Q-data : 1
Q-data science : 23
Quiz : 180
0000-0000

Quiz

Quiz

데이터
수집
시각화
설명
데이터종류

1. 연속형 데이터의 예로 올바른 것은?

  1. 국가명
  2. 석차 등급
  3. 몸무게(kg)
  4. ID 번호

2. 질적 데이터의 예로 적합한 것은?

  1. 온도(℃)
  2. 소득(KRW)
  3. 성별
  4. 키(cm)

3. 양적 데이터의 측정에 사용되는 척도가 아닌 것은?

  1. 비례척도
  2. 간격척도
  3. 순서척도
  4. 명목척도

4. 비정형 데이터의 예는?

  1. 주민등록번호
  2. 제품의 무게(g)
  3. 텍스트 문서
  4. 회사의 매출액(KRW)

5. 도수 데이터에 해당하는 것은?

  1. 섭씨 온도(℃)
  2. 불량품 수(개)
  3. 시험 점수(점/100점)
  4. 직원 ID 번호

6. 비례척도로 측정될 수 있는 데이터는?

  1. 섭씨 온도(℃)
  2. 키(cm)
  3. 국가명
  4. 순위(등)

7. 순서척도의 예로 적합한 것은?

  1. 국가명
  2. 성별
  3. 음식의 매운 정도
  4. 주민등록번호

8. 간격척도의 예는?

  1. 키(cm)
  2. 체중(kg)
  3. 섭씨 온도
  4. ID 번호(℃)

9. 원시 데이터의 특징이 아닌 것은?

  1. 분석되지 않은 초기 데이터
  2. 수집된 상태 그대로의 데이터
  3. 가공된 후의 데이터
  4. 오류가 포함될 수 있는 데이터

10. 데이터의 분포정도를 나타내는 값은?

  1. 평균
  2. 중앙값
  3. 최빈값
  4. 표준편차
좌표계

1. 1차원 좌표계에서 변수의 값은 어떻게 표현되나요?

  1. 직선
  2. 점
  3. 면
  4. 공간

2. 도수분포도에서 이산형 변수는 어떻게 표현되나요?

  1. 선 그래프
  2. 막대 그래프
  3. 산점도
  4. 원 그래프

3. 간격척도에서 0은 무엇을 의미하나요?

  1. 존재의 부재
  2. 상태의 기준점
  3. 무한대
  4. 단순한 숫자

4. 비례척도의 0점은 무엇을 의미하나요?

  1. 상태의 기준점
  2. 존재의 부재
  3. 평균 값
  4. 기준 값

5. 2차원 직교좌표계에서 한 점은 어떻게 표현되나요?

  1. 하나의 좌표값
  2. 두 개의 좌표값
  3. 세 개의 좌표값
  4. 네 개의 좌표값

6. 2차원 극좌표계에서 좌표는 어떻게 정의되나요?

  1. 거리와 각도
  2. 두 개의 거리
  3. 각도와 높이
  4. 두 개의 각도

7. 3차원 좌표계에서 세 축은 어떻게 배치되나요?

  1. 평행으로
  2. 직각으로
  3. 대칭으로
  4. 비율적으로

8. 도수분포도의 연속형 변수는 어떻게 표현되나요?

  1. 막대그래프
  2. 선그래프
  3. 히스토그램
  4. 산점도

9. 2차원 산점도는 무엇을 시각화하는 데 주로 사용되나요?

  1. 개체의 속성
  2. 데이터의 빈도
  3. 각도의 차이
  4. 시간의 흐름

10. 2차원 직교좌표계의 두 축은 어떤 관계를 가지고 있나요?

  1. 서로 평행
  2. 서로 직각
  3. 서로 일치
  4. 서로 교차하지 않음
대표값

1. 중앙값을 대표값으로 많이 사용하는 이유는?

