가진다
4. 4. 직전 값에 일정 비율을 곱한 값과 같다
정답·해설 보기
정답: 1번. 백색잡음은 평균 0, 일정한 분산, 자기상관 0인 정상 과정으로 예측할 수 있는 패턴이 없다. 시계열 모형을 적합한 뒤 잔차가 백색잡음이면 모형이 패턴을 잘 잡은 것이다.
118.시계열의 변동 폭이 시간이 지날수록 점점 커져 분산이 일정하지 않다. 정상화하는 방법으로 알맞은 것은?
1. 1. 차분만 반복한다
2. 2. 자료를 시간 역순으로 바꾼다
3. 3. 이상값을 모두 평균으로 바꾼다
4. 4. 로그 변환 같은 변환
정답·해설 보기
정답: 4번. 분산이 일정하지 않으면 로그 등 변환으로 안정화하고, 평균이 일정하지 않으면 차분한다.
119.아이스크림 판매량이 매년 여름에 늘고 겨울에 줄어드는 패턴을 반복한다. 분해 시계열의 어느 요인인가?
1. 1. 추세 요인
2. 2. 순환 요인
3. 3. 계절 요인
4. 4. 불규칙 요인
정답·해설 보기
정답: 3번. 계절 요인은 1년, 분기, 요일처럼 고정된 주기로 반복되는 변동이다. 주기가 일정하지 않은 장기 변동은 순환 요인이다.
120.지수평활법에서 평활상수 α를 크게 할 때의 특징으로 옳은 것은?
1. 1. 과거 관측값에 큰 가중치를 주어 예측이 매끄러워진다
2. 2. 예측값이 실제값과 무관해진다
3. 3. 계절 변동을 자동으로 제거한다
4. 4. 최근 관측값에 큰 가중치를 주어 변화에 민감하게 반응한다
정답·해설 보기
정답: 4번. α가 크면 최근 값의 비중이 커져 변화에 빠르게 반응하지만 잡음에도 흔들린다. α가 작으면 과거 값을 고르게 반영해 매끄러운 예측이 된다.
121.정상 시계열의 ACF와 PACF가 모두 특정 시차에서 끊기지 않고 지수적으로 천천히 줄어든다. 알맞은 모형은?
1. 1. AR(1) 모형
2. 2. MA(1) 모형
3. 3. 백색잡음
4. 4. ARMA 모형
정답·해설 보기
정답: 4번. AR 모형은 PACF가, MA 모형은 ACF가 특정 시차 이후 절단된다. 둘 다 절단되지 않고 점차 감소하면 AR과 MA가 섞인 ARMA 모형을 고려한다.
122.ARIMA(0, 1, 1) 모형에 대한 설명으로 옳은 것은?
1. 1. 한 번 차분하면 AR(1) 모형이 된다
2. 2. 한 번 차분하면 MA(1) 모형이 된다
3. 3. 차분 없이 MA(1) 모형이다
4. 4. 두 번 차분하면 백색잡음이 된다
정답·해설 보기
정답: 2번. ARIMA(p, d, q)에서 d = 1은 한 번 차분, p = 0, q = 1이므로 차분한 시계열이 MA(1)을 따른다.

분류분석

123.이탈 고객 예측 모형의 결과다. 실제 양성 50건 중 40건을 양성으로 예측했고, 실제 음성 150건 중 20건을 양성으로 잘못 예측했다. 재현율(민감도)은?
1. 1. 0.67
2. 2. 0.80
3. 3. 0.85
4. 4. 0.87
정답·해설 보기
정답: 2번. 재현율 = TP/(TP + FN) = 40/50 = 0.80이다. 실제 양성 중 모형이 찾아낸 비율이다.
124.이탈 고객 예측 모형의 결과다. 실제 양성 50건 중 40건을 양성으로 예측했고, 실제 음성 150건 중 20건을 양성으로 잘못 예측했다. F1 점수는 약 얼마인가?
1. 1. 0.85
2. 2. 0.80
3. 3. 0.73
4. 4. 0.67
정답·해설 보기
정답: 3번. 정밀도 = 40/(40 + 20) ≈ 0.667, 재현율 = 40/50 = 0.8이다. F1 = 2 × 정밀도 × 재현율/(정밀도 + 재현율) ≈ 0.73이다.
125.ROC 곡선과 AUC에 대한 설명으로 옳은 것은?
1. 1. AUC가 0.5이면 무작위로 분류하는 것과 비슷한 수준이다
2. 2. ROC 곡선의 가로축은 민감도, 세로축은 특이도이다
3. 3. AUC가 0에 가까울수록 좋은 모형이다
4. 4. ROC 곡선은 회귀모형의 잔차를 나타낸다
정답·해설 보기
정답: 1번. ROC 곡선은 가로축에 1 − 특이도(거짓 양성률), 세로축에 민감도를 놓는다. AUC가 1에 가까울수록 좋고 0.5면 무작위 분류 수준이다.
