ADsP 40회 기출 복원

📝 기출문제 전체 보기

데이터분석 준전문가(ADsP) 2024년 40회차 기출 복원입니다. 각 문제 아래의 「정답·해설 보기」를 펼치면 정답과 해설이 나타나요. 실전 시험 환경(타이머·자동 채점·오답 누적)에서 풀어보고 싶다면 글 맨 아래 「직접 풀러가기」를 눌러주세요.

1. 문제 1

   4지선다

   다음 중 기업의 전략 도출을 위한 가치 기반 분석과 관련된 설명으로 옳지 않은 것은?

   • 1.

     핵심적인 비즈니스 이슈에 답을 주는 분석은 기업의 경쟁 전략과 밀접하게 연관된다.

   • 2.

     다양한 대량의 데이터를 수집, 분석하여 새로운 정보나 인사이트를 도출하고, 이를 기반으로 비즈니스 가치를 창출하는 것이 중요하다.

   • 3.

     전략적 분석과 통찰력의 창출은 빅데이터 프로젝트에서 핵심적인 역할을 한다.

   • 4.

     기존 성과를 유지하고 업계를 따라잡는 것이 전략적 가치 기반 분석의 가장 중요한 목표이다.

   정답·해설 보기▾▴

   정답

   4번

   기존 성과를 유지하고 업계를 따라잡는 것이 전략적 가치 기반 분석의 가장 중요한 목표이다.

   해설

   정답: 4. 가치 기반 분석은 단순히 기존 성과를 유지하거나 업계를 따라잡는 데 목표를 두지 않고, 차별화된 통찰과 새로운 가치를 창출해 경쟁 우위를 확보하는 데 목적이 있다. ‘따라잡기’를 가장 중요한 목표로 본 4번은 옳지 않다.

   오답 풀이

   • 1번: 핵심 비즈니스 이슈에 답하는 분석은 경쟁 전략과 직결되므로 옳다.
   • 2번: 대량 데이터에서 인사이트를 도출해 비즈니스 가치를 창출하는 것은 가치 기반 분석의 핵심이다.
   • 3번: 전략적 분석·통찰 창출은 빅데이터 프로젝트의 핵심 역할이므로 옳다.
   • 4번: 현상 유지·추격을 최우선 목표로 본 것은 가치 창출이라는 본질과 어긋난다.

   보충 개념 전략적 가치 기반 분석은 ‘무엇을 분석할지(전략적 통찰)’를 먼저 정의하고, 분석을 통해 경쟁사가 모방하기 어려운 차별적 가치를 만드는 데 초점을 둔다.

2. 문제 2

   4지선다

   빅데이터 분석 활용의 효과 예시로 가장 옳지 않은 것은?

   • 1.

     운송 비용의 절감

   • 2.

     상품 개발과 조립 비용의 절감

   • 3.

     서비스 산업의 확대와 제조업의 축소

   • 4.

     새로운 수익원의 발굴 및 활용

   정답·해설 보기▾▴

   정답

   3번

   서비스 산업의 확대와 제조업의 축소

   해설

   정답: 3. 빅데이터 활용은 비용 절감, 수익원 발굴 등 구체적 가치 창출 효과를 가져온다. ‘서비스 산업 확대와 제조업 축소’는 빅데이터 분석의 효과 예시가 아니라 산업 구조 변화에 대한 일반적 서술로, 분석 활용 효과로 보기 어렵다.

   오답 풀이

   • 1번: 경로·물류 최적화를 통한 운송 비용 절감은 대표적 활용 효과이다.
   • 2번: 수요 예측·설계 최적화로 상품 개발·조립 비용을 줄이는 것도 활용 효과이다.
   • 3번: 산업 간 비중 변화는 분석 활용의 직접 효과가 아니므로 옳지 않다.
   • 4번: 데이터 기반 신규 서비스·신사업으로 새로운 수익원을 발굴하는 것은 핵심 효과이다.

   보충 개념 빅데이터의 가치 창출 방식은 비용 절감, 시간 절약, 의사결정 고도화, 새로운 수익원 창출, 위험 감소 등으로 정리할 수 있다.

3. 문제 3

   4지선다

   데이터베이스의 일반적인 특징으로 옳지 않은 것은?

   • 1.

     데이터베이스는 다수가 공동으로 이용하는 공용 데이터이다.

   • 2.

     데이터베이스는 응용프로그램의 종속성을 가진다.

   • 3.

     데이터베이스는 컴퓨터가 접근 가능한 저장매체에 데이터를 저장한다.

   • 4.

     데이터베이스는 동일한 내용의 데이터가 중복되지 않는 통합 데이터이다.

   정답·해설 보기▾▴

   정답

   2번

   데이터베이스는 응용프로그램의 종속성을 가진다.

   해설

   정답: 2. 데이터베이스는 응용프로그램과 데이터를 분리해 ‘데이터 독립성(independence)’을 제공하는 것이 핵심 특징이다. 응용프로그램에 종속된다는 설명은 데이터베이스 이전의 파일 시스템 문제점에 해당하므로 옳지 않다.

   오답 풀이

   • 1번: 여러 사용자가 함께 이용하는 공용(공유) 데이터는 데이터베이스의 특징이다.
   • 2번: 데이터베이스는 응용프로그램으로부터 독립적이므로 ‘종속성’ 서술은 틀렸다.
   • 3번: 컴퓨터가 접근 가능한 저장매체에 저장되는 저장 데이터의 특징을 옳게 서술했다.
   • 4번: 중복을 배제한 통합 데이터의 특징을 옳게 서술했다.

   보충 개념 데이터베이스의 4대 특징은 통합 데이터, 저장 데이터, 공용(공유) 데이터, 운영 데이터이며, 데이터 독립성으로 응용프로그램과 데이터를 분리한다.

4. 문제 4

   4지선다

   다음 중 기업 내부 데이터베이스 솔루션으로 알맞지 않은 것은?

   • 1.

     ERP

   • 2.

     ITS

   • 3.

     SCM

   • 4.

     CRM

   정답·해설 보기▾▴

   정답

   2번

   ITS

   해설

   정답: 2. ITS(Intelligent Transport System, 지능형 교통 시스템)는 사회 기반 인프라(교통) 솔루션이지 기업 내부 업무용 데이터베이스 솔루션이 아니다.

   오답 풀이

   • 1번: ERP(전사적 자원관리)는 기업 내부 자원을 통합 관리하는 솔루션이다.
   • 2번: ITS는 교통 분야 공공 인프라 시스템으로 기업 내부 솔루션이 아니다.
   • 3번: SCM(공급망 관리)은 조달·생산·물류를 관리하는 기업 솔루션이다.
   • 4번: CRM(고객관계관리)은 고객 데이터를 관리·분석하는 기업 솔루션이다.

   보충 개념 기업 내부 데이터베이스의 대표 솔루션으로는 ERP, SCM, CRM, KMS(지식관리시스템) 등이 있으며, 이들은 OLTP·OLAP·DW 등과 연계되어 운영된다.

5. 문제 5

   4지선다

   데이터 특징에 대한 설명 중 옳지 않은 것은?

   • 1.

     데이터는 객관적 사실이다.

   • 2.

     데이터는 추론과 추정의 근거를 이루는 사실이다.

   • 3.

     데이터의 최소단위는 바이트로 0과1의 이진수 하나로 이루어져 있다.

   • 4.

     단순한 객체로서의 가치와 다른 객체와의 상호 관계 속에서 가치를 갖는다.

   정답·해설 보기▾▴

   정답

   3번

   데이터의 최소단위는 바이트로 0과1의 이진수 하나로 이루어져 있다.

   해설

   정답: 3. 0과 1의 이진수 하나로 이루어진 정보의 최소단위는 ‘비트(bit)’이며, 바이트(byte)는 8비트로 이루어진다. 최소단위를 바이트라 한 3번은 옳지 않다.

   오답 풀이

   • 1번: 데이터는 가공 전의 객관적 사실(존재적 특성)이라는 설명은 옳다.
   • 2번: 데이터는 추론·추정·예측의 근거가 되는 사실(당위적 특성)이라는 설명은 옳다.
   • 3번: 0/1 하나의 최소단위는 비트이므로 ‘바이트’라는 서술이 틀렸다.
   • 4번: 데이터는 그 자체의 가치와 다른 데이터와의 관계 속에서의 가치를 함께 갖는다.

   보충 개념 데이터는 존재적 특성(객관적 사실)과 당위적 특성(추론의 근거)을 가지며, 정보 저장 단위는 비트(bit) < 바이트(byte) < KB < MB 순으로 커진다.

6. 문제 6

   4지선다

   이미지, 로그, 영상, 텍스트 등의 데이터 형태로 알맞은 것은?

   • 1.

     Structured data

   • 2.

     Qualitative data

   • 3.

     Unstructured data

   • 4.

     Semi-Structured data

   정답·해설 보기▾▴

   정답

   3번

   Unstructured data

   해설

   정답: 3. 이미지·영상·텍스트처럼 고정된 구조(행·열)가 없는 데이터는 비정형 데이터(Unstructured data)이다.

   오답 풀이

   • 1번: 정형 데이터(Structured data)는 관계형 DB의 테이블처럼 행·열 구조를 갖는 데이터이다.
   • 2번: 정성적 데이터(Qualitative data)는 데이터의 질적 성격을 가리키는 분류로, 정형/비정형 구조 분류와는 기준이 다르다.
   • 3번: 이미지·영상·텍스트는 구조가 정해져 있지 않은 비정형 데이터이다.
   • 4번: 반정형 데이터(Semi-Structured)는 XML·JSON·로그처럼 구조를 설명하는 메타데이터(태그)를 함께 갖는 데이터이다.

