홈 > 강의소개
확률통계학
이은지 교수
경희대학교 대학원 경영학과 석사과정
경희대학교 대학원 경영학과 박사졸업
경희대학교 대학원 경영학과 석사과정
경희대학교 대학원 경영학과 박사졸업
경희대학교
경북대학교
현) 유니와이즈 전임교수
AI가 이끄는 스마트한 학습 경험, AI 튜터와 함께 더 빠르고, 더 깊게 학습하세요.
긴 강의 내용을 AI가 핵심만 요약하여 복습 시간을 단축시킵니다.
강의에서 가장 중요한 키워드와 개념을 자동으로 추출해 제공합니다.
학습한 내용을 바탕으로 AI가 생성한 퀴즈를 풀며 이해도를 점검합니다.
모르는 부분을 24시간 언제든 AI 튜터에게 질문하고 답변을 받습니다.
총 11개 챕터, 25강으로 구성되어 있습니다.
| 제목 | 강의시간 | 상세내용 |
|---|---|---|
|
[1강] 오리엔테이션
|
0:
03:
16
|
|
|
확률통계학 개론과 강의 커리큘럼 개요
• 확률통계학 기본 구조: 기술통계학·추론통계학 구분, 자료분석과 의사결정 도구로서의 역할 및 다양한 학문·실무 적용 영역 제시 • 확률·분포·표본 개념: 확률 기초, 이산·연속 확률분포와 표본·표본분포 구조를 통해 추정·가설검정의 이론적 기반 형성 • 추론 및 확장 기법: 추정·가설검정 중심 추론통계학과 카이제곱 검정·분산분석·회귀분석 등 확장 모형의 절차와 기능 개관 |
||
| 1장. 통계학과 자료분석 | ||
|
[2강] 위치측도와 산포측도
|
1:
06:
18
|
|
|
통계학 위치측도·산포측도 핵심 정리
• 통계학 기본 개념: 모집단·표본·모수·통계량 구분, 자료 유형(질적·양적)과 척도(명목·서열·등간·비율)에 따른 통계 분석 가능 범위 정리 • 위치측도: 산술평균·중앙값·최빈값·절사평균·조화평균·기하평균 정의와 계산법, 이상값 영향 및 분포 형태에 따른 대표값 관계 구조화 • 산포측도: 모분산·표본분산·표준편차·범위·사분위수·IQR 정의와 계산 절차, 자유도(n-1)와 불편추정 개념을 포함한 변동성 측정 체계 정리 |
||
|
[3강] 도표를 이용한 자료 정리
|
0:
27:
04
|
|
|
도표를 이용한 자료 정리 핵심 개념 정리(도수분포표·히스토그램·상자그림)
• 도수분포표·상대도수·줄기-잎 그림: 계급구간·도수·상대도수 계산 및 표 작성, 줄기·잎 분해를 통한 원자료 보존형 분포 정리 • 히스토그램·도수분포다각형: 계급구간-도수 기반 막대그래프와 상단 중심 연결 그래프를 이용한 분포 형태(대칭성·치우침·봉우리)의 시각적 파악 • 상자그림·사분위수·IQR·울타리: Q1·Q2·Q3와 IQR 계산, 안울타리·바깥울타리 산출을 통한 중심·산포·이상값·극단이상값 판별 및 시각화 |
||
| 2장. 확률의 기초개념 | ||
|
[4강] 확률 개념
|
0:
45:
30
|
|
|
확률의 기초 개념과 사상, 공리, 예제 정리
• 확률 기초 개념: 확률실험·표본공간·표본점·사상의 정의와 기술통계·추론통계를 연결하는 확률의 역할 정리 • 사건과 집합 구조: 사상의 종류 및 합집합·교집합·차집합·여사건·배반사건과 벤다이어그램을 이용한 사건 관계 표현 및 포함-배제 구조 정리 • 수학적 확률과 공리: 수학적 확률 정의, 확률 공리와 여사건·합집합 공식 등 기본 성질, 주사위·가중 확률 예제에서 합집합·교집합·여사건 계산 절차 적용 정리 |
||
|
[5강] 확률의 법칙, 조건부확률
|
0:
31:
26
|
|
|
확률의 법칙, 조건부확률, 독립사건 핵심 정리