126.로지스틱 회귀모형에서 변수 x의 회귀계수가 0.693으로 추정되었다. x가 1 증가할 때의 해석으로 옳은 것은? (e^0.693 ≈ 2)
1. 1. 성공 확률이 0.693만큼 증가한다
2. 2. 성공 확률이 2배가 된다
3. 3. 성공의 오즈가 0.693배가 된다
4. 4. 성공의 오즈가 약 2배가 된다
정답·해설 보기
정답: 4번. 로지스틱 회귀에서 회귀계수 β는 로그 오즈의 증가량이므로 x가 1 증가하면 오즈가 e^β ≈ 2배가 된다. 확률 자체가 2배가 되는 것은 아니다.
127.의사결정나무의 어떤 노드에 A 범주 6개, B 범주 4개가 있다. 이 노드의 지니 지수는?
1. 1. 0.24
2. 2. 0.48
3. 3. 0.52
4. 4. 0.97
정답·해설 보기
정답: 2번. 지니 지수 = 1 − Σp² = 1 − (0.6² + 0.4²) = 1 − 0.52 = 0.48이다. 한 범주만 있으면 0, 두 범주가 반반이면 최대인 0.5다.
128.두 범주로 이루어진 노드 네 개가 있다. 엔트로피가 가장 큰(불순도가 가장 높은) 노드는?
1. 1. A 10개, B 0개
2. 2. A 9개, B 1개
3. 3. A 6개, B 4개
4. 4. A 5개, B 5개
정답·해설 보기
정답: 4번. 엔트로피는 범주가 고르게 섞일수록 커지며, 두 범주가 반반일 때 최대인 1(log₂ 기준)이다. 한 범주만 있으면 0이다.
129.부트스트랩 표본으로 여러 의사결정나무를 만들면서, 각 분기마다 설명변수 일부를 무작위로 골라 그중에서 분리 기준을 찾는 앙상블 기법은?
1. 1. 랜덤 포레스트
2. 2. 부스팅
3. 3. 배깅
4. 4. k-최근접 이웃
정답·해설 보기
정답: 1번. 랜덤 포레스트는 배깅에 변수의 무작위 선택을 더해 나무 사이의 상관을 줄인다. 배깅은 부트스트랩 표본의 모형을 투표로 합치고, 부스팅은 잘못 분류된 관측치에 가중치를 주며 모형을 순차적으로 만든다.
130.인공신경망으로 고객을 세 개 이상의 등급으로 분류할 때, 출력층에서 각 등급의 확률을 합이 1이 되도록 내는 활성화 함수는?
1. 1. 계단 함수
2. 2. ReLU 함수
3. 3. 소프트맥스 함수
4. 4. 부호 함수
정답·해설 보기
정답: 3번. 소프트맥스 함수는 출력값들을 0~1 사이로 바꾸고 합이 1이 되게 해 다범주 분류의 확률로 해석할 수 있게 한다. 두 범주 분류에는 시그모이드 함수를 주로 쓴다.
131.데이터를 5개로 나눠 4개로 학습하고 1개로 검증하는 과정을, 검증용 조각을 바꿔 가며 5번 반복한 뒤 평균 성능을 구했다. 이 방법은?
1. 1. 홀드아웃
2. 2. k-겹 교차검증
3. 3. 부트스트랩
4. 4. 재치환 평가(학습 데이터로 평가)
정답·해설 보기
정답: 2번. k-겹 교차검증은 데이터를 k개로 나눠 각 조각이 한 번씩 검증용이 되도록 k번 학습·평가한다. 홀드아웃은 학습용과 검증용으로 한 번만 나누는 방법이다.
132.질병 진단 모형의 결과다. 200건 중 실제 양성 50건에서 30건을 양성으로 예측했고, 실제 음성 150건 중 10건을 양성으로 잘못 예측했다. 특이도는 약 얼마인가?
1. 1. 0.60
2. 2. 0.75
3. 3. 0.85
4. 4. 0.93
정답·해설 보기
정답: 4번. 특이도 = TN/(TN + FP) = 140/150 ≈ 0.93이다. 실제 음성 중 음성으로 맞게 예측한 비율이다.
133.질병 진단 모형의 결과다. 200건 중 실제 양성 50건에서 30건을 양성으로 예측했고, 실제 음성 150건 중 10건을 양성으로 잘못 예측했다. 정밀도는?