   보충 개념 구조 기준 분류 — 정형(RDB 테이블), 반정형(XML·JSON·HTML·로그 등 스키마/메타 포함), 비정형(이미지·영상·음성·자유 텍스트).

7. 문제 7

   4지선다

   다음 중 빅데이터 활용 기법에 관한 설명으로 옳지 않은 것은?

   • 1.

     군집분석을 통해 고객의 개인 신용 평가에 활용한다.(신용 예측에 활용한다.)

   • 2.

     최적화 문제에 대한 해결 방안으로 사용되는 빅데이터 분석은 유전 알고리즘이다.

   • 3.

     특정 주제에 대해 사용되는 텍스트를 분석하는 것을 감정(성)분석이라 한다.

   • 4.

     최근 핀테크 기업들은 사회연결망 분석을 활용하고 있다.

   정답·해설 보기▾▴

   정답

   1번

   군집분석을 통해 고객의 개인 신용 평가에 활용한다.(신용 예측에 활용한다.)

   해설

   정답: 1. 신용 등급·신용 평가처럼 미리 정의된 범주(우량/불량)를 예측하는 것은 분류 분석(지도학습)의 영역이다. 군집분석은 정답 레이블 없이 유사한 개체를 묶는 비지도학습이므로 신용 평가에 활용한다는 설명은 옳지 않다.

   오답 풀이

   • 1번: 신용 평가는 분류 분석의 사례이며, 군집분석으로 신용을 ‘예측’한다는 서술은 틀렸다.
   • 2번: 유전 알고리즘은 최적해를 탐색하는 최적화 기법으로 옳다.
   • 3번: 텍스트에 담긴 긍·부정 등 태도를 분석하는 것은 감성(감정) 분석으로 옳다.
   • 4번: 핀테크에서 거래·관계망 기반 위험 평가에 사회연결망 분석을 활용하는 것은 옳다.

   보충 개념 분류(범주 예측, 지도학습)와 군집(유사 개체 묶기, 비지도학습)은 목적이 다르다. 신용 평가·스팸 분류는 분류, 고객 세분화는 군집의 대표 사례다.

8. 문제 8

   4지선다

   빅데이터가 만들어 낸 본질적인 변화로 옳지 않은 것은?

   가. 사전처리 → 사후처리 나. 대면조사 → 표본조사 다. 질보다 → 양적으로 라. 상관관계 → 인과관계

   • 1.

     가, 나

   • 2.

     나, 라

   • 3.

     다, 라

   • 4.

     가, 라

   정답·해설 보기▾▴

   정답

   2번

   나, 라

   해설

   정답: 2. 빅데이터가 가져온 변화는 표본조사 → 전수조사, 인과관계 → 상관관계 방향이다. 따라서 ‘대면조사 → 표본조사’(나)와 ‘상관관계 → 인과관계’(라)는 방향이 잘못되어 옳지 않다.

   오답 풀이

   • 가: 필요한 정보만 미리 골라 처리하던 사전처리에서, 일단 모으고 나중에 활용하는 사후처리로의 변화는 옳다.
   • 나: 빅데이터 시대에는 표본조사가 아니라 전수조사가 가능해졌으므로 방향이 틀렸다.
   • 다: 데이터의 질보다 양을 중시하는 방향으로의 변화는 옳다.
   • 라: 변화 방향은 인과관계 규명에서 상관관계 활용으로 옮겨갔으므로 틀렸다.

   보충 개념 빅데이터가 가져온 4가지 변화: 사전처리→사후처리, 표본조사→전수조사, 질→양, 인과관계→상관관계.

9. 문제 9

   4지선다

   가트너가 본 데이터 사이언티스트의 요구 역량으로 알맞지 않은 것은?

   • 1.

     데이터 관리

   • 2.

     분석 모델링

   • 3.

     비즈니스 분석

   • 4.

     조직 관리

   정답·해설 보기▾▴

   정답

   4번

   조직 관리

   해설

   정답: 4. 가트너가 제시한 데이터 사이언티스트의 요구 역량은 데이터 관리, 분석 모델링, 비즈니스 분석, 그리고 소프트 스킬(커뮤니케이션·협업)이다. ‘조직 관리’는 이 네 가지에 포함되지 않는다.

   오답 풀이

   • 1번: 데이터 관리(데이터에 대한 이해·처리)는 요구 역량에 포함된다.
   • 2번: 분석 모델링은 요구 역량에 포함된다.
   • 3번: 비즈니스 분석(문제를 비즈니스 관점에서 이해)은 요구 역량에 포함된다.
   • 4번: 조직 관리는 가트너가 제시한 4대 역량에 해당하지 않는다.

   보충 개념 가트너의 데이터 사이언티스트 역량: 데이터 관리, 분석 모델링, 비즈니스 분석, 소프트 스킬(커뮤니케이션·리더십·창의력).

10. 문제 10

    4지선다

    다음 중 데이터 사이언티스트에게 요구되는 하드 스킬로 알맞은 것은?

    • 1.

      데이터 분석 기술

    • 2.

      시각화를 활용한 설득력

    • 3.

      커뮤니케이션 기술

    • 4.

      창의적 사고

    정답·해설 보기▾▴

    정답

    1번

    데이터 분석 기술

    해설

    정답: 1. 하드 스킬은 빅데이터에 대한 이론적 지식과 분석 기술의 숙련도처럼 학습·훈련으로 습득하는 기술적 역량을 말한다. 데이터 분석 기술이 이에 해당한다.

    오답 풀이

    • 1번: 데이터 분석 기술은 대표적인 하드 스킬이다.
    • 2번: 시각화를 통한 설득력(스토리텔링)은 소프트 스킬에 해당한다.
    • 3번: 커뮤니케이션 기술은 소프트 스킬이다.
    • 4번: 창의적 사고는 소프트 스킬이다.

    보충 개념 하드 스킬: 빅데이터 관련 이론적 지식, 분석 기술 숙련도. 소프트 스킬: 통찰력 있는 분석, 설득력 있는 전달(시각화·스토리텔링), 다분야 협업(커뮤니케이션).

11. 문제 11

    4지선다

    조직에 대한 분석 문화를 자리 잡게 하기 위한 행동으로 알맞지 않은 것은?

    • 1.

      경영진이 데이터에 기반 한 의사결정을 할 수 있는 기업문화 정착의 변화관리를 지속해야 한다.

    • 2.

      분석적인 사고를 업무에 적용할 수 있도록 다양한 교육을 실시해야 한다.

    • 3.

      단순한 도구(Tool) 교육이 아닌 분석 역량의 확보와 강화에 초점을 맞춰야 한다.

    • 4.

      경영진을 대상으로 한시적 속성 교육을 강화해야 한다.

    정답·해설 보기▾▴

    정답

    4번

    경영진을 대상으로 한시적 속성 교육을 강화해야 한다.

    해설

    정답: 4. 분석 문화는 일회성·한시적 속성 교육이 아니라 지속적인 변화관리와 역량 강화를 통해 정착된다. ‘한시적 속성 교육’을 강조한 4번은 옳지 않다.

    오답 풀이

    • 1번: 데이터 기반 의사결정 문화를 위한 지속적 변화관리는 옳은 행동이다.
    • 2번: 분석적 사고를 위한 다양한 교육 실시는 옳은 행동이다.
    • 3번: 도구 사용법에 그치지 않고 분석 역량 자체를 강화하는 것은 옳다.
    • 4번: 한시적·속성 교육은 문화 정착이라는 장기 목표와 어긋난다.

    보충 개념 분석 문화 정착은 ‘교육’보다 ‘체화’가 핵심이며, 경영진의 데이터 기반 의사결정 솔선과 지속적 변화관리가 동반되어야 한다.

12. 문제 12

    4지선다

    아래에서 설명한 데이터 분석 조직 구조는?

    • 전사 분석업무를 별도의 분석 전담 조직에서 담당
    • 전략적 중요도에 따라 분석 조직이 우선 순위를 정해서 진행 가능
    • 현업 업무부서의 분석 업무와 이중화/이원화 가능성 높음
    • 1.

      집중 구조

    • 2.

      기능 구조

    • 3.

      확산 구조

    • 4.

      분산 구조

    정답·해설 보기▾▴

    정답

    1번

    집중 구조

    해설

    정답: 1. 별도의 분석 전담 조직이 전사 분석을 담당하고 전략적 우선순위를 정하지만, 현업 부서의 분석 업무와 이중화될 수 있는 구조는 ‘집중(집중형) 구조’이다.

    오답 풀이

    • 1번: 전담 조직이 전사 분석을 모아 수행하므로 집중 구조이며, 현업과의 이중화 가능성이라는 단점도 일치한다.
    • 2번: 기능 구조는 별도 분석 조직 없이 각 현업 부서가 분석을 수행하는 형태이다.
    • 3번: ‘확산 구조’는 분석 조직 유형 분류(집중·기능·분산)에 해당하지 않는 용어이다.
    • 4번: 분산 구조는 분석 전문 인력을 현업 부서에 배치해 협업하는 형태로, 전담 조직 집중과는 다르다.

    보충 개념 분석 조직 구조 3유형 — 집중형(전담 조직 집중, 현업과 이중화 우려), 기능형(현업 부서가 직접 수행, 전사 관점 약함), 분산형(전문 인력을 현업에 배치, 신속·협업 강점).