• 경우의 수·순열·조합: 팩토리얼 기반 순열 nPr, 조합 nCr 정의와 공식, 순서 고려 여부에 따른 경우의 수 계산 구조 정리 • 조건부확률·곱의 법칙: 조건부확률 P(B|A)=P(A∩B)/P(A) 정의와 의미, 이를 활용한 곱의 법칙 및 다단계 사건에 대한 일반화된 고배법칙 정리 • 독립사건: 독립성 정의와 판정 조건 P(A|B)=P(A), P(B|A)=P(B), P(A∩B)=P(A)P(B), 여집합과의 독립 관계 및 실제 비율 데이터에서의 독립·종속 판단 구조 정리 |
||
|
[6강] 베이즈 정리
|
0:
25:
11
|
|
|
베이즈 정리와 전확률 정리 핵심 정리 및 예제 정리
• 전확률의 정리: 표본공간 분할과 조건부확률 곱법칙을 이용해 사건 전체 확률을 부분 사건들의 가중합으로 표현하는 원리와 계산 구조 정리 • 베이즈 정리: 전확률 정리와 곱법칙을 결합해 사전확률을 관측 정보 기반 사후확률로 갱신하는 역방향 조건부확률 계산 원리 정리 • 확률 기초 개념: 표본공간·사건·조건부확률·독립성 개념과 수형도·몬티홀·불량률 예제를 통한 전확률·베이즈 정리의 의사결정 응용 구조 정리 |
||
| 3장. 확률변수와 확률분포 | ||
|
[7강] 확률변수와 확률분포 (1)
|
1:
03:
38
|
|
|
확률변수와 확률분포: 이산·연속, 기댓값·분산 정리
• 확률변수·확률분포·유형: 표본공간에서 실수로 가는 함수 정의, 이산·연속 확률변수 구분, PMF·PDF·CDF의 정의와 성질(비감소성·적분·합이 1, 점확률 0 등) 체계 정리 • 누적분포함수와 구간확률: 이산·연속 CDF의 수식 표현, PMF/PDF와의 관계, 구간확률 계산식 P(a |
||
|
[8강] 확률변수와 확률분포 (2)
|
0:
48:
57
|
|
|
결합확률분포, 주변/조건부분포, 공분산과 상관계수 정리
• 결합분포·주변·조건부분포: 이산·연속형 결합확률(밀도)함수 정의, 주변분포(합·적분)와 조건부분포/조건부밀도 도출, 결합분포를 곱 $f_{X,Y}=f_X f_Y$와 비교한 독립성 판정 구조 정리 • 연속형 결합밀도와 확률 계산: 정규화 조건 검증, 정사각형·삼각형 영역 등에서 이중적분으로 확률·주변밀도·조건부밀도 계산, 기하적 영역 설정을 통한 $P(X>1)$, $P(X+Y\le c)$ 구하는 절차 정리 • 공분산과 상관계수: $Cov(X,Y)=E(XY)-E(X)E(Y)$, $Var(X\pm Y)$ 공식, 독립성과 무상관 관계, 상관계수 $\rho=\dfrac{Cov}{\sigma_X\sigma_Y}$의 범위·해석·표준화 의미 및 이산형 예제 기반 계산 절차 정리 |
||
| 4장 이산확률분포 | ||
|
[9강] 이산형 균일분포, 베르누이분포, 이항분포
|
0:
41:
01
|
|
|
베르누이분포와 이항분포 핵심 정리, 평균·분산 및 예제 풀이
• 이산형 균등분포·베르누이 분포: 이산균등분포 정의와 pmf·평균·분산 공식, 베르누이 시행과 베르누이 분포(성공확률 p, pmf, 평균 p, 분산 pq) 구조 정리 • 이항분포 구조와 특성: 독립 베르누이 시행 n회의 성공 횟수 분포 B(n,p)의 정의, pmf(조합항 포함), 평균 np·분산 npq 유도와 해석 • 이항모형 적용과 표 사용: 동전·주사위·불량률·생존율 사례에서 모형 설정(p,q,n, 성공 정의)과 P(X=x), P(X≤a), P(X≥a) 계산, 이항분포표·누적분포표 구분 및 변형 활용 방법 정리 |
||
|
[10강] 포아송분포, 초기하분포
|
0:
34:
29
|
|
|
포아송분포와 초기하분포 핵심 개념 및 예제 정리