1. 1. 0.93
2. 2. 0.85
3. 3. 0.75
4. 4. 0.60
정답·해설 보기
정답: 3번. 정밀도 = TP/(TP + FP) = 30/40 = 0.75다. 양성으로 예측한 것 중 실제 양성의 비율이다. 재현율은 30/50 = 0.60이다.
134.목표변수가 연속형인 회귀나무에서 노드를 나누는 기준으로 알맞은 것은?
1. 1. 분산 감소량
2. 2. 지니 지수
3. 3. 엔트로피 지수
4. 4. 카이제곱 통계량의 p-value
정답·해설 보기
정답: 1번. 연속형 목표변수는 분산 감소량이나 분산분석의 F 통계량으로 분리한다. 지니 지수, 엔트로피, 카이제곱 통계량은 범주형 목표변수의 분리 기준이다.
135.의사결정나무가 학습 데이터에 지나치게 맞춰져 검증 데이터 성능이 떨어졌다. 불필요한 가지를 잘라 내는 과정은?
1. 1. 정지 규칙 해제
2. 2. 부트스트랩
3. 3. 표준화
4. 4. 가지치기
정답·해설 보기
정답: 4번. 가지치기는 일반화 성능을 해치는 가지를 제거해 과대적합을 줄인다. 정지 규칙은 나무가 더 이상 자라지 않게 하는 기준이다.
136.의사결정나무 알고리즘 중 범주형 목표변수의 분리 기준으로 카이제곱 통계량을 쓰는 것은?
1. 1. CHAID
2. 2. CART
3. 3. C4.5
4. 4. 랜덤 포레스트
정답·해설 보기
정답: 1번. CHAID는 카이제곱 통계량(연속형은 F 통계량)으로 분리한다. CART는 지니 지수(연속형은 분산 감소량), C4.5는 엔트로피 기반 정보 이득 비율을 쓴다.
137.앞선 모형이 잘못 분류한 관측치에 더 큰 가중치를 주며 약한 분류기를 순차적으로 만들어 결합하는 앙상블 기법은?
1. 1. 부스팅
2. 2. 배깅
3. 3. 랜덤 포레스트
4. 4. k-겹 교차검증
정답·해설 보기
정답: 1번. 부스팅(예: AdaBoost)은 오분류된 관측치에 가중치를 높여 다음 모형이 그 부분을 더 잘 맞히게 한다. 배깅과 랜덤 포레스트는 모형을 독립적으로 병렬로 만든다.
138.두 범주 사이의 마진(여백)이 최대가 되는 결정 경계(초평면)를 찾는 분류 기법은?
1. 1. k-최근접 이웃
2. 2. 서포트 벡터 머신
3. 3. 나이브 베이즈
4. 4. 의사결정나무
정답·해설 보기
정답: 2번. 서포트 벡터 머신은 경계에 가장 가까운 관측치(서포트 벡터)와의 거리, 즉 마진을 최대화한다. 커널을 쓰면 비선형 경계도 만들 수 있다.
139.k-최근접 이웃(k-NN) 분류에 대한 설명으로 옳지 않은 것은?
1. 1. 학습 단계에서 회귀계수를 추정해 모형식을 만든다
2. 2. 가까운 k개 관측치의 다수결로 범주를 정한다
3. 3. 변수의 단위에 영향을 받으므로 표준화가 필요하다
4. 4. k가 너무 작으면 과대적합되기 쉽다
정답·해설 보기
정답: 1번. k-NN은 별도의 모형식을 추정하지 않고 학습 데이터를 저장해 두었다가 새 관측치가 오면 거리를 계산하는 게으른 학습 방식이다.
140.나이브 베이즈 분류기의 핵심 가정은?
1. 1. 설명변수들이 모두 정규분포를 따른다
2. 2. 목표 범주의 비율이 모두 같다
3. 3. 목표 범주가 주어지면 설명변수들이 서로 조건부 독립이다
4. 4. 설명변수와 목표변수가 선형 관계이다
정답·해설 보기
정답: 3번. 나이브 베이즈는 범주가 주어졌을 때 설명변수들이 서로 독립이라고 '순진하게' 가정하고 베이즈 정리로 사후확률을 계산한다.
141.캠페인 반응 예측 모형으로 고객을 점수 순으로 정렬했다. 전체 반응률은 5%인데 상위 10% 고객의 반응률은 20%였다. 상위 10% 구간의 향상도(lift)는?
1. 1. 0.25
2. 2. 2
3. 3. 4
4. 4. 15
정답·해설 보기
정답: 3번. 향상도 = 해당 구간 반응률/전체(기본) 반응률 = 20%/5% = 4다. 모형 없이 무작위로 고를 때보다 4배 잘 찾는다는 뜻이다.
