ADsP 42회 기출 복원

📝 기출문제 전체 보기

데이터분석 준전문가(ADsP) 2024년 42회차 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 데이터의 특성이 다른 하나는?

   • 1.

     풍량

   • 2.

     강수량

   • 3.

     기상특보

   • 4.

     습도

   정답·해설 보기▾▴

   정답

   3번

   기상특보

   해설

   정답: 3. 풍량·강수량·습도는 수치로 측정되는 정량적(정형) 데이터이지만, 기상특보는 '주의보·경보' 같은 언어·문자로 발표되는 정성적(비정형) 데이터이므로 특성이 다르다.

   오답 풀이

   • 1번: 풍량은 m/s 등 수치로 측정되는 정량적 데이터이다.
   • 2번: 강수량은 mm 단위의 수치로 측정되는 정량적 데이터이다.
   • 3번: 기상특보는 텍스트 형태로 발표되는 정성적·비정형 데이터로, 나머지와 성격이 다르다.
   • 4번: 습도는 % 단위의 수치로 측정되는 정량적 데이터이다.

   보충 개념 정량적 데이터는 수치·도형 등 정형화된 형태이고, 정성적 데이터는 언어·문자 중심의 비정형 형태이다.

2. 문제 2

   4지선다

   DIKW 피라미드 예시 중 옳지 않은 것은?

   • 1.

     D(Data): A마트는 100원, B마트는 200원에 연필을 판매한다.

   • 2.

     I(Information): B마트가 A마트보다 연필이 100원 더 비싸다.

   • 3.

     K(Knowledge): B가 A보다 연필이 더 싸니깐 B에서 사야겠다.

   • 4.

     W(Wisdom): 문구류는 전반적으로 A마트가 더 저렴할 것이다.

   정답·해설 보기▾▴

   정답

   3번

   K(Knowledge): B가 A보다 연필이 더 싸니깐 B에서 사야겠다.

   해설

   정답: 3. 본문 가격은 A마트 100원, B마트 200원으로 A가 더 싸다. ③은 'B가 A보다 더 싸다'고 전제했지만 실제로는 B(200원)가 A(100원)보다 비싸므로 사실과 모순된 잘못된 예시이다. 따라서 각 위계에 올바르게 대응하지 않는(옳지 않은) 것은 ③이다.

   오답 풀이

   • 1번: 'A=100원, B=200원'은 가공 전의 객관적 사실로 데이터(Data)에 올바르게 대응한다.
   • 2번: 'B가 A보다 100원 더 비싸다'는 두 값을 비교해 의미를 부여한 것으로 정보(Information)에 올바르게 대응한다(200−100=100, 사실과 일치).
   • 3번: 'B가 더 싸다'는 본문(B=200>A=100)과 모순되어 사실이 아니므로 지식(Knowledge) 예시로 잘못 제시되었다(정답).
   • 4번: '문구류 전반적으로 A가 저렴'은 개별 사실을 일반화한 추론으로 지혜(Wisdom)에 올바르게 대응한다.

   보충 개념 데이터=가공 전 사실, 정보=데이터 간 관계·의미, 지식=정보를 활용한 행동 규칙, 지혜=지식을 일반화한 통찰이다.

3. 문제 3

   4지선다

   데이터 사이언티스트에게 필요한 역량이 아닌 것은?

   • 1.

     스토리텔링

   • 2.

     비즈니스 분석기법

   • 3.

     네트워크 구축 역량

   • 4.

     통계적 사고능력

   정답·해설 보기▾▴

   정답

   3번

   네트워크 구축 역량

   해설

   정답: 3. 데이터 사이언티스트의 역량은 크게 하드 스킬(빅데이터 이론·분석기술)과 소프트 스킬(통찰력·전달력·협력)로 나뉜다. '네트워크 구축 역량'은 IT 인프라 구성에 가까운 기술로, 데이터 사이언티스트의 핵심 역량 분류에 포함되지 않는다.

   오답 풀이

   • 1번: 스토리텔링은 분석 결과를 설득력 있게 전달하는 소프트 스킬에 해당한다.
   • 2번: 비즈니스 분석기법은 도메인 문제를 분석으로 연결하는 하드 스킬에 해당한다.
   • 3번: 네트워크(망) 구축은 인프라 엔지니어 영역으로, 데이터 사이언티스트의 필수 역량으로 보지 않는다.
   • 4번: 통계적 사고능력은 분석의 기초가 되는 핵심 하드 스킬이다.