13. 문제 13

    4지선다

    빅데이터 분석 방법론의 분석 기획 단계 산출물인 프로젝트 범위 정의서(SOW)에 들어가는 내용으로 옳은 것은?

    • 1.

      비즈니스 이해

    • 2.

      데이터 정의

    • 3.

      데이터 스토어 설계

    • 4.

      탐색적 분석

    정답·해설 보기▾▴

    정답

    1번

    비즈니스 이해

    해설

    정답: 1. 프로젝트 범위 정의서(SOW)는 분석 기획 단계의 산출물로, 비즈니스 이해와 프로젝트 목표·범위를 정의한다. 따라서 ‘비즈니스 이해’가 포함된다.

    오답 풀이

    • 1번: 비즈니스 이해·범위 설정은 분석 기획 단계의 활동·산출물이므로 옳다.
    • 2번: 데이터 정의는 ‘데이터 준비’ 단계의 산출물이다.
    • 3번: 데이터 스토어 설계는 ‘데이터 준비/시스템 구현’ 단계의 산출물이다.
    • 4번: 탐색적 분석(EDA)은 ‘데이터 분석’ 단계의 활동이다.

    보충 개념 빅데이터 분석 방법론 5단계 — 분석 기획(비즈니스 이해·범위 설정, SOW) → 데이터 준비 → 데이터 분석(EDA·모델링) → 시스템 구현 → 평가 및 전개.

14. 문제 14

    4지선다

    빅데이터 분석 절차는 빅데이터 분석 방법론을 토대로 5단계 절차로 수행된다. 절차로 옳은 것은?

    • 1.

      분석 기획 → 데이터 준비 → 시스템 구현 → 데이터 분석 → 평가 및 전개

    • 2.

      분석 기획 → 데이터 분석 → 시스템 구현 → 데이터 준비 → 평가 및 전개

    • 3.

      데이터 준비 → 분석 기획 → 데이터 분석 → 시스템 구현 → 평가 및 전개

    • 4.

      분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개

    정답·해설 보기▾▴

    정답

    4번

    분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개

    해설

    정답: 4. 빅데이터 분석 방법론의 5단계는 분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개 순서이다.

    오답 풀이

    • 1번: 데이터 분석보다 시스템 구현이 먼저 나와 순서가 뒤바뀌었다.
    • 2번: 데이터 준비가 데이터 분석·시스템 구현 뒤로 밀려 순서가 틀렸다.
    • 3번: 분석 기획이 첫 단계가 아니어서 틀렸다(기획이 가장 먼저).
    • 4번: 기획→준비→분석→구현→전개의 올바른 순서이다.

    보충 개념 각 단계는 폭포수처럼 일방향만은 아니며, 단계 간 피드백을 통해 반복적으로 정제된다. 데이터 준비(수집·정제)는 반드시 데이터 분석에 선행한다.

15. 문제 15

    4지선다

    분석 과제 발굴 방법 중 상향식 접근법(Bottom Up Approach)에 대한 설명으로 옳지 않은 것은?

    • 1.

      분석 대상이 명확할 때 솔루션을 찾는 방식이다.

    • 2.

      일반적으로 비지도 학습(Unsupervised Learning) 방식을 수행한다.

    • 3.

      다양한 원천 데이터를 대상으로 분석을 수행하여 가치 있는 문제를 도출하는 일련의 과정이다.

    • 4.

      하향식 접근 방식과는 달리 복잡하고 다양한 환경에서 발생하는 문제 해결에도 적합하다.

    정답·해설 보기▾▴

    정답

    1번

    분석 대상이 명확할 때 솔루션을 찾는 방식이다.

    해설

    정답: 1. 상향식 접근법은 문제가 명확히 정의되지 않은 상황에서 데이터를 탐색해 문제(가치) 자체를 발굴하는 방식이다. ‘분석 대상이 명확할 때 솔루션을 찾는’ 방식은 하향식 접근에 가까우므로 옳지 않다.

    오답 풀이

    • 1번: 대상이 명확하면 하향식으로 정의·분해하는 것이 적합하므로 상향식 설명으로 틀렸다.
    • 2번: 상향식은 레이블 없는 데이터에서 패턴을 찾는 비지도학습적 성격을 갖는다.
    • 3번: 다양한 원천 데이터에서 가치 있는 문제를 도출하는 과정이라는 설명은 옳다.
    • 4번: 복잡·비정형 환경의 문제 해결에 상향식이 적합하다는 설명은 옳다.

    보충 개념 하향식(Top-Down)은 문제 정의가 선행되는 논리적 접근, 상향식(Bottom-Up)은 데이터에서 출발하는 탐색적·디자인 사고 기반 접근이다.

16. 문제 16

    4지선다

    과제 중심적인 접근 방식으로 진행되는 특징으로 알맞지 않은 것은?

    • 1.

      Speed & Test

    • 2.

      Quick-Win

    • 3.

      Accuracy & Deploy

    • 4.

      Problem solving

    정답·해설 보기▾▴

    정답

    3번

    Accuracy & Deploy

    해설

    정답: 3. 과제(문제) 중심의 단기적 접근은 빠르게 시도하고 검증해 즉각적 성과를 내는 데 초점이 있다. 정확도를 높여 운영에 배포하는 ‘Accuracy & Deploy’는 장기적·마스터플랜형 접근의 특징이므로 과제 중심 접근에는 맞지 않는다.

    오답 풀이

    • 1번: 빠르게 만들어 테스트하는 Speed & Test는 과제 중심 접근의 특징이다.
    • 2번: 작은 성공을 빠르게 거두는 Quick-Win은 과제 중심 접근의 특징이다.
    • 3번: 정확도·배포 중심은 장기 마스터플랜 접근의 특징이므로 과제 중심에는 부적합하다.
    • 4번: 당면 문제 해결(Problem Solving) 지향은 과제 중심 접근의 특징이다.

    보충 개념 과제 중심(단기) 접근: Speed & Test, Quick-Win, Problem Solving. 마스터플랜(장기) 접근: Accuracy & Deploy, 전사 관점, 중장기 로드맵.

17. 문제 17

    4지선다

    하향식 접근 방식의 수행 내용으로 옳지 않은 것은?

    • 1.

      문제 탐색

    • 2.

      프로토 타이핑

    • 3.

      문제 정의

    • 4.

      타당성 검토

    정답·해설 보기▾▴

    정답

    2번

    프로토 타이핑

    해설

    정답: 2. 프로토타이핑은 데이터 기반으로 빠르게 시제품을 만들어 시행착오로 개선하는 상향식 접근의 방식이다. 하향식 접근의 절차(문제 탐색→문제 정의→해결방안 탐색→타당성 검토)에는 포함되지 않는다.

    오답 풀이

    • 1번: 문제 탐색(Problem Discovery)은 하향식 1단계이다.
    • 2번: 프로토타이핑은 상향식의 방식이므로 하향식 수행 내용으로 옳지 않다.
    • 3번: 문제 정의(Problem Definition)는 하향식 2단계이다.
    • 4번: 타당성 검토(Feasibility Study)는 하향식의 마지막 단계이다.

    보충 개념 하향식 접근 4단계: 문제 탐색 → 문제 정의 → 해결방안 탐색 → 타당성 검토. 프로토타이핑·시행착오 기반 개선은 상향식의 특징이다.

18. 문제 18

    4지선다

    빅데이터 분석 방법론의 분석 기획 단계에서 수행하는 주요 Task로 옳은 것은?

    • 1.

      비즈니스의 이해 및 범위 설정

    • 2.

      필요 데이터 정의

    • 3.

      모델 적용 및 운영 방안 수립

    • 4.

      모델 발전 계획 수립

    정답·해설 보기▾▴

    정답

    1번

    비즈니스의 이해 및 범위 설정

    해설

    정답: 1. 분석 기획 단계의 핵심 Task는 비즈니스 이해 및 범위 설정, 프로젝트 정의, 프로젝트 수행 계획 수립이다.

    오답 풀이

    • 1번: 비즈니스 이해·범위 설정은 분석 기획 단계의 주요 Task로 옳다.
    • 2번: 필요 데이터 정의는 ‘데이터 준비’ 단계의 Task이다.
    • 3번: 모델 적용 및 운영 방안 수립은 ‘평가 및 전개(시스템 구현)’ 단계의 Task이다.
    • 4번: 모델 발전 계획 수립은 ‘평가 및 전개’ 단계의 Task이다.

    보충 개념 분석 기획 단계 Task: ① 비즈니스 이해 및 범위 설정 ② 프로젝트 정의 및 계획 수립 ③ 프로젝트 위험계획 수립.

19. 문제 19

    4지선다

    데이터 분석 기획 유형에 관한 설명으로 옳지 않은 것은?

    • 1.

      분석 대상을 알고, 분석 방식도 아는 경우 개선을 통한 최적화 유형을 적용한다.

    • 2.

      최적화, 솔루션, 관찰, 발견의 4가지 분석 주제 유형으로 이루어져 있다.

    • 3.

      분석 대상을 알고 분석 방식을 모르는 경우 솔루션을 찾아내는 방식을 적용한다.

    • 4.

      발견은 분석대상을 모르고, 분석 방식도 모르는 경우 적용한다.

    정답·해설 보기▾▴

    정답

    2번

    최적화, 솔루션, 관찰, 발견의 4가지 분석 주제 유형으로 이루어져 있다.