142.200건 중 실제 양성 50건에서 45건을 양성으로, 실제 음성 150건에서 135건을 음성으로 맞게 예측했다. 정확도는?
1. 1. 0.95
2. 2. 0.90
3. 3. 0.85
4. 4. 0.75
정답·해설 보기
정답: 2번. 정확도 = (TP + TN)/전체 = (45 + 135)/200 = 0.90이다.
143.불량률이 1%인 공정에서 모든 제품을 '양품'으로 예측하는 모형의 정확도는 99%다. 불량을 양성으로 둘 때 이 모형에 대한 평가로 옳은 것은?
1. 1. 불량품을 하나도 찾지 못하므로 재현율이 0이다
2. 2. 정확도가 99%이므로 매우 우수한 모형이다
3. 3. 정밀도와 재현율이 모두 99%이다
4. 4. 특이도가 0이다
정답·해설 보기
정답: 1번. 범주가 불균형하면 정확도만으로는 성능을 판단할 수 없다. 실제 불량 중 찾아낸 비율인 재현율이 0이다. 이런 경우 재현율, F1, AUC 등을 함께 본다.
144.이탈 고객이 전체의 3%뿐이라 분류 모형이 이탈 고객을 잘 학습하지 못한다. 소수 범주의 관측치를 복제하거나 늘려 학습 데이터의 균형을 맞추는 방법은?
1. 1. 언더샘플링
2. 2. 오버샘플링
3. 3. 가지치기
4. 4. 표준화
정답·해설 보기
정답: 2번. 오버샘플링은 소수 범주를 늘리고, 언더샘플링은 다수 범주를 줄여 균형을 맞춘다. 소수 범주를 합성해 늘리는 SMOTE도 오버샘플링의 한 방법이다.
145.로지스틱 회귀모형에서 어떤 고객의 선형 결합 β₀ + β₁x 값이 0이었다. 이 고객의 성공 확률 추정값은?
1. 1. 0
2. 2. 0.5
3. 3. 1
4. 4. e
정답·해설 보기
정답: 2번. 성공 확률 = 1/(1 + e^−(β₀ + β₁x)) = 1/(1 + e⁰) = 0.5다. 선형 결합이 양수면 0.5보다 크고 음수면 작다.
146.R에서 이항 목표변수 y를 설명변수 x로 예측하는 로지스틱 회귀모형을 적합하는 코드는?
1. 1. lm(y ~ x)
2. 2. glm(y ~ x, family = gaussian)
3. 3. glm(y ~ x, family = binomial)
4. 4. kmeans(x, 2)
정답·해설 보기
정답: 3번. glm()에서 family = binomial을 지정하면 로지스틱 회귀가 된다. family = gaussian은 일반 선형회귀와 같다.
147.은닉층이 많은 인공신경망에서 시그모이드 활성화 함수를 쓰면 역전파 과정에서 기울기가 점점 0에 가까워져 학습이 잘되지 않는다. 이 문제와 대표적인 해결책을 바르게 짝지은 것은?
1. 1. 기울기 소실 — ReLU 활성화 함수 사용
2. 2. 과소적합 — 은닉층 제거
3. 3. 다중공선성 — 주성분 회귀
4. 4. 기울기 소실 — 학습률을 0으로 설정
정답·해설 보기
정답: 1번. 시그모이드의 미분값은 최대 0.25라 층을 지날수록 기울기가 작아지는 기울기 소실 문제가 생긴다. 양수 구간에서 미분값이 1인 ReLU를 쓰면 이를 완화할 수 있다.
148.인공신경망의 은닉층 노드 수를 지나치게 많이 늘렸을 때 생기기 쉬운 문제는?
1. 1. 과소적합
2. 2. 다중공선성 소멸
3. 3. 과대적합
4. 4. 결측값 증가
정답·해설 보기
정답: 3번. 노드가 너무 많으면 학습 데이터의 잡음까지 외워 과대적합되기 쉽고, 너무 적으면 패턴을 충분히 학습하지 못해 과소적합된다.
149.학습 데이터에서 복원추출로 여러 개의 부트스트랩 표본을 만들고, 각각으로 학습한 모형의 결과를 투표(평균)로 합치는 앙상블 기법은?
1. 1. 부스팅
2. 2. 배깅
3. 3. 가지치기
4. 4. 단계적 선택법
정답·해설 보기
정답: 2번. 배깅(Bootstrap Aggregating)은 부트스트랩 표본마다 모형을 만들어 결과를 합쳐 분산을 줄인다. 오분류에 가중치를 주며 순차적으로 학습하는 것은 부스팅이다.
150.의사결정나무의 단점으로 가장 적절한 것은?