• 포아송분포·포아송과정: 단위 시간·공간에서 드문 사건 발생 횟수 분포 $X\sim P(\lambda)$ 정의, 포아송과정 가정, 확률질량함수 $P(X=x)=\frac{\lambda^x e^{-\lambda}}{x!}$와 평균·분산 모두 $\lambda$ 특성 및 시간·공간 확장·독립 포아송합 성질 정리 • 초기하분포 구조: 유한모집단 크기 $N$에서 성공 $R$개를 비복원추출로 표본 $n$개 선택 시 성공 개수 분포 $X\sim H(N,R,n)$ 정의, 확률질량함수 $P(X=x)=\dfrac{\binom{R}{x}\binom{N-R}{n-x}}{\binom{N}{n}}$와 이항분포와의 차이인 시도 종속성 개념 정리 • 초기하분포 모수 관계: 평균 $E(X)=n\frac{R}{N}$, 분산 $Var(X)=n\frac{R}{N}\left(1-\frac{R}{N}\right)\frac{N-n}{N-1}$(유한수정계수 포함) 구조와 표본비율이 작을 때 이항분포 $Bin(n,p),\ p=\frac{R}{N}$로 근사하는 조건 및 활용 관계 정리 |
||
|
[11강] 기하분포, 음이항분포
|
0:
31:
07
|
|
|
기하분포와 음이항분포의 정의, pmf, 평균과 분산
• 기하분포·음이항분포 정의: 베르누이 시행 반복에서 처음 성공까지 시행횟수(기하, X∼G(p))와 r번째 성공까지 시행횟수(음이항, X∼NB(r,p))를 다루는 이산분포 구조 정리 • 기하·음이항분포 특성: 확률질량함수 P(X=x)=pq^{x-1}, P(X=x)=\binom{x-1}{r-1}p^{r}q^{x-r}와 기댓값·분산 E_G(X)=1/p, Var_G(X)=q/p^{2}, E_{NB}(X)=r/p, Var_{NB}(X)=rq/p^{2}의 유도 원리 및 계산 절차 정리 • 이산분포 비교 구조: 베르누이·이항·초기하·기하·음이항·포아송 분포 간 시행 독립성, 관찰 대상(성공횟수 vs 시행횟수), 시간·공간 조건에 따른 모형 선택 기준 및 매개변수 역할 개관 |
||
| 5장. 연속확률분포 | ||
|
[12강] 연속형 균일분포, 정규분포
|
1:
23:
33
|
|
|
정규분포와 표준정규분포, 이항·포아송의 정규근사 핵심 정리
• 연속형 균일분포·정규분포 기초: 연속균등분포 U(a,b)의 pdf·평균·분산 공식과 예제, 정규분포 N(μ,σ²)의 정의·모양·평균·분산 및 표준정규분포 N(0,1)로의 표준화(Z-변환) 구조 정리 • 표준정규분포 활용 및 중심극한정리: 표준정규분포표·누적분포·대칭성·꼬리확률 계산법, 두 정규변수의 합·차 분포, 중심극한정리를 통한 표본평균의 정규근사와 정규분포 역문제(상한선·합격선) 해법 절차 • 이항·포아송의 정규근사와 연속성 수정: 이항분포 B(n,p)→N(np,npq), 포아송분포 Poisson(λ)→N(λ,λ) 근사 조건, Z-표준화와 경계 ±0.5 연속성 수정, 실제 확률 근사 계산 및 출제 포인트 요약 |
||
|
[13강] 지수분포
|
0:
36:
36
|
|
|
지수분포 핵심 정리 및 포아송분포와의 관계
• 지수분포·기본 성질: 밀도함수·분포함수 정의, 평균 1/λ·분산 1/λ²·비기억성 및 생존함수 S(x)=e^{-λx}·위험률 h(x)=λ 구조 이해 • 포아송–지수 관계: 포아송분포의 단위시간당 평균 사건수 λ와 첫 사건까지 대기시간의 지수분포 Exp(λ) 역관계, 사건 수↔사건 간 시간 연결 • 수명·고장·대기시간 응용: 기계 고장시간·말기암 생존시간·교통사고 발생 간격·다수 부품 신뢰도(이항 결합) 등 조건부 확률·최소 생존·잔여수명 문제 해결 |