  1. 데이터의 평균이기 때문에
  2. 극단적인 값의 영향을 덜 받기 때문에
  3. 가장 자주 나타나는 값이기 때문에
  4. 모든 데이터 유형에 적용되기 때문에

2. 최빈값은 어떤 데이터를 나타내는 값인가요?

  1. 데이터의 평균 값
  2. 중앙에 위치한 값
  3. 발생 빈도가 가장 높은 값
  4. 상위 10%의 값

3. 극단적인 값에 의해 왜곡될 수 있는 대표값은?

  1. 중앙값
  2. 최빈값
  3. 평균
  4. 절사 평균

4. 절사평균이란 무엇인가요?

  1. 데이터의 중앙에 위치한 값
  2. 가장 자주 나타나는 값
  3. 상위와 하위 일부 데이터를 제외하고 계산한 평균
  4. 모든 데이터를 포함한 산술평균

5. 산술평균과 가중평균의 차이는 무엇인가요?

  1. 산술평균은 중앙값이고, 가중평균은 최빈값임
  2. 산술평균은 편향이 없고, 가중평균은 편향이 있음
  3. 산술평균은 특정 데이터를 제외하고 계산됨
  4. 산술평균은 각 값의 가중치가 동일, 가중평균은 다름

6. 정규분포에서 평균, 중앙값, 최빈값은 어떻게 나타나나요?

  1. 서로 다른 값
  2. 모두 동일한 값
  3. 중앙값만 다름
  4. 최빈값만 다름

7. 중앙값은 데이터가 짝수 개일 경우 어떻게 계산되나요?

  1. 가장 작은 값으로 선택함
  2. 두 중앙값 중 큰 값을 선택함
  3. 두 중앙값 중 작은 값을 선택함
  4. 두 중앙값의 평균을 구함

8. 데이터의 중심경향성을 나타내는 대표값이 아닌 것은?

  1. 분산
  2. 평균
  3. 중앙값
  4. 최빈값

9. 데이터의 분포에서 평균, 중앙값, 최빈값이 다른 경우는?

  1. 데이터가 정규분포를 이루는 경우
  2. 데이터가 편향되는 경우
  3. 데이터가 적은 경우
  4. 데이터가 많은 경우

10. 특이(극단)값의 영향을 가장 많이 받는 대표값은?

  1. 중앙값
  2. 평균
  3. 최빈값
  4. 절사평균
모델링
확률모델
새확률변수
통계모델
연구계획
확률변수

1. “로또복권의 등수”는 어떤 유형의 확률변수인가요?

  1. 이산형 확률변수
  2. 연속형 확률변수
  3. 범주형 확률변수
  4. 명목형 확률변수

2. 확률변수에서 확률을 표현하는 변수값의 집합은 무엇?

  1. 확률분포
  2. 지지집합
  3. 표본공간
  4. 기저사건

3. 동전을 던져서 나온 윗면의 확률변수값은?

  1. 0과 1
  2. 앞면과 뒷면
  3. 1과 2
  4. 흰색과 검은색

4. 베르누이 시행은 무엇을 의미하나요?

  1. 두 가지 결과만 가능한 시행
  2. 무한한 결과를 가진 시행
  3. 연속형 확률분포를 가진 시행
  4. 항상 100% 성공하는 시행

5. 동전 던지기에서 “앞 또는 뒷 면이 나오는 사건”의 확률은?

  1. 0
  2. 0.5
  3. 1
  4. 2

6. 범주형 확률변수의 예로 적합한 것은 무엇인가요?

  1. 주사위의 숫자
  2. 동전의 앞면과 뒷면
  3. 온도계의 온도
  4. 시간

7. 연속형 확률변수의 예로 적합한 것은 무엇?

  1. 동전 던지기의 결과
  2. 육각 주사위의 숫자
  3. 태양빛의 파장
  4. 로또 당첨 등수

8. 범주형 확률변수의 확률변수값은 어떤 속성을 나타내나요?

  1. 질적 속성
  2. 양적 속성
  3. 이산형 속성
  4. 연속형 속성

9. 연속형 확률변수의 확률분포를 표현하는 함수는?