    해설

    정답: 2. 분석 주제 유형 4가지는 최적화(Optimization), 솔루션(Solution), 통찰(Insight), 발견(Discovery)이다. ‘관찰’이 포함된 2번은 옳지 않다(‘통찰’이 맞다).

    오답 풀이

    • 1번: 대상O·방법O → 최적화 유형으로 옳다.
    • 2번: 네 유형은 최적화·솔루션·통찰·발견이며, ‘관찰’이라는 유형은 없으므로 틀렸다.
    • 3번: 대상O·방법X → 솔루션 유형으로 옳다.
    • 4번: 대상X·방법X → 발견 유형으로 옳다.

    보충 개념 분석 주제 유형 매트릭스 — 최적화(대상O·방법O), 솔루션(대상O·방법X), 통찰(대상X·방법O), 발견(대상X·방법X).

20. 문제 20

    4지선다

    다음이 설명하는 표본 추출 방법으로 알맞은 것은?

    모집단을 상이한 집단으로 나누고 각 집단에서 무작위로 표본을 추출하는 방법

    • 1.

      단순 무작위 추출법

    • 2.

      계통 추출법

    • 3.

      군집 추출법

    • 4.

      층화 추출법

    정답·해설 보기▾▴

    정답

    4번

    층화 추출법

    해설

    정답: 4. 모집단을 서로 이질적인(상이한) 여러 층(strata)으로 나눈 뒤 각 층에서 무작위로 표본을 뽑는 방법은 층화 추출법(Stratified Sampling)이다.

    오답 풀이

    • 1번: 단순 무작위 추출은 모집단 전체에서 동일 확률로 무작위로 뽑는 방법이다.
    • 2번: 계통 추출은 일정 간격(K번째)마다 표본을 뽑는 방법이다.
    • 3번: 군집 추출은 모집단을 여러 군집으로 나눈 뒤 일부 군집을 통째로 추출하는 방법이다.
    • 4번: 층별로 나눠 각 층에서 무작위로 뽑는 층화 추출의 정의와 일치한다.

    보충 개념 층화 추출은 층 ‘내부’는 동질, 층 ‘간’은 이질이 되도록 나눈다. 반대로 군집 추출은 군집 내부가 모집단을 닮도록(이질) 구성한다.

21. 문제 21

    4지선다

    주성분 수의 선택 방법에 대한 설명으로 가장 옳지 않은 것은?

    • 1.

      주성분들이 설명하는 총 분산의 비율이 70~90% 사이가 되는 주성분의 개수를 선택할 수도 있다.

    • 2.

      고유값이 1에 가까운 값을 선택 한다.

    • 3.

      스크리 플롯(Scree Plot)을 통해서 주성분의 분산 감소가 급격하게 줄어들어, 주성분의 개수를 늘릴때 얻게 되는 정보의 양이 상대적으로 미미한 지점에서 주성분의 개수를 정할 수 있다.

    • 4.

      전체 변이 공헌도 방법은 고유값 평균 및 스크리 플롯(Scree Plot) 방법보다 항상 우수하다.

    정답·해설 보기▾▴

    정답

    4번

    전체 변이 공헌도 방법은 고유값 평균 및 스크리 플롯(Scree Plot) 방법보다 항상 우수하다.

    해설

    정답: 4. 주성분 수 선택 방법(누적 분산 비율, 고유값 기준, Scree plot)은 상황에 따라 적절히 선택·병행하는 것이지, 어느 한 방법이 다른 방법보다 ‘항상’ 우수하지는 않다. 따라서 4번이 옳지 않다.

    오답 풀이

    • 1번: 누적 분산 비율 70~90%를 기준으로 주성분 수를 정하는 것은 흔한 방법이다.
    • 2번: 고유값(분산) 1 이상(또는 1 근처)을 기준으로 선택하는 카이저(Kaiser) 기준이다.
    • 3번: 분산 감소가 완만해지는 엘보 지점에서 정하는 Scree plot 방법으로 옳다.
    • 4번: ‘항상 우수하다’는 단정이 틀렸다.

    보충 개념 주성분 수 선택 기준: ① 누적 분산 비율(70~90%) ② 고유값 1 이상(Kaiser) ③ Scree plot의 엘보. 각각 장단점이 있어 함께 고려한다.

22. 문제 22

    4지선다

    의사결정 나무 분리 기준인 엔트로피 지수의 계산식은?

    • 1.

      엔트로피 지수: -Σ pᵢ·log₂ pᵢ (i=1..c), 0 ≤ E ≤ 1

    • 2.

      지니 지수: 1 - Σ pᵢ² (i=1..c), 0 ≤ G ≤ 1/2

    • 3.

      카이제곱 통계량: Σ (Oᵢ - eᵢ)²/eᵢ (i=1..k), 자유도 ν = k-1 (k: 범주의 개수)

    • 4.

      베이즈 정리: P(x₁,x₂|c₁)·P(c₁) / P(x₁,x₂)

    정답·해설 보기▾▴

    정답

    1번

    엔트로피 지수: -Σ pᵢ·log₂ pᵢ (i=1..c), 0 ≤ E ≤ 1

    해설

    정답: 1. 엔트로피 지수는 불순도를 정보량으로 측정하는 지표로 식은 E = -Σ pᵢ·log₂ pᵢ 이며, 범위는 0(완전 순수) ~ 1(최대 혼잡)이다.

    오답 풀이

    • 1번: -Σ pᵢ·log₂ pᵢ 는 엔트로피 지수의 정의로 옳다.
    • 2번: 1 - Σ pᵢ² 는 지니 지수(Gini index)의 식이다.
    • 3번: Σ(Oᵢ-eᵢ)²/eᵢ 는 카이제곱 통계량(적합도·독립성 검정)의 식이다.
    • 4번: P(x₁,x₂|c₁)·P(c₁)/P(x₁,x₂) 는 베이즈 정리(나이브 베이즈 분류) 형태의 식이다.

    보충 개념 의사결정나무 분리 기준 — 분류: 엔트로피(정보이득), 지니 지수, 카이제곱 통계량. 회귀: 분산 감소량(F-통계량). 엔트로피·지니가 작을수록 불순도가 낮다.

23. 문제 23

    4지선다

    확률에 대한 설명으로 가장 적합하지 않은 것은?

    • 1.

      각 사건의 확률은 0~1이다.(확률은 0이상의 값을 가진다.)

    • 2.

      표본 공간(S)에서 발생 가능한 모든 사건의 확률의 합은 1이다.

    • 3.

      A와 B가 독립 사건인 경우, 각 독립사건들의 확률의 합은 합집합의 확률과 동일하다.

    • 4.

      전체 표본 중 독립적인 것을 근원 사건이라 한다.

    정답·해설 보기▾▴

    정답

    3번

    A와 B가 독립 사건인 경우, 각 독립사건들의 확률의 합은 합집합의 확률과 동일하다.

    해설

    정답: 3. P(A∪B) = P(A) + P(B) - P(A∩B)이다. 두 사건이 ‘독립’이면 P(A∩B) = P(A)P(B)이므로 일반적으로 0이 아니어서 합집합 확률은 단순 합과 같지 않다. 단순 합과 합집합이 같으려면 두 사건이 ‘서로 배반(상호배타)’이어야 하므로 3번은 옳지 않다.

    오답 풀이

    • 1번: 확률은 0 이상 1 이하의 값을 가지므로 옳다.
    • 2번: 표본공간 전체에 대한 확률의 합은 1이므로 옳다.
    • 3번: ‘독립’이 아니라 ‘배반(상호배타)’일 때 P(A∪B)=P(A)+P(B)가 성립하므로 틀렸다.
    • 4번: 더 이상 나눌 수 없는 기본 결과를 근원 사건(원소 사건)이라 하므로 옳다.

    보충 개념 배반 사건: P(A∩B)=0 → P(A∪B)=P(A)+P(B). 독립 사건: P(A∩B)=P(A)P(B). 두 개념은 서로 다르다.

24. 문제 24

    4지선다

    아래 데이터는 닭의 성장률에 대한 다양한 사료 보충제의 효과를 측정하고 비교하기 위한 사료 유형 별 닭의 무게 데이터이다. summary 함수 결과에 대한 해석으로 옳지 않은 것은?

    • 1.

      feed는 범주형 데이터이다.

    • 2.

      feed의 사료 중 soybean의 수가 가장 많다.

    • 3.

      range(chickwts$weight) 결과는 108 423이다.

    • 4.

      weight의 평균값은 258.0이다.

    정답·해설 보기▾▴

    정답

    4번

    weight의 평균값은 258.0이다.

    해설

    정답: 4. summary 결과에서 weight의 Mean(평균)은 261.3이고, 258.0은 Median(중앙값)이다. 따라서 평균값이 258.0이라는 4번은 옳지 않다.

    오답 풀이

    • 1번: feed는 사료 종류(casein, soybean 등)로 구분되는 범주형(factor) 변수이므로 옳다.
    • 2번: feed별 빈도에서 soybean이 14로 가장 많으므로 옳다.
    • 3번: range는 (최소, 최대)를 반환하므로 Min 108.0과 Max 423.0, 즉 ‘108 423’으로 옳다.
    • 4번: 평균은 261.3, 258.0은 중앙값이므로 옳지 않다.

    보충 개념 R summary의 수치형 6수치 — Min., 1st Qu.(Q1), Median(중앙값), Mean(평균), 3rd Qu.(Q3), Max. 평균과 중앙값은 분포가 치우치면 서로 달라진다.