||
|
[14강] 감마분포
|
0:
21:
39
|
|
|
감마분포, 지수분포, 카이제곱분포의 관계와 예제 정리
• 감마함수와 감마분포 개념: 감마함수 정의·재귀성·팩토리얼 연속확장(Γ(n)=(n−1)!)을 기반으로 한 감마분포 pdf 구조와 모수 의미(α: 사건 수, β: 시간 간격) 정리 • 감마분포와 지수·카이제곱분포 관계: Exp(λ)≡Γ(1,1/λ), χ²(r)≡Γ(r/2,2) 모수 대응, 평균·분산(E=αβ, Var=αβ²) 및 독립 지수·카이제곱합의 감마·카이제곱 분포 귀속 구조 정리 • 감마·카이제곱분포 활용 예제: 대기시간·응답시간 모형에서 감마분포 적용, pdf 도출·기댓값·구간확률 적분 계산, 자유도 합에 따른 카이제곱분포 변환과 임계값(상위 분위수) 활용 문제 구조 정리 |
||
|
[15강] 카이제곱분포, t분포, f분포, 로그정규분포, 웨이브분포, 베타분포
|
0:
52:
09
|
|
|
카이제곱·t·F·로그정규·웨이블·베타분포 핵심 정리
• 카이제곱·t·F분포: 정규·감마 분포에서 유도되는 분포로 자유도 개념, 정의(χ²: 제곱합, t: Z/√(χ²/n), F: χ²비율), 비대칭·좌우대칭 모양, 우측 꼬리 기준 임계값 χ²α(v), tα(v), fα(v) 해석 정리 • 로그정규·웨이블분포: 로그정규는 ln X가 정규분포인 양의 실수형 자료 분포(금액·규모)로 pdf, 평균·분산 공식 및 Φ 변환을 통한 확률 계산; 웨이블은 형상·척도 모수 기반 수명·신뢰성 모형으로 pdf, CDF·생존함수·위험률 h(x)와 α에 따른 증가/감소 위험률 구조, 평균·분산 정리 • 베타분포: [0,1] 구간 비율 데이터(불량률·지지율·만족도 등) 모형으로 pdf와 베타함수 B(α,β), 평균·분산 공식, 균등분포 특수 경우(α=β=1), 적분을 이용한 구간 확률 계산 구조 정리 |
||
| 6장. 확률표본과 표본분포 | ||
|
[16강] 확률표본과 표본분포
|
0:
37:
12
|
|
|
확률표본과 표본분포, 중심극한정리 핵심 정리
• 모집단·표본·모수·통계량: 모집단 특성을 모수(μ, σ²)로, 표본에서 계산되는 표본평균 \(\bar X\), 표본분산 \(S^2\) 등 통계량으로 구분하여 모수 추정의 기초 구조를 설정 • 확률표본·표본분포·표준오차: 독립·동일분포 확률표본에서 정의되는 표본평균의 분포를 표본분포라 하고, \(E(\bar X)=\mu,\ Var(\bar X)=\sigma^2/n,\ SE(\bar X)=\sigma/\sqrt{n}\) 성질을 이용해 평균의 변동성 및 두 집단 평균차 분포를 정규근사로 계산 • 중심극한정리와 정규분포 응용: 모집단 분포와 무관하게 표본크기 \(n\)이 충분히 크면 \(\bar X \approx N(\mu,\sigma^2/n)\)을 따르는 중심극한정리를 기반으로, 전구 수명·시험 점수 등에서 모분포와 표본평균 분포를 구분해 Z-값으로 표준화하여 확률과 검정 문제를 풀이하는 절차 정리 |
||
|
[17강] 포본분산의 분포와 표본비율의 분포
|
0:
35:
15
|
|
|
Summary Content:
• 표본분산·표본평균의 분포: 정규모집단에서 표본분산이 카이제곱분포를 따르고 표본평균과 독립임을 이용해 t분포를 정의하고, 두 집단에서는 합동표본분산과 카이제곱분포·F분포를 통해 분산 추정·분산비 검정 구조를 정리함 • 정규분포 응용: 정규모집단에서 표본평균의 분포와 표준화를 이용해 평균에 대한 확률 계산 및 예제 풀이 절차를 정규분포·표준정규분포 문제로 환원하는 방법을 정리함 • 표본비율과 정규근사: 베르누이·이항모형에서 정의된 표본비율의 분포와 평균·분산, 중심극한정리에 기반한 정규근사 조건(np,nq≥5) 및 단일·두 표본비율 차이의 정규근사와 표준화 공식을 통해 비율 데이터 해석 구조를 제시함 |