  1. 확률질량함수와 이산균등함수
  2. 확률질량함수와 누적분포함수
  3. 확률밀도함수와 누적분포함수
  4. 확률밀도함수와 이산균등함수

10. 시행의 무한 반복 시, 시행결과의 평균은 무엇?

  1. 상수
  2. 기저사건
  3. 확률밀도
  4. 기대값
대응된 두 확률변수의 차이평균

1. 대응된 두 확률변수의 차이인 변수를 잘 표현한 것은?

  1. 상수
  2. 확률변수
  3. 표본분산
  4. 자유도

2. “대응된 두 확률변수의 차이”의 확률변수값은?

  1. 두 값의 곱
  2. 두 값의 합
  3. 두 값의 차
  4. 두 값의 비율

3. 대응된 두 확률변수값의 차이로 이루어진 표본의 분류는?

  1. 여러 모집단에서 추출한 표본
  2. 하나의 모집단에서 추출한 단일표본
  3. 독립표본 2개
  4. 독립표본 3개

4. 대응된 두 확률변수의 차이를 분석하는 방식의 설명은?

  1. 두 독립된 표본의 평균 차이를 분석하는 방법
  2. 두 표본의 쌍을 이루는 데이터의 차이를 분석하는 방법
  3. 각 표본의 비율을 비교하는 방법
  4. 두 변수 간의 상관관계를 분석하는 방법

5. 대응된 두 확률변수의 차이를 분석 시 표본크기는?

  1. 표본크기가 클수록 오차가 커진다
  2. 표본크기가 작을수록 신뢰도가 높아진다
  3. 표본크기가 클수록 추정의 정확성이 높아진다
  4. 표본크기는 분석에 영향을 미치지 않는다

6. 두 확률변수 차이의 기대값은 무엇?

  1. 두 모집단의 분산
  2. 두 모집단의 모평균의 차이
  3. 두 표본의 크기
  4. 두 표본의 비율

7. 대응된 두 확률변수의 차이를 분석하는 주요 목적은?

  1. 두 변수의 관계를 확인하기 위해
  2. 두 변수의 상관관계를 계산하기 위해
  3. 두 변수의 차이평균을 분석하기 위해
  4. 두 변수의 분산을 비교하기 위해

8. 대응된 두 확률변수 차이의 기대값에서 표본평균의 역할은?

  1. 분산의 측정
  2. 중앙값의 추정
  3. 모평균의 추정
  4. 확률변수의 생성

9. 대응된 두 확률변수 차이의 표본분산이 추정하는 것은?

  1. 모평균
  2. 모분산
  3. 확률변수
  4. 표본의 크기

10. 대응과 독립된 두 확률변수 차이의 분석이 다른 이유는?

  1. 대응표본은 쌍을 이루는 데이터이기 때문
  2. 대응표본은 독립적이지 않기 때문
  3. 대응표본은 항상 동일한 값을 갖기 때문
  4. 대응표본은 연속형 데이터이기 때문
표본평균의 표집분포

1. 표본평균 표집의 원소는 무엇?

  1. 모집단 평균
  2. 표본평균
  3. 모분산
  4. 표본표준편차

2. 표본평균을 이용하여 모평균을 추정할 때 사용하는 것은?

  1. 유의구간
  2. 신뢰구간
  3. 유의확률
  4. 임계값

3. 표본평균의 표준오차(Standard Error) 추정량의 분모는?

  1. 표본크기의 제곱근
  2. 모분산의 제곱근
  3. 표본평균의 제곱근
  4. 모평균의 제곱근

4. 표본평균으로 모평균 가설검정 시 비교하는 두 값은?

  1. 유의확률과 신뢰구간
  2. 표본평균과 신뢰수준
  3. 유의확률과 유의수준
  4. 모평균과 표본표준편차

5. 표본크기를 늘릴 때 표본평균 표집의 분산은?