1. 1. 분류 규칙을 사람이 이해하기 어렵다
2. 2. 학습 데이터가 조금만 바뀌어도 나무 구조가 크게 달라지는 불안정성이 있다
3. 3. 이상값에 매우 민감하다
4. 4. 변수 사이의 상호작용을 표현할 수 없다
정답·해설 보기
정답: 2번. 의사결정나무는 규칙이 이해하기 쉽고 이상값에 강하며 변수 선택이 자동으로 이뤄지며 분기를 거듭하며 변수 간 상호작용도 반영한다. 하지만 구조가 불안정하고, 분리 경계 근처에서 오차가 크며, 연속형 변수를 구간으로 나눠 다룬다는 단점이 있다.
151.관측치 n개에서 n번 복원추출로 부트스트랩 표본을 만들 때, n이 충분히 크면 특정 관측치가 한 번도 뽑히지 않을 확률은 약 얼마인가?
1. 1. 63.2%
2. 2. 36.8%
3. 3. 10.0%
4. 4. 0%
정답·해설 보기
정답: 2번. 한 번 뽑을 때 뽑히지 않을 확률은 1 − 1/n이므로 n번 모두 뽑히지 않을 확률은 (1 − 1/n)ⁿ ≈ e⁻¹ ≈ 0.368이다. 이렇게 빠진 관측치(OOB)로 모형을 평가할 수 있다.

군집분석

152.두 점 (1, 2)와 (4, 6) 사이의 맨해튼 거리는?
1. 1. 25
2. 2. 12
3. 3. 7
4. 4. 5
정답·해설 보기
정답: 3번. 맨해튼 거리는 좌표 차이의 절댓값 합이다. |1 − 4| + |2 − 6| = 3 + 4 = 7이다. 유클리드 거리는 √(9 + 16) = 5다.
153.계층적 군집분석에서 두 군집을 합쳤을 때 군집 내 편차 제곱합의 증가량이 가장 작은 군집끼리 묶는 연결법은?
1. 1. 와드 연결법
2. 2. 단일 연결법
3. 3. 완전 연결법
4. 4. 평균 연결법
정답·해설 보기
정답: 1번. 와드 연결법은 군집 내 오차 제곱합의 증가를 최소화한다. 단일 연결법은 가장 가까운 관측치 사이의 거리, 완전 연결법은 가장 먼 관측치 사이의 거리, 평균 연결법은 모든 쌍의 평균 거리로 군집 간 거리를 잰다.
154.K-평균 군집분석에 대한 설명으로 옳지 않은 것은?
1. 1. 초기 중심값에 따라 결과가 달라질 수 있다
2. 2. 이상값에 민감하다
3. 3. 범주형 변수를 그대로 쓰기 어렵다
4. 4. 군집 수를 미리 정하지 않아도 자료가 스스로 결정한다
정답·해설 보기
정답: 4번. K-평균은 군집 수 k를 분석자가 미리 정해야 한다. 평균을 중심으로 쓰므로 이상값에 민감하고, 초기값에 따라 결과가 달라지며, 거리 계산이 필요해 범주형 자료에는 적합하지 않다.
155.군집 결과를 평가하는 실루엣 계수에 대한 설명으로 옳은 것은?
1. 1. 1에 가까울수록 군집이 잘 분리되어 있다
2. 2. 0에 가까울수록 군집이 잘 분리되어 있다
3. 3. 항상 0 이상의 값만 갖는다
4. 4. 군집 수가 많을수록 반드시 커진다
정답·해설 보기
정답: 1번. 실루엣 계수는 같은 군집 안의 응집도와 다른 군집과의 분리도를 함께 보는 지표로 −1에서 1 사이 값을 갖는다. 1에 가까울수록 잘 묶였고, 음수면 잘못된 군집에 배정되었을 가능성이 크다.
156.자료가 여러 정규분포의 혼합에서 나왔다고 보고 군집화하는 혼합분포 군집에서 모수를 추정하는 데 주로 쓰는 알고리즘은?
1. 1. Apriori 알고리즘
2. 2. 역전파 알고리즘
3. 3. 유전자 알고리즘
4. 4. EM 알고리즘
정답·해설 보기
정답: 4번. EM 알고리즘은 각 관측치가 어느 분포에서 나왔을 확률을 계산하는 E 단계와 이를 이용해 모수를 다시 추정하는 M 단계를 반복한다.
157.변수들 사이의 상관관계와 분산 차이를 함께 고려해 거리를 재는 방법은?