||
| 7장. 추정 | ||
|
[18강] 추정 (1)
|
1:
04:
26
|
|
|
추정 이론과 모평균·두 모평균 차의 신뢰구간 정리
• 추정 이론 및 점추정량 특성: 추론통계학에서 점추정·구간추정 개념과 통계량·모수 관계 정리, 좋은 점추정량의 조건(불편성·유효성(MVUE)·일치성)과 평균제곱오차(MSE=분산+편의²)를 통한 추정량 성능 평가 • 신뢰구간 일반 구조: 구간추정·신뢰구간·신뢰수준 정의와 표본평균 표준화 원리 정리, 정규분포·중심극한정리 기반 Z·t 분포 선택 기준(모분산 정보 유무·표본크기)에 따른 모평균 신뢰구간 공식 및 오차한계 구조화 • 두 모평균 차 신뢰구간: 독립 두 정규모집단 간 모평균 차 추정에서 모분산을 아는 경우 Z 기반 신뢰구간과 모르는 경우(분산 동일 가정) 합동분산 Sp²·자유도 n+m-2를 이용한 t 신뢰구간 공식 및 표준오차·오차한계 계산 절차 정리 |
||
|
[19강] 추정 (2)
|
1:
03:
02
|
|
|
모비율·모분산 신뢰구간과 표본크기 결정 핵심 정리
• 모비율·두 모비율 차 추정: 이항분포의 정규근사를 이용해 표본비율 분포를 정규분포로 근사하고, z값 기반 신뢰구간과 구간 길이식으로 단일·두 집단 모비율의 신뢰구간 및 필요한 표본크기 계산 • 모분산·두 모분산 비 추정: 정규모집단에서 카이제곱분포와 F분포를 이용해 모분산·분산비의 신뢰구간을 구성하고, 자유도·분위수(좌우 교환·역수 관계 포함)를 설정하는 절차 정리 • 신뢰구간·표본크기 일반 구조: 모평균·두 모평균 차·모비율·두 모비율 차에서 모분산의 알려짐 여부에 따라 z분포·t분포·카이제곱분포·F분포를 구분 적용하고, 각 신뢰구간 길이·오차한계 식을 n에 대해 풀어 실험·조사의 최소 표본크기 결정 구조 정리 |
||
| 8장. 가설검정 | ||
|
[20강] 가설검정 (1)
|
1:
05:
46
|
|
|
가설검정의 기본 개념과 단일 모평균 검정 정리
• 통계적 가설검정 구조: 귀무가설·대립가설, 검정통계량, 기각역·p-value, 제1종 오류(α)·제2종 오류(β)·검정력(1-β) 관계와 5단계 검정 절차, 단측·양측검정 구분 정리 • 단일 모평균 Z검정: 모분산을 알고 정규분포(또는 큰 표본) 가정하에 표본평균을 표준화한 Z통계량으로 단측·양측 가설에 대한 기각역·p-value·신뢰구간 기반 판정 방법 정리 • 단일 모평균 t검정: 모분산 미지·정규모집단 가정에서 표본표준편차와 t분포를 이용한 검정통계량, 자유도, 단측·양측 t검정 및 신뢰구간과 가설검정의 등가 관계 정리 |
||
|
[21강] 가설검정 (2)
|
0:
32:
43
|
|
|
두 모평균 차이의 검정: 분산 정보에 따른 Z/t 및 쌍체비교
• 두 모평균 차이 Z검정: 두 독립 모집단에서 모분산을 알고 정규근사로 두 표본평균 차이 분포를 사용하여 Z통계량, 기각역, 양측·단측 검정 절차로 모평균 차이를 검정함 • 두 모평균 차이 t검정: 모분산 미지 시 등분산 가정(pooled t)·이분산 가정(Welch t)으로 나누어 합동분산 또는 분산항 합과 근사 자유도를 이용해 t통계량과 기각역을 설정해 두 독립 모평균 차이를 검정함 • 대응표본(쌍체비교) t검정 및 절차: 짝지어진 관측쌍의 차이변수에 대한 일표본 t검정을 적용하고, 가설 설정–유의수준·기각역 결정–통계량 선택·계산–의사결정의 5단계를 통해 독립/대응, 등분산/이분산 조건에 맞는 검정 방법을 선택함 |