25. 문제 25

    4지선다

    계층적 군집 방법으로 가장 알맞지 않은 것은?

    • 1.

      단일 연결법

    • 2.

      완전 연결법

    • 3.

      평균 연결법

    • 4.

      편차 연결법

    정답·해설 보기▾▴

    정답

    4번

    편차 연결법

    해설

    정답: 4. 계층적 군집의 연결법(군집 간 거리 측정)은 단일·완전·평균·중심·와드(Ward) 연결법 등이 있다. ‘편차 연결법’은 표준 연결법에 존재하지 않으므로 옳지 않다.

    오답 풀이

    • 1번: 단일 연결법(최단 연결)은 두 군집 간 가장 가까운 점의 거리로 측정한다.
    • 2번: 완전 연결법(최장 연결)은 가장 먼 점의 거리로 측정한다.
    • 3번: 평균 연결법은 모든 점 쌍 거리의 평균으로 측정한다.
    • 4번: 편차 연결법은 표준적인 계층 군집 연결법이 아니므로 옳지 않다.

    보충 개념 계층적 군집 연결법: 단일(최단), 완전(최장), 평균, 중심(centroid), 와드(Ward, 군집 내 분산 증가 최소화).

26. 문제 26

    4지선다

    분해시계열의 요인으로 알맞지 않은 것은?

    • 1.

      추세 요인

    • 2.

      계절 요인

    • 3.

      환경 요인

    • 4.

      순환 요인

    정답·해설 보기▾▴

    정답

    3번

    환경 요인

    해설

    정답: 3. 분해시계열은 시계열을 추세, 계절, 순환, 불규칙(우연) 요인으로 분해한다. ‘환경 요인’은 분해시계열의 4요인에 포함되지 않으므로 옳지 않다.

    오답 풀이

    • 1번: 추세 요인(Trend)은 장기적 증가·감소 경향이다.
    • 2번: 계절 요인(Seasonal)은 1년 등 고정 주기의 반복 변동이다.
    • 3번: 환경 요인은 분해시계열의 구성 요인이 아니다.
    • 4번: 순환 요인(Cyclical)은 주기가 일정하지 않은 장기적 파동이다.

    보충 개념 분해시계열 4대 요인: 추세(Trend), 계절(Seasonal), 순환(Cyclical), 불규칙(Irregular/Random).

27. 문제 27

    4지선다

    다음 수식으로 구할 수 있는 데이터간 거리는?

    d(x, y) = ( Σ |xⱼ - yⱼ|ᵖ )^(1/p) (j = 1 .. m)

    • 1.

      유클리드 거리

    • 2.

      표준화 거리

    • 3.

      마할라노비스 거리

    • 4.

      민코프스키 거리(민코우스키 거리)

    정답·해설 보기▾▴

    정답

    4번

    민코프스키 거리(민코우스키 거리)

    해설

    정답: 4. d(x,y) = (Σ|xⱼ-yⱼ|ᵖ)^(1/p) 는 차수 p를 일반화한 민코프스키 거리(Minkowski distance)이다. p=1이면 맨해튼, p=2이면 유클리드 거리가 된다.

    오답 풀이

    • 1번: 유클리드 거리는 민코프스키의 특수형(p=2)으로, 이 식 자체는 p가 일반화된 민코프스키이다.
    • 2번: 표준화 거리는 각 변수를 표준편차로 나눠 척도를 보정한 거리이다.
    • 3번: 마할라노비스 거리는 변수 간 상관(공분산 행렬)을 반영한 거리이다.
    • 4번: p 차수를 일반화한 형태이므로 민코프스키 거리이다.

    보충 개념 민코프스키 거리: p=1 맨해튼(시가지) 거리, p=2 유클리드 거리, p→∞ 체비셰프 거리. 마할라노비스는 공분산을, 표준화 거리는 분산을 반영한다.

28. 문제 28

    4지선다

    다음 중 의사결정나무와 가장 관련 없는 용어는?

    • 1.

      카이제곱 통계량

    • 2.

      지니 지수

    • 3.

      엔트로피 지수

    • 4.

      퍼셉트론(Perceptron)

    정답·해설 보기▾▴

    정답

    4번

    퍼셉트론(Perceptron)

    해설

    정답: 4. 퍼셉트론은 인공신경망의 기본 단위로 의사결정나무와 직접 관련이 없다. 카이제곱·지니·엔트로피는 모두 의사결정나무의 분리 기준이다.

    오답 풀이

    • 1번: 카이제곱 통계량은 분류나무의 분리 기준(CHAID 등)으로 쓰인다.
    • 2번: 지니 지수는 CART의 분리 기준이다.
    • 3번: 엔트로피 지수(정보이득)는 C4.5/ID3의 분리 기준이다.
    • 4번: 퍼셉트론은 신경망 개념이므로 의사결정나무와 가장 관련이 없다.

    보충 개념 의사결정나무 분리 기준: 분류 시 카이제곱·지니·엔트로피, 회귀 시 분산 감소량(F-통계량). 퍼셉트론·활성화 함수는 인공신경망 개념이다.

29. 문제 29

    4지선다

    두 개의 확률 변수 X, Y의 공분산에 대한 설명 중 옳지 않은 것은?

    • 1.

      공분산이 양수이면 X가 증가할 때 Y도 증가한다.

    • 2.

      공분산이 음수이면 X가 증가할 때 Y는 감소한다.

    • 3.

      공분산의 크기는 상관계수와 동일하게 -1 ~ 1 사이의 범위를 갖는다.

    • 4.

      공분산이 0이면 두 변수간에는 아무런 선형관계가 없으며 두 변수는 서로 독립적인 관계이다.

    정답·해설 보기▾▴

    정답

    3번

    공분산의 크기는 상관계수와 동일하게 -1 ~ 1 사이의 범위를 갖는다.

    해설

    정답: 3. 공분산은 측정 단위(척도)에 영향을 받아 -∞ ~ +∞의 값을 가진다. -1 ~ 1로 한정되는 것은 공분산을 표준화한 상관계수이므로 3번이 옳지 않다.

    오답 풀이

    • 1번: 공분산이 양수이면 두 변수가 같은 방향으로 움직이므로 옳다.
    • 2번: 공분산이 음수이면 반대 방향으로 움직이므로 옳다.
    • 3번: 공분산은 -1~1로 제한되지 않으므로 틀렸다(그것은 상관계수의 성질).
    • 4번: 공분산 0은 선형관계 없음을 의미한다(엄밀히 독립이면 공분산 0이며, 본 보기는 ADsP 수준에서 옳은 서술로 본다).

    보충 개념 상관계수 r = Cov(X,Y)/(σ_X·σ_Y)로 공분산을 표준편차의 곱으로 나눠 -1~1로 표준화한 값이다. 그래서 단위에 무관하다.

30. 문제 30

    4지선다

    아래의 F-Beta Score(지표)에 대한 설명으로 옳은 것은?

    • 1.

      Beta 값이 1.0보다 크면 Precision에 비중을 두고 계산한다.

    • 2.

      Beta 값이 1.0보다 작으면 Recall에 비중을 두고 계산한다.

    • 3.

      Beta 값이 0.5일 경우 precision에 2배 가중치하여 평균한다.

    • 4.

      Recall 값과 Precision값이 정확히 같다면 Beta에 관계없이 다른 결과가 나온다.

    정답·해설 보기▾▴

    정답

    3번

    Beta 값이 0.5일 경우 precision에 2배 가중치하여 평균한다.

    해설

    정답: 3. F-Beta는 Recall을 Precision보다 β배 더 중요하게 가중하는 지표다. β<1이면 Precision에, β>1이면 Recall에 비중을 둔다. β=0.5이면 Recall 가중이 작아져 상대적으로 Precision에 약 2배 비중을 두는 형태가 되므로 3번이 옳다.

    오답 풀이

    • 1번: β>1이면 Recall(재현율)에 비중을 두므로 ‘Precision’이라 한 것은 반대다.
    • 2번: β<1이면 Precision에 비중을 두므로 ‘Recall’이라 한 것은 반대다.
    • 3번: β=0.5는 Recall 가중을 줄여 Precision 쪽에 더 큰 비중을 두므로 옳다.
    • 4번: Recall=Precision이면 F-Beta는 β와 무관하게 그 공통값과 같아지므로 ‘다른 결과’라는 서술은 틀렸다.

    보충 개념 F₁ = 2·P·R/(P+R). F_β = (1+β²)·P·R/(β²·P + R)로, β가 클수록 Recall에 가중된다. P=R이면 F_β = P = R로 β에 무관하다.

31. 문제 31

    4지선다

    앙상블 기법에 대한 설명으로 알맞은 것은?

    • 1.

      앙상블 기법을 사용하게 되면 각 모형의 상호 연관성이 높을수록 정확도가 향상된다.

    • 2.

      대표적인 앙상블 기법은 배깅, 부스팅이 있다.

    • 3.

      전체적인 예측값의 분산을 유지하여 정확도를 높일 수 있다.

    • 4.

      랜덤 포레스트는 앙상블 기법 중 유일한 비지도 기법이다.

    정답·해설 보기▾▴

    정답

    2번

    대표적인 앙상블 기법은 배깅, 부스팅이 있다.

    해설

    정답: 2. 앙상블은 여러 모형을 결합해 성능을 높이는 기법이며, 대표적으로 배깅(Bagging)과 부스팅(Boosting)이 있다.