1. 1. 마할라노비스 거리
2. 2. 유클리드 거리
3. 3. 맨해튼 거리
4. 4. 체비셰프 거리
정답·해설 보기
정답: 1번. 마할라노비스 거리는 공분산행렬을 이용해 변수 간 상관과 척도 차이를 반영한다. 유클리드·맨해튼·체비셰프 거리는 이를 고려하지 않는다.
158.계층적 군집분석의 단일 연결법(최단 연결법)에 대한 설명으로 옳은 것은?
1. 1. 두 군집에서 가장 먼 관측치 사이의 거리를 쓴다
2. 2. 군집이 사슬처럼 길게 이어지는 경향이 있다
3. 3. 군집 내 편차 제곱합 증가를 최소화한다
4. 4. 군집 중심 사이의 거리를 쓴다
정답·해설 보기
정답: 2번. 단일 연결법은 두 군집에서 가장 가까운 관측치 사이의 거리로 병합해 사슬 모양의 길쭉한 군집이 생기기 쉽다. 가장 먼 거리를 쓰는 것은 완전 연결법이다.
159.계층적 군집분석의 덴드로그램에 대한 설명으로 옳은 것은?
1. 1. 세로축 높이는 군집에 속한 관측치 수를 뜻한다
2. 2. 덴드로그램은 K-평균 군집에서만 그린다
3. 3. 한 번 합쳐진 군집도 나중에 다시 나뉠 수 있다
4. 4. 원하는 높이에서 수평으로 자르면 그 높이에 맞는 군집 수가 정해진다
정답·해설 보기
정답: 4번. 덴드로그램의 높이는 군집이 합쳐질 때의 거리다. 특정 높이에서 자르면 군집 수가 정해진다. 계층적 군집은 한 번 병합되면 다시 나뉘지 않는다.
160.자기조직화지도(SOM)에 대한 설명으로 옳은 것은?
1. 1. 목표변수가 있어야 학습할 수 있는 지도학습 기법이다
2. 2. 오차 역전파로 가중치를 갱신한다
3. 3. 결과를 고차원 공간으로 확장해 보여 준다
4. 4. 입력 자료의 위상 관계를 보존하며 저차원 격자에 군집을 나타내는 비지도 신경망이다
정답·해설 보기
정답: 4번. SOM은 경쟁 학습으로 입력과 가장 가까운 노드(승자)와 그 이웃을 갱신하며, 비슷한 자료가 격자의 가까운 위치에 오도록 위상을 보존한다. 역전파를 쓰지 않는 비지도 학습이다.
161.1차원 자료 2, 4, 10, 12를 K-평균(k = 2)으로 군집화한다. 초기 중심을 2와 10으로 두고 한 번 배정한 뒤 다시 계산한 두 중심은?
1. 1. 6과 8
2. 2. 4와 10
3. 3. 3과 11
4. 4. 2와 10
정답·해설 보기
정답: 3번. 각 점을 가까운 중심에 배정하면 {2, 4}와 {10, 12}가 된다. 새 중심은 각 군집의 평균인 3과 11이다.
162.계층적 군집분석에서 두 군집에 속한 관측치 쌍 중 가장 먼 거리를 군집 간 거리로 쓰는 연결법은?
1. 1. 단일 연결법
2. 2. 평균 연결법
3. 3. 완전 연결법
4. 4. 와드 연결법
정답·해설 보기
정답: 3번. 완전 연결법(최장 연결법)은 가장 먼 관측치 사이의 거리를 쓰며, 비교적 둥글고 크기가 비슷한 군집을 만든다.
163.두 점 (0, 0, 0)과 (2, 3, 6) 사이의 유클리드 거리는?
1. 1. 6
2. 2. 7
3. 3. 11
4. 4. 49
정답·해설 보기
정답: 2번. 유클리드 거리 = √(2² + 3² + 6²) = √49 = 7이다. 맨해튼 거리는 2 + 3 + 6 = 11이다.
164.고객 A는 상품 {1, 2, 3}, 고객 B는 상품 {2, 3, 4}를 구매했다. 두 고객의 자카드 유사도는?
1. 1. 0.75
2. 2. 0.67
3. 3. 0.5
4. 4. 0.25
정답·해설 보기
정답: 3번. 자카드 유사도 = 교집합 크기/합집합 크기 = |{2, 3}|/|{1, 2, 3, 4}| = 2/4 = 0.5다.
165.밀도가 높은 영역을 군집으로 묶어 임의의 모양을 가진 군집을 찾고, 어느 군집에도 속하지 않는 점은 잡음으로 처리하는 군집 방법은?
1. 1. K-평균 군집
2. 2. 와드 연결법
3. 3. K-최근접 이웃
4. 4. DBSCAN
정답·해설 보기
정답: 4번. DBSCAN은 반경 안의 이웃 수로 밀도를 판단해 군집을 확장하므로 군집 수를 미리 정할 필요가 없고, 비구형 군집과 잡음을 다룰 수 있다.