   보충 개념 데이터 사이언티스트의 소프트 스킬에는 통찰력 있는 분석, 설득력 있는 전달, 다분야 협력이 포함된다.

4. 문제 4

   4지선다

   데이터베이스의 진행 절차를 올바른 순서대로 나열한 것은?

   • 1.

     통합 - 저장 - 공유 - 변화

   • 2.

     저장 - 통합 - 변화 - 공유

   • 3.

     공유 - 저장 - 통합 - 변화

   • 4.

     변화 - 통합 - 저장 - 공유

   정답·해설 보기▾▴

   정답

   1번

   통합 - 저장 - 공유 - 변화

   해설

   정답: 1. 데이터베이스의 4대 특징은 통합(중복 배제)·저장(컴퓨터 매체 저장)·공유(여러 사용자 이용)·변화(삽입·삭제·갱신으로 항상 변함)이며, 통합→저장→공유→변화 순으로 설명하는 것이 일반적이다.

   오답 풀이

   • 1번: 통합-저장-공유-변화 순으로 특징을 올바르게 나열했다.
   • 2번: 저장을 통합보다 앞세웠으나, 중복을 배제해 통합한 뒤 매체에 저장하는 순서가 표준이다.
   • 3번: 공유를 가장 앞에 두어 순서가 어긋난다.
   • 4번: 변화를 맨 앞에 두어 순서가 어긋난다.

   보충 개념 데이터베이스는 통합된 데이터, 저장된 데이터, 공용 데이터, 변화되는 데이터라는 4가지 특성으로 정의된다.

5. 문제 5

   4지선다

   빅데이터 위기 요인이 아닌 것은?

   • 1.

     사생활 침해

   • 2.

     책임원칙 훼손

   • 3.

     데이터 오용

   • 4.

     분석기술의 발달

   정답·해설 보기▾▴

   정답

   4번

   분석기술의 발달

   해설

   정답: 4. 빅데이터의 3대 위기 요인은 사생활 침해, 책임원칙 훼손, 데이터 오용이다. 분석기술의 발달은 위기 요인이 아니라 빅데이터를 가능하게 한 발전 요인이다.

   오답 풀이

   • 1번: 사생활 침해는 개인정보가 동의 없이 활용될 위험으로 대표적 위기 요인이다.
   • 2번: 책임원칙 훼손은 예측에 근거해 행위 이전에 책임을 묻는 위험을 말한다.
   • 3번: 데이터 오용은 잘못된 지표·해석으로 잘못된 통찰을 내리는 위험이다.
   • 4번: 분석기술의 발달은 빅데이터 활용을 촉진하는 긍정 요인으로, 위기 요인이 아니다.

   보충 개념 빅데이터 위기 요인(사생활 침해/책임원칙 훼손/데이터 오용)에 대한 통제 수단으로는 동의제에서 책임제로의 전환, 결과 기반 책임 적용, 알고리즘 접근권 보장이 제시된다.

6. 문제 6

   4지선다

   빅데이터가 만들어내는 변화로 옳은 것은?

   • 1.

     사후조사 → 사전예측

   • 2.

     표본조사 → 전수조사

   • 3.

     질적분석 → 양적분석

   • 4.

     인과관계 → 상관관계

   정답·해설 보기▾▴

   정답

   4번

   인과관계 → 상관관계

   해설

   정답: 4. 빅데이터가 가져온 4가지 변화는 사전처리→사후처리, 표본조사→전수조사, 질→양, 인과관계→상관관계이다. 보기 중 방향이 올바른 것은 '인과관계→상관관계'로, 원인을 규명하기보다 상관관계 기반 예측을 중시하게 된 변화이다.

   오답 풀이

   • 1번: 빅데이터의 변화는 '사전처리→사후처리'이지 '사후조사→사전예측'이 아니므로 방향이 틀렸다.
   • 2번: '표본조사→전수조사' 역시 빅데이터가 가능케 한 실제 변화 방향이나, 이 문항이 묻는 가장 대표적인 패러다임 전환은 ④(인과→상관)이며 원 출제 정답키도 ④이다(②·④가 함께 성립하는 출제상 한계가 있는 문항).
   • 3번: 빅데이터의 변화는 '질(質)→양(量)'이지 '질적분석→양적분석'이라는 분석방법 전환을 뜻하지 않는다.
   • 4번: 인과관계 규명에서 상관관계 기반 예측으로의 전환은 빅데이터의 대표적 패러다임 변화이다.