    오답 풀이

    • 1번: 개별 모형 간 상관이 낮을수록(다양성이 클수록) 앙상블 효과가 커지므로 ‘연관성이 높을수록’은 틀렸다.
    • 2번: 배깅·부스팅은 대표적 앙상블 기법으로 옳다.
    • 3번: 앙상블은 예측의 분산을 ‘유지’하는 것이 아니라 ‘감소’시켜 안정성을 높인다.
    • 4번: 랜덤 포레스트는 지도학습(분류·회귀) 기반 앙상블이지 비지도 기법이 아니다.

    보충 개념 배깅(병렬, 분산 감소: 랜덤 포레스트), 부스팅(순차, 편향 감소: AdaBoost·GBM·XGBoost). 모형 간 다양성이 클수록 앙상블 효과가 크다.

32. 문제 32

    4지선다

    다음 중 통계적 가설검정에 대한 설명으로 옳지 않은 것은?

    • 1.

      귀무가설이 사실일 때 이 귀무가설을 기각함으로써 발생하는 오류를 유의수준이라 한다.

    • 2.

      귀무가설이 거짓일 경우, 이를 옳지 않다고 판단하는 확률을 검정력이라 한다.

    • 3.

      사실인 귀무가설을 기각했을 때 발생하는 오류를 제 2종 오류라 한다.

    • 4.

      p-value(유의확률)이 클수록 귀무가설을 채택하는 것으로 해석한다.

    정답·해설 보기▾▴

    정답

    3번

    사실인 귀무가설을 기각했을 때 발생하는 오류를 제 2종 오류라 한다.

    해설

    정답: 3. 사실(참)인 귀무가설을 기각하는 오류는 제1종 오류(Type I error)이다. 제2종 오류는 거짓인 귀무가설을 기각하지 못하는 오류이므로 3번이 옳지 않다.

    오답 풀이

    • 1번: 참인 귀무가설을 기각할 확률(제1종 오류의 확률)을 유의수준 α로 두므로 옳다.
    • 2번: 거짓인 귀무가설을 올바로 기각할 확률을 검정력(1-β)이라 하므로 옳다.
    • 3번: 참인 귀무가설 기각은 제1종 오류이므로 ‘제2종’이라 한 것은 틀렸다.
    • 4번: p-value가 크면(유의수준보다 크면) 귀무가설을 기각하지 못하므로 옳다.

    보충 개념 제1종 오류(α): 참인 H₀ 기각(False Positive). 제2종 오류(β): 거짓인 H₀ 채택(False Negative). 검정력 = 1-β.

33. 문제 33

    4지선다

    K-means 군집분석에 대한 설명으로 옳은 것은?

    • 1.

      군집에서 가장 중심에 위치한 객체를 사용하여 k개의 군집을 찾게 된다.

    • 2.

      K-Medoids 알고리즘에 비해 노이즈 처리에 우수하고 연산량이 많다.

    • 3.

      초승달 모양(Crescent Shaped) 데이터 셋에 적합하다.

    • 4.

      군집 절차 수행 시 군집 수 K는 초기에 설정되어야 한다.

    정답·해설 보기▾▴

    정답

    4번

    군집 절차 수행 시 군집 수 K는 초기에 설정되어야 한다.

    해설

    정답: 4. K-means는 분석 전에 군집 수 K를 사용자가 미리 지정해야 하는 알고리즘이다.

    오답 풀이

    • 1번: 실제 객체(대표점)를 중심으로 쓰는 것은 K-Medoids이며, K-means는 평균(중심점, centroid)을 사용한다.
    • 2번: K-means는 평균을 쓰므로 이상치·노이즈에 민감하다. 노이즈에 강건한 쪽은 K-Medoids이다.
    • 3번: 초승달처럼 비볼록(non-convex) 군집에는 K-means가 부적합하며 밀도 기반(DBSCAN) 등이 적합하다.
    • 4번: 군집 수 K를 초기에 설정해야 하는 것은 K-means의 특징으로 옳다.

    보충 개념 K-means: 중심(평균) 기반, K 사전 지정, 구형(볼록) 군집에 적합, 이상치 민감. 적정 K는 엘보 기법·실루엣 계수 등으로 탐색한다.

34. 문제 34

    4지선다

    아래 오분류표에서 재현율(Recall)로 가장 알맞은 것은?

    구분	예측 True	예측 False	합계
    실제 True	30	70	100
    실제 False	60	40	100
    합계	90	110	200

    • 1.

      3/10

    • 2.

      2/5

    • 3.

      1/3

    • 4.

      7/11

    정답·해설 보기▾▴

    정답

    1번

    3/10

    해설

    정답: 1. 재현율(Recall) = TP/(TP+FN)이다. 실제 True를 양성(Positive)으로 보면 TP=30, FN=70이므로 Recall = 30/(30+70) = 30/100 = 3/10이다.

    오답 풀이

    • 1번: 30/100 = 3/10으로 재현율의 정의에 맞으므로 옳다.
    • 2번: 2/5는 잘못된 셀 조합(예: 40/100)에서 나온 값이다.
    • 3번: 1/3은 분모를 잘못 잡은 값(예: 30/90, 정밀도 0.333과 혼동)이다.
    • 4번: 7/11은 예측 False 열 합계 등 무관한 셀을 사용한 값이다.

    보충 개념 재현율(=민감도) = TP/(TP+FN), 정밀도 = TP/(TP+FP), 특이도 = TN/(TN+FP). 여기서 정밀도는 30/90 = 1/3이라는 점과 구분해야 한다.

35. 문제 35

    4지선다

    아래 확률 질량 함수에서 확률변수 X의 기대값은?

    X	1	2	3
    f(x)	1/6	3/6	2/6

    • 1.

      10/6

    • 2.

      11/6

    • 3.

      12/6

    • 4.

      13/6

    정답·해설 보기▾▴

    정답

    4번

    13/6

    해설

    정답: 4. 기대값 E(X) = Σ x·f(x) = 1×(1/6) + 2×(3/6) + 3×(2/6) = 1/6 + 6/6 + 6/6 = 13/6이다.

    오답 풀이

    • 1번: 10/6은 일부 항을 누락하거나 가중을 잘못한 값이다.
    • 2번: 11/6은 마지막 항을 3×(1/6)로 잘못 계산한 값이다.
    • 3번: 12/6은 두 번째 항을 2×(2/6)로 잘못 계산한 값이다.
    • 4번: 1/6 + 6/6 + 6/6 = 13/6으로 정확히 계산했다.

    보충 개념 이산확률변수의 기대값은 각 값에 해당 확률을 가중치로 곱해 더한 가중평균이다. 확률의 합이 1/6+3/6+2/6=1인지 먼저 확인하면 좋다.

36. 문제 36

    4지선다

    군집분석 시 데이터의 단위가 다를 경우 사용하는 기법으로 알맞은 것은?

    • 1.

      Elimination

    • 2.

      Sampling

    • 3.

      Averaging

    • 4.

      Scaling

    정답·해설 보기▾▴

    정답

    4번

    Scaling

    해설

    정답: 4. 변수마다 단위·범위가 다르면 거리 계산이 큰 값에 좌우되므로, 표준화·정규화 등 스케일링(Scaling)으로 척도를 맞춰야 한다.

    오답 풀이

    • 1번: Elimination(제거)은 변수·관측치를 없애는 것으로 단위 차이 보정과 무관하다.
    • 2번: Sampling(표본추출)은 데이터 일부를 뽑는 것으로 단위 보정과 무관하다.
    • 3번: Averaging(평균화)은 단위 차이를 해소하지 못한다.
    • 4번: 스케일링으로 변수 척도를 통일하므로 옳다.

    보충 개념 대표적 스케일링: 표준화(Z-score, 평균0·분산1)와 정규화(Min-Max, 0~1). 거리 기반 기법(군집·KNN)에서 특히 중요하다.

37. 문제 37

    4지선다

    다음 중 통계 용어에 대한 설명으로 옳지 않은 것은?

    • 1.

      다른 변수의 영향을 받는 변수를 설명 변수라고 한다.

    • 2.

      모집단의 평균을 추정하기 위해 표본 평균을 계산한다.

    • 3.

      표준 편차는 데이터가 평균으로부터 떨어진 정도를 나타내는 척도이다.

    • 4.

      사분위수범위는 데이터의 25%, 50%, 75%에서 25%의 값을 빼준 값이다.

    정답·해설 보기▾▴

    정답

    1번

    다른 변수의 영향을 받는 변수를 설명 변수라고 한다.

    해설

    정답: 1. 다른 변수의 영향을 받는(결과가 되는) 변수는 반응 변수(종속 변수)이다. 설명 변수(독립 변수)는 영향을 주는 변수이므로 1번이 옳지 않다.

    오답 풀이

    • 1번: 영향을 받는 변수는 반응(종속) 변수이므로 ‘설명 변수’라 한 것은 틀렸다.
    • 2번: 모평균 추정을 위해 표본평균을 사용하는 것은 옳다.
    • 3번: 표준편차는 평균으로부터의 산포를 나타내므로 옳다.
    • 4번: IQR = Q3(75%) - Q1(25%)로 중앙 50% 산포를 나타낸다(보기 표현이 다소 거칠지만 IQR의 개념을 가리키며, 명백히 틀린 것은 1번이다).

    보충 개념 설명 변수(독립 변수, X) → 반응 변수(종속 변수, Y). 인과·예측에서 X가 원인, Y가 결과 역할을 한다.

38. 문제 38

    4지선다

    다음 중 시계열 모형에 대한 설명으로 옳은 것은?