  1. 커진다
  2. 변하지 않는다
  3. 작아진다
  4. 무한대로 커진다

6. 표본평균이 모집단 모평균에 대해 편향되지 않는 특성은?

  1. 일치성
  2. 유효성
  3. 불편성
  4. 효율성

7. 표본크기가 커질수록 표본평균이 모평균에 근접하는 특성은?

  1. 불편성
  2. 일치성
  3. 유효성
  4. 정규성

8. 신뢰수준이 높아지면 신뢰구간의 폭은 어떻게 되나요?

  1. 넓어진다
  2. 좁아진다
  3. 변하지 않는다
  4. 모평균에 따라 달라진다

9. 표본평균 표집의 표준편차는 무엇이라고 불리나요?

  1. 신뢰구간
  2. 표본분산
  3. 표준오차
  4. 모분산

10. 표본평균이 모평균의 효율적인 추정량이 되는 이유는?

  1. 표본평균이 항상 모평균과 같기 때문
  2. 표본크기를 늘리면 표본평균의 분산이 작아지기 때문
  3. 표본평균은 중앙값과 일치하기 때문
  4. 표본평균이 최빈값과 동일하기 때문
가설수립

1. 연구자가 실험에서 조작, 통제하는 변수는?

  1. 반응변수
  2. 독립변수
  3. 결과변수
  4. 종속변수

2. 독립변수와 종속변수 간의 관계가 없다고 주장하는 가설은?

  1. 귀무가설
  2. 대립가설
  3. 통제변수
  4. 혼란변수

3. 귀무가설(null hypothesis)은 무엇?

  1. 변수 간에 유의미한 관계가 있다고 가정하는 가설
  2. 변수 간에 유의미한 관계가 없다고 가정하는 가설
  3. 연구자가 채택하려고 하는 가설
  4. 연구를 통해 검증된 가설

4. 대립가설(alternative hypothesis)이란?

  1. 귀무가설을 기각할 때 채택되는 가설
  2. 변수 간에 유의미한 관계가 없다고 가정하는 가설
  3. 변수 간의 관계를 무시하는 가설
  4. 실험이 실패했을 때 채택되는 가설

5. 논리적 가설(logical hypothesis)은 무엇에 중점을 두나요?

  1. 수집한 데이터를 기반으로 한 검증
  2. 변수 간의 관계를 논리적으로 설명
  3. 통계적 분석을 통한 가설 검정
  4. 데이터를 통해 가설을 확증하는 방법

6. 변수가 세 개 이상인 경우의 가설은 무엇?

  1. 복합가설
  2. 통계적 가설
  3. 단순가설
  4. 논리적 가설

7. 가설 수립 시 중요한 초기 단계는 무엇?

  1. 질문과 답의 가치 검토
  2. 통계적 분석
  3. 실험설계
  4. 결론 도출

8. 연구가설(research hypothesis)은 무엇을 나타내나요?

  1. 연구자가 예측한 질문의 답
  2. 변수 간 관계의 부재
  3. 검증할 수 없는 가설
  4. 논리적으로만 설명되는 가설

9. 단순가설에서 독립변수와 종속변수의 수는요?

  1. 독립변수 1개, 종속변수 1개
  2. 독립변수 2개, 종속변수 1개
  3. 독립변수 1개, 종속변수 2개
  4. 독립변수 2개, 종속변수 2개

10. 통계적 가설의 신뢰도는 왜 100%로 설정할 수 없나요?

  1. 종속변수가 확률변수이기 때문
  2. 독립변수가 확률변수이기 때문
  3. 데이터의 양이 부족하기 때문
  4. 연구자의 신뢰도가 부족하기 때문
데이터분석
집단비교
관계비교
분포비교
대응된 두 집단의 모평균 비교: 대응표본 t검정

1. 대응표본 t검정에서 두 집단의 차이평균 검정의 변수는?

