반응형 과학 생물 천체 공학 수학67 심화·융합·사고력 특강 수학적 모델링 사례: 미분방정식으로 인구 예측 심화·융합·사고력 특강 수학적 모델링 사례: 미분방정식으로 인구 예측수학적 모델링은 현실 현상을 수학 방정식으로 옮겨 분석·예측하는 강력한 도구입니다. 그중 인구 변화 예측은 도시 계획·자원 관리·정책 결정 등 다양한 분야에서 핵심적인 과제입니다. 본 특강에서는 미분방정식을 활용해 인구 증가 과정을 모델링하는 과정을 단계별로 살펴봅니다.기본 가정·데이터 활용지수 성장 모델(Exponential Growth)제한적 성장 모델(Logistic Growth)파라미터 추정 및 실제 적용모델의 한계와 확장 방향이 흐름을 통해 미분방정식 설계 → 해석 → 검증의 전 과정을 체험하며, 융합적 사고력과 수학적 통찰력을 기를 수 있을 것입니다.인구 예측 모델의 기초 가정개체군 단위모집단 전체를 하나의 집단으로 간주하거나.. 2025. 6. 23. 통계적 가설검정 입문 (Z, t, χ²) 통계적 가설검정 입문 (Z, t, χ²)통계적 가설검정은 표본 데이터를 통해 모집단의 특성을 검증하는 핵심 도구입니다. 단순히 평균 차이를 눈으로 비교하거나 비율을 추정하는 수준을 넘어, “이 차이가 우연히 발생했을 확률은 얼마인가”를 수치로 판단하게 해 줍니다. 특히 Z검정, t검정, 카이제곱(χ²)검정은 각각 모분산이 알려진 경우, 모분산이 알려지지 않은 경우, 범주형 자료의 적합도 및 독립성 검정에 필수적입니다.이 글에서는 세 검정 방법의 가정·절차·계산식·해석 포인트를 순서대로 살펴보고, 실전에서 자주 범하는 오류를 방지하는 체크리스트를 제시합니다.1. 가설검정의 기본 개념귀무가설(H₀)검정의 출발점. “차이가 없다”, “효과가 없다” 등 기존 이론 또는 현 상태를 의미.대립가설(H₁)연구자가 증.. 2025. 6. 21. 표본·모집단 개념과 추정 원리 표본·모집단 개념과 추정 원리통계를 공부하다 보면 가장 먼저 마주치는 단어가 ‘모집단’과 ‘표본’입니다. 두 용어를 정확히 이해하지 못하면 이후에 등장하는 평균, 분산, 추정량, 가설 검정이 모두 모호해집니다.이번 글에서는 모집단과 표본의 차이를 명확히 짚고, 표본으로부터 모집단 특성을 추정하는 기본 원리를 체계적으로 설명합니다.모집단이란?정의연구자가 관심을 갖는 모든 관측 대상의 집합.예시서울시에 거주하는 전체 고등학생특정 브랜드 스마트폰 사용자 전원지난 10년간 국내 상장기업의 분기별 영업이익특징이론적으로 고정된 값(모수)을 가지고 있지만 대부분 관측 불가능크기가 너무 크거나, 시간·비용 제약으로 전수조사가 현실적이지 않음표본이란?정의모집단에서 선택한 일부 관측값의 모임으로, 실질적인 데이터 분석의 .. 2025. 6. 18. 이항분포·정규분포 근사 연계 완전 정리 이항분포·정규분포 근사 연계 완전 정리동전을 100번 던져 앞면이 55번 나올 확률을 정확하게 구하려면 이항분포 공식을 써야 합니다. 그런데 시행 횟수가 커질수록 팩토리얼 계산량이 폭발적으로 늘어나 실전 계산이 까다롭습니다. 이때 등장하는 해법이 정규분포 근사입니다. 18세기 드무아브르·라플라스가 발견한 이 아이디어는 이후 중앙극한정리(CLT)로 일반화되어 ‘대수의 법칙을 빠르게 써먹는’ 대표 기법이 되었습니다.이번 글에서는 다음 순서로 이항분포를 정규분포로 근사하는 방법을 완벽히 정리합니다.이항분포 기본 개념 리뷰정규 근사 성립 조건연속성 보정(continuity correction)단계별 계산 절차실전 예제 2개 풀어보기근사 오차 분석과 주의사항확장 - 포아송 근사·t분포 연결 고리1. 이항분포 복습.. 2025. 6. 16. 연속확률변수와 확률밀도함수 연속확률변수와 확률밀도함수“실수 전체 구간에서 값을 취하는 확률 변수는 어떻게 다룰까?”동전처럼 결과가 ‘앞면·뒷면’으로 딱 떨어지는 이산 모형과 달리, 키·몸무게·온도·시간처럼 값이 연속적으로 변하는 현상은 셀 수 없이 많습니다. 이때 필요한 개념이 연속확률변수(Continuous Random Variable)와 그 행동을 정밀하게 묘사하는 확률밀도함수(Probability Density Function, PDF)입니다.