||
|
[22강] 가설검정 (3)
|
0:
40:
10
|
|
|
단일·두 모비율, 단일·두 모분산 가설검정 정리
• 모비율 가설검정(Z검정): 단일 모비율·두 모비율 차이에 대해 이항분포 정규근사, 표본비율과 (합동)모비율 추정량을 이용한 Z검정통계량과 단측·양측 기각역·p-value 해석 정리 • 모분산 가설검정(카이제곱·F검정): 정규분포 가정 하에서 단일 모분산은 카이제곱분포, 두 모분산 비교는 F분포를 사용하여 자유도에 따른 검정통계량, 비대칭 분포의 임계값·기각역 설정 및 분산 동질성 검정 절차 정리 • 가설검정 공통 절차: 모수에 대한 귀무·대립가설 설정, 유의수준 및 기각역 결정, 해당 분포(Z, t, χ², F)의 검정통계량 계산, p-value와 신뢰구간을 이용한 $H_0$ 채택·기각 기준을 5단계로 체계화 정리 |
||
| 9장. 카이제곱 검정 | ||
|
[23강] 카이제곱분포를 이용한 검정
|
0:
53:
09
|
|
|
카이제곱 검정: 적합도·독립성·동질성 요약
• 카이제곱 분포와 검정 구조: 표준정규제곱합 분포·자유도 개념·공통 통계량 \( \chi^2 = \sum (O-E)^2/E \)와 우측단측검정·귀무가설 채택 시 모형 적합 해석 정리 • 적합도 검정: 한 모집단 범주별 관측도수와 이론분포 \(p_i\) 비교·기대도수 \(E_i = np_i\)·자유도 \(k-1\)·가설·검정·의사결정 5단계 절차 구조화 • 독립성·동질성 검정: r×c 분할표에서 기대도수 \(E_{ij} = \dfrac{(\text{행합})(\text{열합})}{\text{총합}}\)·자유도 \((r-1)(c-1)\)·독립성은 한 모집단 내 두 변수 독립 여부, 동질성은 여러 모집단의 분포 동일 여부 검정 구조 정리 |
||
| 10장. 분산분석 | ||
|
[24강] 분산분석
|
0:
50:
05
|
|
|
분산분석(ANOVA) 일원·이원배치 핵심 개념 정리
• 실험계획·기본 용어: 인자·수준·반복·처리 정의와 실험조건 설계 원리, 분산분석 적용을 위한 자료 구조 이해 • 일원배치 분산분석: 한 인자 모형과 제곱합(SST, SSTr, SSE) 분해, 자유도·ANOVA표 작성, F검정을 통한 수준별 평균 차이 검정 절차 • 이원배치 분산분석(반복 없음): 두 인자 모형과 제곱합(SSA, SSB, SSE) 분해, 각 인자 효과에 대한 ANOVA표와 F검정으로 온도·원료 등 인자 효과 유의성 평가 |
||
| 11장. 회귀분석 | ||
|
[25강] 회귀분석
|
0:
55:
06
|
|
|
단순 선형회귀 분석: 모형, 추정, 신뢰구간과 검정, 적합도
• 단순선형회귀모형: $Y=\beta_0+\beta_1X+\varepsilon$ 정규오차 가정 하에서 독립·종속변수의 선형 함수관계 설정 및 회귀식 의미 규정 • 최소제곱 추정과 추론: 잔차제곱합 최소를 통한 $\hat{\beta}_0,\hat{\beta}_1$ 추정, 분산추정량 $S^2$ 기반 회귀계수·평균반응·새 관측값에 대한 신뢰구간과 가설검정·예측구간 구성 • 적합도와 결정계수: 총제곱합 분해 $SST=SSR+SSE$ 구조 정리 및 결정계수 $R^2=SSR/SST=1-SSE/SST$로 회귀모형 설명력과 적합도 평가 |
||
이은지 교수님
확률통계학
