Skip to main content
통계학의 이해 Ⅱ 이미지

통계학의 이해 Ⅱ




강좌 소개

수업내용/목표

이 강좌에서는 <통계학의 이해 Ⅰ>의 내용을 기반으로 통계적 추론의 기본원리를 알아보고 이를 기반으로 단일모집단 추론과 두 모집단의 비교 방법에 대해 알아봅니다. 또한 분산분석, 회귀분석, 범주형자료분석 과정의 원리 및 개념과 방법론을 이해함으로써 실생활에서 통계를 보다 적절하게 활용할 수 있도록 합니다.

강의 안내

강의 일정

- 수강신청기간: 2018년 11월 14일(수) ~ 2018년 12월 23일(일)
- 강좌운영기간: 2018년 11월 15일(목) ~ 2019년 1월 13일(일)
- 개강일: 2018년 11월 15일(목)

평가방법 및 이수 기준

- 매 주차 과제(연습문제) 100%
- 총점 60% 이상 시 이수증 발급

강좌 수준 및 선수요건

전공 심화 수준의 강의입니다.
통계학을 전공할 학생이나, 통계에 관심이 많은 분들이 수강하시면 도움이 되실 것입니다.
<통계학의 이해 Ⅰ>을 먼저 수강하신 후에 강의를 수강하시면 더 좋습니다.
매 주차 자료분석 실습을 위해 R을 사용합니다.

교재 및 참고문헌

여인권, 『통계학 (기본개념과 원리)』, 자유아카데미. 2016.

강좌 계획

강의계획서
주차 주차명 차시명 학습활동
1 통계적 추론의 개요 1 통계적 추론의 종류
추정법과 점추정량
구간추정과 신뢰구간
강의정리 및 실습 과제
2 통계적 추론의 개요 2 가설검정의 원리
검정통계량과 오류
유의수준의 검정력
유의확률(p-값)
강의정리 및 실습 과제
3 단일모집단 추론 모평균에 대한 통계적 추론
모평균 추론을 위한 표본크기 결정
모분산에 대한 통계적 추론
모비율에 대한 통계적 추론
모비율 기반 표본크기 결정
강의정리 및 실습 과제
4 두 모집단 비교 1 독립표본과 대응표본
모평균 비교(독립표본)-분산이 같은 경우
모평균 비교(독립표본)-분산이 다른 경우
모평균 비교-대응표본
강의정리 및 실습 과제
5 두 모집단 비교 2 모분산 비교
모비율 비교 1
모비율 비교 2
강의정리 및 실습 과제
6 분산분석 1 세 모집단 평균의 비교
분산분석에서의 주요 용어와 개념
고정효과 모형
변량효과 모형
강의정리 및 과제설명 과제
7 분산분석 2 분산분석표
분산분석 검진
다중비교
선형대비
강의정리 및 실습 과제
8 분산분석 3 이원배치 분산분석 모형
반복이 없는 이원배치
확률화 블록 배치
반복이 있는 이원배치
강의정리 및 실습 과제
9 회귀분석 1 회귀모형의 형태
단순선형회귀에서의 모수추정
회귀추론의 기본 이론
회귀계수(기울기)에 대한 통계적 추론
강의정리 및 실습설명 과제
10 회귀분석 2 절편에 대한 통계적 추론
예측값 평균에 대한 추론
새로운 예측값에 대한 추론
잔차검진
강의정리 및 실습 과제
11 회귀분석 3 다중회귀모형의 표시
분산분석과 t-검정
다중회귀모형에서의 주요 문제
변수선택
강의정리 및 실습 과제
12 범주형 자료 분석 범주형 자료란?
도수분포표와 적합도 검정
분할표와 동질성 검정
독립성 검정
기타 범주형 자료분석 방법
강의정리 및 실습 과제
13 총정리 및 마무리 단일모집단 추론, 두 모집단 비교, 범주형 자료분석
분산분석
회귀분석

강좌운영진 소개

교수자

담당교수 : 여인권 교수
현) 숙명여자대학교 통계학과 교수
- University of Wisconsin-Madison 통계학 박사
- 한국통계학회 교육이사
- 한국데이터정보과학회 학술이사
- 통계청 자체평가위원, 정책연구심의위원, 규제심사위원

강좌지원팀

학습 지원 : 강다영, 김윤정 조교
숙명여자대학교 대학원 통계학과 석사과정
E-mail : learning@sookmyung.ac.kr

관련 강좌

  1. major

    Natural Sciences
    (Mathematics, Physics, Astronomy & Geography)
  2. 강좌 내용의 어려운 수준을 의미합니다. 교양, 전공기초, 전공심화 순으로 난이도가 증가합니다.

    Course difficulty

    advanced
  3. 강좌를 개발하고 운영하는 기관입니다. 컨소시엄으로 운영 시, 대표기관의 명칭이 나타납니다

    univ_name

    SookmyungK
  4. 강좌의 구성 주차 수를 의미합니다. (강좌를 충실히 학습하기 위해 필요한 주당 학습시간을 의미합니다.)

    Course Week
    (Estimated Effort)

    13week
    (주당 03시간 00분)
  5. 본 강좌 이수자에게 인정되는 학습시간으로 해당 강좌의 동영상, 과제, 시험, 퀴즈, 토론 등의 시간을 포함합니다. (강의 내용과 관련된 동영상 재생 시간의 총 합계입니다.)

    Accredited learning time
    (Video Duration)

    33시간 00분
    (23시간 00분)
  6. 수강신청이 가능한 기간으로 해당 기간 내에만 수강신청이 가능합니다.

    Course Registration Period

    2018.11.14 ~ 2018.12.25
  7. 강좌가 운영되고 교수지원이 이루어지는 기간입니다. 이수증은 강좌운영기간이 종료된 이후에 발급받을 수 있습니다.

    Classes Period

    2018.11.15 ~ 2019.01.13