이번 글에서는 다음 흐름으로 연속확률모형을 완전 정리합니다.연속확률변수의 정의와 특징확률밀도함수의 성질누적분포함수와의 관계평균·분산·모멘트 계산 방법대표 분포 5종 완전 분석변수 변환과 합성 분포시각화·모델링 실전 팁자주 묻는 Q&A와 실수 방지 포인트글을 읽고 나면 ‘확률이 0인데 가.. 2025. 6. 13. 이산확률변수 평균·분산·모멘트 완전 정리 이산확률변수 평균·분산·모멘트 완전 정리이산확률변수는 결과가 셀 수 있는(정수형) 값으로 제한된 확률모형입니다. 동전 던지기, 주사위 눈, 결함품 개수, 웹 방문 횟수처럼 일상에서 자주 접하는 데이터가 대부분 이산형이기 때문에, 기초 통계에서 가장 먼저 배우는 영역이기도 합니다.이 글에서는 평균(기댓값), 분산, 모멘트를 중심으로 이산확률분포를 정리하고, 각 개념이 실전 분석에서 어떤 역할을 하는지를 살펴보겠습니다.1. 평균 - 분포의 ‘중심’을 한눈에정의$$\operatorname{E}[X]=\sum_{x}x;P(X=x)$$확률질량함수(PMF) 상 모든 값에 ‘확률 가중치’를 곱해 더한 값입니다.직관여러 번 실험했을 때 얻을 수 있는 장기적 평균.성질선형성: $\operatorname{E}[aX+b]=.. 2025. 6. 10. 독립·종속 사건과 베이즈 정리 독립·종속 사건과 베이즈 정리확률 문제를 어려워하는 가장 큰 이유는 사건 사이의 관계를 제대로 구분하지 못해서입니다. 두 사건이 독립인지 종속(의존)인지에 따라 계산식이 완전히 달라지고, 이를 잘못 판단하면 결과가 틀어집니다. 여기에 조건부 확률까지 얽히면 복잡도가 급격히 높아집니다. 이때 흐름을 단순화해 주는 것이 바로 베이즈 정리입니다.독립·종속 개념을 명확히 하고, 베이즈 정리로 정보를 업데이트하는 과정을 익히면 의학 통계·머신러닝·품질 관리 등 다양한 분야에서 문제를 해석할 수 있습니다.아래에서는독립 사건과 종속 사건의 정의독립성 판별 기법과 대표 예시종속 관계에서 조건부 확률 계산베이즈 정리 공식 유도와 직관실전 적용 사례와 실수 방지 포인트를 차례로 살펴봅니다.독립 사건이란?정의두 사건 A, .. 2025. 6. 8. 확률 기본 공식 완전 정리: 덧셈정리, 곱셈정리, 조건부확률 확률 기본 공식 완전 정리: 덧셈정리, 곱셈정리, 조건부확률확률 문제를 풀 때 공식은 단순히 ‘암기 과제’가 아니라 문제를 해석하고 구조화하는 언어입니다. 그중에서도 덧셈정리, 곱셈정리, 조건부확률은 모든 확률 계산의 뼈대가 되는 세 축입니다. 세 정리를 정확히 이해하면 초·중급 수준의 경우의 수 문제는 물론, 베이즈 정리나 통계적 독립성 같은 심화 개념도 쉽게 연결됩니다.이번 포스팅에서는 세 공식의 정의 → 직관 → 증명 스케치 → 실전 예제 → 실수 방지 포인트 순으로 정리해 드립니다.덧셈정리 - 합사건 확률의 계산1. 공식과 직관공식$$P(A \cup B)=P(A)+P(B)-P(A \cap B)$$직관두 사건 A, B가 동시에 일어나는 영역 $A \cap B$를 두 번 더하지 않도록 한 번 빼 준다.. 2025. 6. 5. 확률과 통계 경우의 수 완전 정리: 복합·배열·조합 노하우 확률과 통계 경우의 수 완전 정리: 복합·배열·조합 노하우경우의 수는 확률·통계 학습의 첫 관문이자, 수능·경시·코딩테스트까지 관통하는 핵심 도구입니다. 그런데 ‘순열·조합 공식만 외우면 끝’이라 생각했다가, 조건 · 중복 · 배치가 섞인 문제에서 막히는 경우가 많습니다.이번 글에서는 복합(combination of multiple stages)·배열(arrangement)·조합(combination)의 기본 공식을 재정리하고, 실전 노하우와 실수 방지 체크리스트를 함께 소개합니다. ─ 길지만 끝까지 읽고 나면, 복잡한 경우의 수 문제도 차분히 ‘쪼개고·세고·확인하는’ 습관이 자리 잡을 것입니다.1. 용어 클리어부터: 배열·조합·복합배열(순열, permutation)순서를 고려해 n개 중 r개를 배치하는.. 2025. 6. 3. 이전 1 2 3 4 5 ··· 8 다음 반응형