  1. 차이값
  2. 평균값
  3. 분산값
  4. 표준편차

2. 대응표본 t검정은 주로 어떤 경우에 사용되나요?

  1. 두 독립 집단의 평균을 비교할 때
  2. 두 대응된 집단의 평균을 비교할 때
  3. 여러 집단의 분산을 비교할 때
  4. 단일 집단의 중앙값을 검정할 때

3. 대응표본 t검정에서의 귀무가설은 무엇?

  1. 두 집단의 평균 차이는 0이다.
  2. 두 집단의 분산 차이는 0이다.
  3. 두 집단의 표준편차는 같다.
  4. 두 집단의 모수는 다르다.

4. 대응표본 t검정에서 새로운 확률변수는 무엇? 

  1. 독립된 두 집단의 표본 평균 편차
  2. 대응된 두 집단의 편차
  3. 대응된 두 집단의 모분산
  4. 대응된 두 집단의 표본 표준편차

5. 대응표본 t검정에서 새로운 확률변수의 기대값은?

  1. 두 집단의 표본평균의 합
  2. 두 집단의 모평균 차이
  3. 두 집단의 표준편차의 합
  4. 두 집단의 분산 차이

6. 대응표본 t검정에서 검정통계량을 구할 때 필요한 값은?

  1. 두 집단의 평균과 각 집단의 표본분산
  2. 대응된 두 집단의 차이값의 평균과 차이값의 표준편차
  3. 두 집단의 자유도와 모집단 표준편차
  4. 표본의 크기와 각 집단의 표본평균

7. 대응표본 t검정에서 귀무가설이 기각될 경우의 결론은?

  1. 두 집단의 평균 차이가 유의미하다.
  2. 두 집단의 분산이 동일하다.
  3. 두 집단의 표본이 독립적이다.
  4. 두 집단의 표본표준편차가 같다.

8. 대응된 집단에서 두 확률변수의 차이평균을 비교하는 이유는?

  1. 두 집단이 독립적으로 추출되지 않았기 때문
  2. 두 집단의 모분산이 같기 때문
  3. 두 집단의 표본분산이 다르기 때문
  4. 두 집단의 표본크기가 같기 때문

9. 대응표본 t검정에서 사용되는 표본분산의 계산은?

  1. 대응된 원소의 차이의 제곱을 모두 더한 후 자유도로 나눈 값
  2. 표본평균의 제곱근
  3. 표본분산의 두 배
  4. 표본크기와 표본평균의 곱

10. 대응표본 t검정에서 표본크기가 커질수록 검정통계량은?

  1. t분포에서 정규분포로 근사된다.
  2. t분포에서 카이제곱분포로 근사된다.
  3. 정규분포에서 t분포로 근사된다.
  4. 카이제곱분포에서 F분포로 근사된다.
두 연속형 확률변수의 상관계수 비교: 상관분석 t검정

1. 모평균의 점추정값은 무엇으로 계산되나요?

  1. 모분산
  2. 모표준편차
  3. 표본평균
  4. 표본분산

2. 공분산이 양수일 때, 두 변수 간의 관계는 어떤가요?

  1. 두 변수가 같은 방향으로 변화한다.
  2. 두 변수가 다른 방향으로 변화한다.
  3. 두 변수가 무관하다.
  4. 두 변수가 상관이 없다.

3. 피어슨 상관계수는 무엇을 나타내나요?

  1. 두 변수 간의 상관관계 방향과 강도
  2. 두 변수 간의 평균 차이
  3. 두 변수 간의 분산 차이
  4. 두 변수 간의 회귀 계수

4. 다음 중 공분산이 0이라는 것은 무엇을 의미하나요? *

  1. 두 변수 간에 선형상관관계가 없다.
  2. 두 변수 간에 강한 상관관계가 있다.
  3. 두 변수 간에 인과관계가 있다.
  4. 두 변수 간에 비선형관계가 있다

5. 표본피어슨상관계수의 표준오차를 구할 때, 필요한 정보는?