166.K-평균 군집에서 군집 수 k를 늘려 가며 군집 내 제곱합(WSS)을 그렸을 때, 감소 폭이 급격히 줄어드는 지점의 k를 고르는 방법은?
1. 1. 가지치기
2. 2. 엘보우(elbow) 방법
3. 3. 실루엣 계수가 가장 작은 k를 고르는 방법
4. 4. 부트스트랩
정답·해설 보기
정답: 2번. k가 늘면 WSS는 계속 줄지만, 어느 지점부터 감소 폭이 작아지며 팔꿈치처럼 꺾인다. 그 지점을 적절한 군집 수로 본다. 실루엣 계수도 함께 쓴다.

연관분석

167.거래 10건 중 우유가 포함된 거래가 5건, 빵이 포함된 거래가 4건, 우유와 빵이 함께 포함된 거래가 3건이다. 연관규칙 '우유 → 빵'의 지지도는?
1. 1. 0.3
2. 2. 0.4
3. 3. 0.6
4. 4. 0.75
정답·해설 보기
정답: 1번. 지지도 = 우유와 빵을 함께 산 거래 수/전체 거래 수 = 3/10 = 0.3이다.
168.거래 10건 중 우유가 포함된 거래가 5건, 빵이 포함된 거래가 4건, 우유와 빵이 함께 포함된 거래가 3건이다. 연관규칙 '우유 → 빵'의 신뢰도는?
1. 1. 0.75
2. 2. 0.6
3. 3. 0.5
4. 4. 0.3
정답·해설 보기
정답: 2번. 신뢰도 = 우유와 빵을 함께 산 거래 수/우유를 산 거래 수 = 3/5 = 0.6이다. 반대 방향 '빵 → 우유'의 신뢰도는 3/4 = 0.75로 다르다.
169.거래 1,000건 중 기저귀를 산 거래가 200건, 맥주를 산 거래가 250건, 둘 다 산 거래가 100건이다. 연관규칙 '기저귀 → 맥주'의 향상도는?
1. 1. 0.1
2. 2. 0.5
3. 3. 1.25
4. 4. 2.0
정답·해설 보기
정답: 4번. 신뢰도 = 100/200 = 0.5, 맥주의 구매 비율 = 250/1,000 = 0.25다. 향상도 = 신뢰도/맥주 구매 비율 = 0.5/0.25 = 2.0이다.
170.연관규칙 'A → B'의 향상도가 1보다 작게 나왔다. 해석으로 옳은 것은?
1. 1. A와 B는 서로 독립이다
2. 2. A를 산 고객은 B를 더 사는 경향이 있다
3. 3. 규칙의 신뢰도가 1보다 작다는 뜻일 뿐이다
4. 4. A를 산 고객은 B를 덜 사는 경향이 있다(음의 관계)
정답·해설 보기
정답: 4번. 향상도가 1이면 두 품목이 독립, 1보다 크면 함께 사는 경향(양의 관계, 보완재), 1보다 작으면 함께 사지 않는 경향(음의 관계, 대체재)이다.
171.Apriori 알고리즘에 대한 설명으로 옳은 것은?
1. 1. 모든 항목 조합의 지지도를 빠짐없이 계산한다
2. 2. 최소 신뢰도만 정하면 최소 지지도는 필요 없다
3. 3. 빈발하지 않은 항목집합을 포함하는 상위 집합은 탐색에서 제외한다
4. 4. 거래 순서를 고려해 순차 패턴을 찾는다
정답·해설 보기
정답: 3번. Apriori는 최소 지지도 이상인 빈발 항목집합만 키워 가며, 어떤 집합이 빈발하지 않으면 그 집합을 포함하는 더 큰 집합도 빈발하지 않는다는 원리로 계산량을 줄인다. 거래 순서를 고려하는 것은 순차 패턴 분석이다.
172.다섯 건의 거래가 {A, B, C}, {A, C}, {B, D}, {A, B, C, D}, {C, D}이다. 항목집합 {A, C}의 지지도는?
1. 1. 0.4
2. 2. 0.6
3. 3. 0.75
4. 4. 1.0
정답·해설 보기
정답: 2번. A와 C를 함께 포함한 거래는 첫째, 둘째, 넷째의 3건이다. 지지도 = 3/5 = 0.6이다.
173.다섯 건의 거래가 {A, B, C}, {A, C}, {B, D}, {A, B, C, D}, {C, D}이다. 연관규칙 'C → A'의 신뢰도는?