    • 1.

      ARIMA의 약어는 AutoRegressive Improved Moving Average 이다.

    • 2.

      ARIMA 모형에서 P=0일 때, IMA(d,q) 모형이라고 부르고, d번 차분하면 MA(q) 모형을 따른다.

    • 3.

      분해시계열은 일반적인 요인을 분리하여 분석하는 방법으로 회귀분석적인 방법과는 다르게 사용한다.

    • 4.

      ARIMA모형에서는 정상성을 확인할 필요가 없다.

    정답·해설 보기▾▴

    정답

    2번

    ARIMA 모형에서 P=0일 때, IMA(d,q) 모형이라고 부르고, d번 차분하면 MA(q) 모형을 따른다.

    해설

    정답: 2. ARIMA(p,d,q)에서 p=0이면 IMA(d,q)로 부르며, 이는 d번 차분하면 MA(q) 모형이 됨을 의미하므로 2번이 옳다.

    오답 풀이

    • 1번: ARIMA는 AutoRegressive Integrated Moving Average(자기회귀누적이동평균)의 약어이므로 ‘Improved’는 틀렸다.
    • 2번: p=0 → IMA(d,q), d번 차분 시 MA(q)가 되는 것은 옳다.
    • 3번: 분해시계열도 추세·계절 등을 회귀적 방법으로 추정·분리하므로 ‘회귀와 다르게’라는 단정은 틀렸다.
    • 4번: ARIMA는 차분을 통해 정상성을 확보하는 모형으로, 정상성 확인이 필요하므로 틀렸다.

    보충 개념 ARIMA(p,d,q): AR(p)+차분 d회+MA(q). 비정상 시계열을 d번 차분해 정상화한 뒤 ARMA를 적용한다. q=0이면 ARI, p=0이면 IMA.

39. 문제 39

    4지선다

    다음 중 데이터의 정규성을 확인하기 위한 방법으로 알맞지 않은 것은?

    • 1.

      Q-Q plot

    • 2.

      결정 계수

    • 3.

      히스토그램

    • 4.

      첨도와 왜도

    정답·해설 보기▾▴

    정답

    2번

    결정 계수

    해설

    정답: 2. 결정계수(R²)는 회귀모형의 설명력을 나타내는 지표로, 데이터의 정규성 확인과는 무관하다.

    오답 풀이

    • 1번: Q-Q plot은 분위수를 정규분포와 비교해 정규성을 시각적으로 점검하는 방법이다.
    • 2번: 결정계수는 정규성 확인 방법이 아니므로 옳지 않다.
    • 3번: 히스토그램으로 분포의 종 모양 여부를 보고 정규성을 점검할 수 있다.
    • 4번: 첨도·왜도가 정규분포 기준값(왜도 0, 첨도 3 또는 초과첨도 0)에 가까운지로 정규성을 판단한다.

    보충 개념 정규성 검정: 시각적(Q-Q plot, 히스토그램), 수치(왜도·첨도), 통계적 검정(Shapiro-Wilk, Kolmogorov-Smirnov). 결정계수는 회귀 적합도 지표다.

40. 문제 40

    4지선다

    다음 중 선형회귀모형이 통계적으로 유의미한지 평가하는 통계량으로 옳은 것은?

    • 1.

      F-Statistics

    • 2.

      Chi-Statistics

    • 3.

      T-Statistics

    • 4.

      R-Square

    정답·해설 보기▾▴

    정답

    1번

    F-Statistics

    해설

    정답: 1. 회귀모형 전체가 통계적으로 유의한지(모든 회귀계수가 0인가)를 검정하는 통계량은 F-통계량(F-Statistics)이다.

    오답 풀이

    • 1번: F-검정은 회귀모형 전체의 유의성을 평가하므로 옳다.
    • 2번: 카이제곱 통계량은 범주형 자료의 적합도·독립성 검정에 쓰인다.
    • 3번: T-통계량은 개별 회귀계수의 유의성을 검정하는 데 쓰인다.
    • 4번: R²(결정계수)는 모형의 설명력을 나타낼 뿐 유의성 검정 통계량은 아니다.

    보충 개념 회귀분석: F-검정(모형 전체 유의성), t-검정(개별 계수 유의성), R²(설명력). 셋의 역할을 구분해야 한다.

41. 문제 41

    4지선다

    데이터의 양이 가장 많이 발생하는 유형의 척도로 알맞은 것은?

    • 1.

      명목 척도

    • 2.

      순서 척도

    • 3.

      등간 척도

    • 4.

      비율 척도

    정답·해설 보기▾▴

    정답

    4번

    비율 척도

    해설

    정답: 4. 비율 척도는 절대적 0점과 사칙연산이 모두 가능한 가장 높은 수준의 척도로, 가장 많은 정보를 담을 수 있어 표현 가능한 데이터의 양(정보량)이 가장 많다.

    오답 풀이

    • 1번: 명목 척도는 단순 분류(구분)만 가능해 정보량이 가장 적다.
    • 2번: 순서 척도는 순위 비교만 가능하다.
    • 3번: 등간 척도는 간격은 의미 있으나 절대 0점이 없어 비율 비교가 불가하다.
    • 4번: 비율 척도는 절대 0점·비율 비교가 가능해 정보량이 가장 많으므로 옳다.

    보충 개념 척도 위계(정보량 오름차순): 명목 < 순서 < 등간 < 비율. 명목·순서는 질적(정성), 등간·비율은 양적(정량) 척도이다.

42. 문제 42

    4지선다

    상관계수에 대한 설명으로 옳지 않은 것은?

    • 1.

      피어슨 상관계수는 두 변수 간의 선형적인 관계의 강도를 측정한다.

    • 2.

      피어슨 상관계수는 두 변수의 원래 값을 사용하여 계산된다.

    • 3.

      스피어만 상관계수는 모수적 관계에서 두 변수 간의 단조적인 관계의 강도를 측정한다.

    • 4.

      피어슨 상관계수가 0이면 선형관계가 없다.

    정답·해설 보기▾▴

    정답

    3번

    스피어만 상관계수는 모수적 관계에서 두 변수 간의 단조적인 관계의 강도를 측정한다.

    해설

    정답: 3. 스피어만 상관계수는 원래 값이 아니라 순위(rank)를 사용하는 비모수적 방법으로 단조 관계의 강도를 측정한다. ‘모수적 관계’라 한 3번은 옳지 않다.

    오답 풀이

    • 1번: 피어슨 상관계수는 선형 관계의 강도·방향을 측정하므로 옳다.
    • 2번: 피어슨은 변수의 원래(연속형) 값을 사용해 계산하므로 옳다.
    • 3번: 스피어만은 비모수적(순위 기반)이므로 ‘모수적’이라 한 것은 틀렸다.
    • 4번: 피어슨 상관계수 0은 ‘선형’ 관계가 없음을 의미하므로 옳다(비선형 관계는 존재할 수 있다).

    보충 개념 피어슨(모수적, 선형, 연속형 값), 스피어만(비모수적, 순위 기반, 단조 관계). 비선형이거나 순위형 자료에는 스피어만이 적합하다.

43. 문제 43

    4지선다

    시계열 데이터의 정상성(Stationary)에 대한 설명으로 옳지 않은 것은?

    • 1.

      평균이 일정하다.

    • 2.

      시계열 자료는 독립성을 충족해야 한다.

    • 3.

      분산이 시점에 의존하지 않는다.

    • 4.

      공분산은 단지 시차에만 의존하고, 시점 자체에는 의존하지 않는다.

    정답·해설 보기▾▴

    정답

    2번

    시계열 자료는 독립성을 충족해야 한다.

    해설

    정답: 2. 정상성은 평균·분산이 시점에 무관하고 자기공분산이 시차에만 의존하는 성질이다. 시계열 관측치들이 서로 ‘독립’일 필요는 없으며(자기상관이 있어도 정상일 수 있음), ‘독립성을 충족해야 한다’는 2번이 옳지 않다.

    오답 풀이

    • 1번: 정상 시계열은 평균이 시점에 관계없이 일정하므로 옳다.
    • 2번: 정상성은 독립성을 요구하지 않으므로(약정상성 기준) 틀렸다.
    • 3번: 분산이 시점에 의존하지 않는 것은 정상성의 조건이므로 옳다.
    • 4번: 자기공분산이 시차에만 의존하고 시점에는 무관한 것은 정상성의 조건이므로 옳다.

    보충 개념 약정상성(weak stationarity) 3조건: ① 평균 일정 ② 분산 일정 ③ 자기공분산이 시차(lag)에만 의존. 비정상 시계열은 차분·변환으로 정상화한다.

44. 문제 44

    4지선다

    다음 중 회귀분석에서 모형의 설명력을 확인하기 위해 사용되는 결정 계수의 특성으로 옳지 않은 것은?

    • 1.

      결정 계수는 0에서 1의 값을 가진다.

    • 2.

      높은 값을 가질수록 측정된 회귀식의 설명력이 높다.

    • 3.

      총 변동에서 추정된 회귀식에 의해 설명되는 변동의 비율로 나타낼 수 있다.

    • 4.

      종속 변수와 독립 변수 사이의 표본 상관 계수 값과 같다.

    정답·해설 보기▾▴

    정답

    4번

    종속 변수와 독립 변수 사이의 표본 상관 계수 값과 같다.

    해설

    정답: 4. 단순선형회귀에서 결정계수 R²는 표본 상관계수 r의 ‘제곱(r²)’과 같다. 상관계수 값 자체와 같은 것이 아니므로 4번이 옳지 않다.