  1. 표본크기와 표본분산
  2. 모분산과 모평균
  3. 표본크기와 표본피어슨상관계수
  4. 표본평균과 표본표준편차

6. 결정계수(R²)란?

  1. 두 변수 간의 상관관계
  2. 회귀 모형의 적합도
  3. 표본평균 간의 차이
  4. 두 변수 간의 분산 비율

7. 상관계수가 -1인 경우, 두 변수 간의 관계는?

  1. 완벽한 양의 선형관계
  2. 완벽한 음의 선형관계
  3. 상관관계가 없다
  4. 비선형관계

8. 공분산이 두 변수 간의 관계를 나타낼 때, 상관계수는?

  1. 두 변수의 평균 차이
  2. 두 변수의 분산 비율
  3. 두 변수 간의 상관의 표준화된 정도
  4. 두 변수의 표준편차 차이

9. 표본피어슨상관계수는 무엇을 추정하기 위해 사용되나요?

  1. 표본분산
  2. 모상관계수
  3. 표본크기
  4. 모분산

10. 상관분석에서 귀무가설이란?

  1. 두 변수 간의 상관이 있다.
  2. 두 변수 간의 상관이 없다.
  3. 두 변수 간에 분산 차이가 있다.
  4. 두 변수 간의 회귀 계수 차이가 없다
교차표의 확률분포 비교: 교차분석 카이제곱검정

1. 교차분석이란 무엇을 분석하는 방법인가요?

  1. 두 개 이상의 연속형 변수
  2. 두 개 이상의 범주형 변수
  3. 두 개 이상의 독립변수
  4. 두 개 이상의 종속변수

2. 교차표에서 기대빈도수는 어떻게 계산되나요? 

  1. 관측빈도수를 이용하여 계산
  2. 행 합과 열 합의 곱을 총합으로 나눈 값
  3. 관측값의 평균
  4. 두 변수 간의 차이

3. 카이제곱검정에서 귀무가설은 무엇인가요?

  1. 두 변수는 독립이다.
  2. 두 변수는 종속이다.
  3. 두 변수 간의 상관관계가 있다.
  4. 두 변수의 평균이 같다.

4. 카이제곱검정에서 자유도는 어떻게 계산되나요?

  1. (행의 개수 – 1) * (열의 개수 – 1)
  2. (행의 개수) * (열의 개수)
  3. (행의 개수 + 열의 개수 – 2)
  4. (행의 개수 – 1) + (열의 개수 – 1)

5. 카이제곱검정에서 기대빈도수가 5보다 작을 경우의 방법은?

  1. 검정통계량을 재계산한다.
  2. 인접구간을 합친다.
  3. 구간수를 늘린다.
  4. 표본수를 줄인다.

6. 동일성검정에서 귀무가설이 기각될 경우는? 

  1. 두 변수의 분포가 동일하다.
  2. 두 변수의 분포가 동일하지 않다.
  3. 두 변수 간의 관계가 없다.
  4. 두 변수의 평균이 다르다.

7. 카이제곱검정에서 검정통계량은 어떻게 계산되나요?

  1. 관측빈도수와 기대빈도수의 차이의 합
  2. $\sum(\text{관측빈도수- 기대빈도수})^2/\text{기대빈도수}$
  3. 관측값과 예상값의 차이
  4. 관측값과 예상값의 비율

8. 교차분석에서 교차표 작성을 위해 필요한 데이터의 종류는?

  1. 연속형 데이터
  2. 범주형 데이터
  3. 비율형 데이터
  4. 순서형 데이터

9. 동일성검정과 독립성검정에서 공통인 검정방법은?

  1. F검정
  2. Z검정
  3. 카이제곱검정
  4. t검정

10. 카이제곱검정에서 유의수준이란?

  1. 두 변수 간의 상관계수
  2. 귀무가설이 기각될 확률
  3. 독립변수와 종속변수 간의 관계
  4. 두 변수의 표본평균 차이