1. 1. 1.0
2. 2. 0.8
3. 3. 0.75
4. 4. 0.6
정답·해설 보기
정답: 3번. C를 포함한 거래는 4건(첫째, 둘째, 넷째, 다섯째)이고 그중 A도 포함한 거래는 3건이다. 신뢰도 = 3/4 = 0.75다. 반대 방향 'A → C'의 신뢰도는 3/3 = 1.0이다.
174.연관규칙 'A → B'의 신뢰도가 0.6으로 꽤 높게 나왔다. 그런데 전체 거래에서 B가 포함된 비율도 0.6이다. 해석으로 옳은 것은?
1. 1. 신뢰도가 높으므로 반드시 함께 진열해야 한다
2. 2. 향상도가 0.6이므로 음의 관계이다
3. 3. 지지도가 1이므로 모든 거래에 등장한다
4. 4. 향상도가 1이므로 A와 B는 서로 독립이며 유용한 규칙이 아니다
정답·해설 보기
정답: 4번. 향상도 = 신뢰도/P(B) = 0.6/0.6 = 1이다. A를 샀다는 사실이 B 구매 가능성을 높이지 않으므로 의미 있는 규칙이 아니다. 신뢰도만 보면 이런 착시가 생긴다.
175.연관분석의 단점으로 가장 적절한 것은?
1. 1. 결과를 '조건 → 결과' 형태로 이해하기 어렵다
2. 2. 품목 수가 늘면 계산량이 기하급수적으로 늘어난다
3. 3. 분석 목적(목표변수)이 반드시 있어야 한다
4. 4. 거래 데이터를 그대로 쓸 수 없다
정답·해설 보기
정답: 2번. 연관분석은 결과가 if-then 규칙이라 이해하기 쉽고 목표변수 없이 쓸 수 있다. 하지만 품목이 많으면 조합 수가 폭증하고, 거래가 적은 품목은 규칙에서 빠지기 쉽다.
176.후보 항목집합을 만들지 않고 거래 데이터를 트리 구조로 압축해 빈발 항목집합을 찾는 알고리즘은?
1. 1. FP-Growth
2. 2. Apriori
3. 3. K-평균
4. 4. EM 알고리즘
정답·해설 보기
정답: 1번. FP-Growth는 데이터를 두 번만 읽어 FP-Tree를 만들고, 후보 집합을 생성하지 않고 빈발 항목집합을 찾아 Apriori보다 빠르다.
177.거래 200건 중 A를 산 거래가 80건, B를 산 거래가 50건, 둘 다 산 거래가 30건이다. 연관규칙 'A → B'의 향상도는?
1. 1. 0.15
2. 2. 0.375
3. 3. 1.5
4. 4. 2.4
정답·해설 보기
정답: 3번. 신뢰도 = 30/80 = 0.375, B의 구매 비율 = 50/200 = 0.25다. 향상도 = 0.375/0.25 = 1.5다.
178.연관분석에서 최소 지지도 기준을 높게 설정할 때 나타나는 결과로 옳은 것은?
1. 1. 발견되는 규칙 수가 크게 늘어난다
2. 2. 모든 규칙의 향상도가 1이 된다
3. 3. 신뢰도가 낮은 규칙만 남는다
4. 4. 발견되는 규칙 수가 줄고, 드물게 거래되는 품목의 규칙은 빠지기 쉽다
정답·해설 보기
정답: 4번. 최소 지지도를 높이면 자주 함께 거래되는 조합만 남아 계산량과 규칙 수가 줄지만, 의미 있는 희귀 조합을 놓칠 수 있다.
179.'노트북을 산 고객이 한 달 안에 마우스를, 그 뒤에 노트북 가방을 산다'처럼 시간 순서를 고려한 구매 패턴을 찾는 분석은?
1. 1. 순차 패턴 분석
2. 2. 군집분석
3. 3. 주성분분석
4. 4. 로지스틱 회귀
정답·해설 보기
정답: 1번. 순차 패턴 분석은 연관분석에 시간 순서를 더해, 고객별 구매 이력에서 순서가 있는 패턴을 찾는다.
180.연관규칙의 측도에 대한 설명으로 옳은 것은?
1. 1. 향상도는 'A → B'와 'B → A'에서 같지만 신뢰도는 다를 수 있다
2. 2. 신뢰도는 'A → B'와 'B → A'에서 항상 같다
3. 3. 지지도는 규칙의 방향에 따라 달라진다
4. 4. 향상도가 1보다 크면 음의 관계이다
정답·해설 보기
정답: 1번. 지지도 P(A ∩ B)와 향상도 P(A ∩ B)/(P(A)P(B))는 방향과 무관하게 같다. 신뢰도는 조건이 되는 품목의 비율로 나누므로 방향에 따라 다르다.