    오답 풀이

    • 1번: 결정계수는 0~1의 값을 가지므로 옳다.
    • 2번: 값이 클수록 회귀식의 설명력이 높으므로 옳다.
    • 3번: R² = SSR/SST로 총 변동 중 설명되는 변동의 비율이므로 옳다.
    • 4번: R²는 상관계수의 ‘제곱’이지 상관계수 값 그 자체가 아니므로 틀렸다.

    보충 개념 단순회귀: R² = r²(상관계수의 제곱). R² = SSR/SST = 1 - SSE/SST. 독립변수가 많아질수록 R²가 무조건 커지는 문제를 보정한 것이 수정 결정계수(Adjusted R²)이다.

45. 문제 45

    4지선다

    선형회귀모형의 오차항에 대한 가정으로 옳은 것은?

    • 1.

      독립성, 선형성, 등분산성

    • 2.

      독립성, 등분산성, 정규성

    • 3.

      정규성, 효율성, 등분산성

    • 4.

      정규성, 편의성, 독립성

    정답·해설 보기▾▴

    정답

    2번

    독립성, 등분산성, 정규성

    해설

    정답: 2. 선형회귀의 오차항(잔차)에 대한 핵심 가정은 독립성(자기상관 없음), 등분산성(분산 일정), 정규성(정규분포)이다.

    오답 풀이

    • 1번: ‘선형성’은 모형 형태에 대한 가정이지 오차항에 대한 가정이 아니다.
    • 2번: 독립성·등분산성·정규성은 오차항의 3대 가정으로 옳다.
    • 3번: ‘효율성’은 추정량의 성질이지 오차항 가정이 아니다.
    • 4번: ‘편의성’은 가정이 아니며 오히려 불편성(unbiasedness)이 바람직한 성질이다.

    보충 개념 오차항 가정: 독립성, 등분산성, 정규성(+평균 0). 선형성은 모형 구조에 대한 별도의 가정이다.

46. 문제 46

    4지선다

    아래 설명에 해당하는 용어로 알맞은 것은?

    다층 신경망 모형에서 은닉 층의 개수를 너무 많이 설정하면 역전파 과정에서 앞쪽 은닉층의 가중치가 조정되지 않아, 신경망에 대한 학습이 제대로 되지 않는 현상

    • 1.

      기울기소실 문제

    • 2.

      과적합

    • 3.

      활성화 함수

    • 4.

      신경망 레이어 소실

    정답·해설 보기▾▴

    정답

    1번

    기울기소실 문제

    해설

    정답: 1. 역전파에서 층이 깊어질수록 기울기(gradient)가 앞쪽 층으로 갈수록 점점 작아져 가중치가 거의 갱신되지 않는 현상을 기울기 소실(Vanishing Gradient) 문제라 한다.

    오답 풀이

    • 1번: 앞쪽 층 가중치가 학습되지 않는 현상은 기울기 소실 문제이므로 옳다.
    • 2번: 과적합은 학습 데이터에 지나치게 맞춰져 일반화 성능이 떨어지는 문제로, 본 설명과 다르다.
    • 3번: 활성화 함수는 뉴런의 비선형 변환 함수로 현상 명칭이 아니다.
    • 4번: ‘신경망 레이어 소실’은 표준 용어가 아니다.

    보충 개념 기울기 소실은 시그모이드/tanh의 미분값이 작아 발생하며, ReLU 계열 활성화 함수·배치 정규화·잔차 연결(ResNet) 등으로 완화한다.

47. 문제 47

    4지선다

    아래 회귀모델 결과(R)에 대한 설명 중 옳지 않은 것은?

    • 1.

      추정된 회귀식은 weight = 24.4654 + 7.9879*time와 같다.

    • 2.

      F-통계량 232.7, p-값 2.974e-08으로 보아 유의수준 5%하에서 추정된 회귀 모형이 통계적으로 매우 유의하다.

    • 3.

      time이 1 증가할 때, weight가 5.99만큼 증가한다.

    • 4.

      결정계수 또한 0.9588로 매우 높은 값을 보이므로 이 회귀식이 데이터를 약 96% 정도로 설명하고 있다.

    정답·해설 보기▾▴

    정답

    3번

    time이 1 증가할 때, weight가 5.99만큼 증가한다.

    해설

    정답: 3. Time의 회귀계수(기울기) 추정치는 7.9879이다. 따라서 Time이 1 증가하면 weight는 약 7.99 증가한다. ‘5.99만큼 증가’라고 한 3번이 옳지 않다.

    오답 풀이

    • 1번: 절편 24.4654, 기울기 7.9879이므로 회귀식 weight = 24.4654 + 7.9879·Time은 옳다.
    • 2번: F=232.7, p=2.974e-08 < 0.05이므로 모형이 통계적으로 매우 유의하다는 설명은 옳다.
    • 3번: 기울기는 7.9879인데 5.99라 했으므로 틀렸다.
    • 4번: Multiple R-squared 0.9588은 약 96%의 설명력을 의미하므로 옳다.

    보충 개념 회귀계수(Estimate)는 해당 설명변수가 1 단위 증가할 때 반응변수의 평균 변화량이다. p-value(Pr>|t|)는 각 계수의 유의성을, F-통계량은 모형 전체의 유의성을 나타낸다.

48. 문제 48

    4지선다

    카이제곱 통계량의 예측 표본과 실제 표본의 차이와 검정 통계량에 따른 유의확률의 변화로 옳은 것은?

    • 1.

      카이제곱 통계량을 이용한 적합도 검정은 여러 범주형 변수에 대해 관측 값들이 어떤 이론이나 이론적 분포를 따르고 있는지를 검정하는 방법이다.

    • 2.

      데이터의 정규성을 검정하기 위해 오차항이 정규분포를 추종하는지 알아보는 검정방법이다.

    • 3.

      예측 표본과 실제 표본의 차이가 많을 때, 도수가 낮아지고 검정 통계량이 높아져 유의 확률이 낮아진다.

    • 4.

      각 데이터 포인트와 이론적인 분포 간의 차이를 측정하여 이 차이를 기반으로 검정 통계량을 계산한다.

    정답·해설 보기▾▴

    정답

    3번

    예측 표본과 실제 표본의 차이가 많을 때, 도수가 낮아지고 검정 통계량이 높아져 유의 확률이 낮아진다.

    해설

    정답: 3. 카이제곱 통계량 χ² = Σ(Oᵢ-eᵢ)²/eᵢ 는 관측도수와 기대(예측)도수의 차이가 클수록 커진다. 통계량이 커지면 그만큼 귀무가설(분포가 일치) 하에서 나올 확률이 작아져 유의확률(p-value)이 낮아진다. 따라서 3번이 옳다.

    오답 풀이

    • 1번: 적합도 검정은 하나의 범주형 변수가 특정 이론적 분포를 따르는지 검정하는 것이며 ‘여러 범주형 변수’ 관계 검정은 독립성/동질성 검정이므로 부정확하다.
    • 2번: 오차항 정규성 검정은 카이제곱 적합도 검정의 본래 설명이 아니다.
    • 3번: 차이가 클수록 통계량↑·유의확률↓이라는 관계는 옳다.
    • 4번: 카이제곱은 개별 ‘데이터 포인트’가 아니라 ‘범주별 도수(관측 vs 기대)’의 차이로 계산하므로 부정확하다.

    보충 개념 카이제곱 통계량이 클수록 관측-기대 도수 차이가 커 p-value가 작아지고, 작은 p-value는 귀무가설(분포 일치/독립) 기각으로 이어진다.

49. 문제 49

    4지선다

    인공신경망 함수에 대한 설명으로 옳지 않은 것은?

    • 1.

      인공신경망 함수는 여러 개의 뉴런이 연결된 구조를 가지고 있으며, 각 뉴런은 입력값에 따라 비선형적인 변환을 수행한다.

    • 2.

      쌍곡탄젠트 함수는 0~1 사이의 값을 출력하며 시그모이드 함수와 관련이 있다.

    • 3.

      인공신경망 함수는 활성화 함수를 사용하여 입력값을 출력값으로 변환한다.

    • 4.

      대표적인 인공신경망 함수로는 시그모이드 함수, 쌍곡탄젠트 함수, 렐루 함수 등이 있다.

    정답·해설 보기▾▴

    정답

    2번

    쌍곡탄젠트 함수는 0~1 사이의 값을 출력하며 시그모이드 함수와 관련이 있다.

    해설

    정답: 2. 쌍곡탄젠트(tanh) 함수의 출력 범위는 -1 ~ 1이다. 0 ~ 1을 출력하는 것은 시그모이드 함수이므로 2번이 옳지 않다.

    오답 풀이

    • 1번: 신경망은 다수 뉴런의 연결 구조이며 각 뉴런이 비선형 변환을 수행하므로 옳다.
    • 2번: tanh의 출력 범위는 -1~1이므로 ‘0~1’이라 한 것은 틀렸다(시그모이드가 0~1).
    • 3번: 활성화 함수로 입력을 출력으로 변환한다는 설명은 옳다.
    • 4번: 시그모이드·tanh·ReLU는 대표적 활성화 함수이므로 옳다.

    보충 개념 활성화 함수 출력 범위 — 시그모이드: (0,1), tanh: (-1,1), ReLU: [0,∞). tanh는 시그모이드를 평행이동·확대한 형태로 0 중심 출력을 갖는다.