   보충 개념 빅데이터의 변화: 사전처리→사후처리, 표본→전수, 질→양, 인과→상관. 무엇이 왜 일어났는지보다 무엇이 일어났는지에 주목한다.

7. 문제 7

   4지선다

   빅데이터가 미치는 영향이 아닌 것은?

   • 1.

     고객에게 획일화된 서비스 제공

   • 2.

     맞춤형 서비스 확대

   • 3.

     업무 프로세스 최적화

   • 4.

     새로운 가치 창출

   정답·해설 보기▾▴

   정답

   1번

   고객에게 획일화된 서비스 제공

   해설

   정답: 1. 빅데이터는 개인별 데이터를 분석해 '맞춤형(개인화)' 서비스를 가능하게 한다. '획일화된 서비스'는 빅데이터 이전의 일률적 제공 방식으로, 빅데이터가 만든 변화와 정반대이다.

   오답 풀이

   • 1번: 빅데이터는 획일화가 아니라 개인 맞춤형으로 서비스를 차별화하므로 옳지 않다.
   • 2번: 고객 데이터를 분석해 맞춤형 서비스를 확대하는 것은 빅데이터의 대표 효과이다.
   • 3번: 데이터 기반으로 업무 프로세스를 최적화·자동화할 수 있다.
   • 4번: 데이터에서 새로운 통찰과 비즈니스 가치를 창출할 수 있다.

   보충 개념 빅데이터는 기업에 통찰력·가치 창출, 정부에 환경 탐지·미래 대응, 개인에게 맞춤형 서비스를 제공한다.

8. 문제 8

   4지선다

   빅데이터의 사생활 침해 해결방법은?

   • 1.

     제공자 동의에서 사용자 책임으로 전환한다

   • 2.

     데이터 수집 범위를 제한한다

   • 3.

     개인정보 비식별화를 강화한다

   • 4.

     데이터 보안 시스템을 구축한다

   정답·해설 보기▾▴

   정답

   1번

   제공자 동의에서 사용자 책임으로 전환한다

   해설

   정답: 1. 빅데이터 환경에서는 수집 시점마다 일일이 동의를 받기 어렵고 활용 목적이 사후에 정해지는 경우가 많다. 그래서 '동의에 의한 사용'에서 '사용자(활용자) 책임'으로 패러다임을 전환해, 정보 활용으로 발생한 피해에 대해 활용 주체가 책임지도록 하는 것이 사생활 침해의 통제 수단으로 제시된다.

   오답 풀이

   • 1번: 동의제에서 책임제(사용자 책임)로의 전환은 빅데이터 위기 통제의 대표 수단이다.
   • 2번: 수집 범위 제한은 활용 가치를 떨어뜨려 빅데이터의 본질과 충돌하므로 표준 해법으로 제시되지 않는다.
   • 3번: 비식별화는 유용한 보호 기법이지만, 본 문항이 묻는 '패러다임 전환' 차원의 핵심 해법은 책임제 전환이다.
   • 4번: 보안 시스템 구축은 일반적 정보보호 조치로, 사생활 침해의 근본 해법으로 강조되지 않는다.

   보충 개념 빅데이터 위기 요인별 통제: 사생활 침해→책임제 전환, 책임원칙 훼손→결과 기반 책임, 데이터 오용→알고리즘 접근 보장.

9. 문제 9

   4지선다

   빅데이터가 발전한 요인이 아닌 것은?

   • 1.

     정형 데이터의 폭증

   • 2.

     하둡 등 분산처리 기술의 발전

   • 3.

     SNS 등 비정형 데이터의 증가

   • 4.

     클라우드 컴퓨팅의 발전

   정답·해설 보기▾▴

   정답

   1번

   정형 데이터의 폭증

   해설

   정답: 1. 빅데이터 시대를 연 핵심 동인은 SNS·로그·센서 등 '비정형 데이터'의 폭증과 이를 처리할 분산처리·클라우드 기술의 발전이다. '정형 데이터의 폭증'은 빅데이터 출현의 직접 배경으로 꼽히지 않는다.

   오답 풀이

   • 1번: 빅데이터를 견인한 것은 정형이 아니라 비정형 데이터의 폭증이다.
   • 2번: 하둡 등 분산처리 기술은 대용량 데이터 저장·처리를 가능케 한 핵심 요인이다.
   • 3번: SNS 등 비정형 데이터의 증가는 빅데이터의 대표적 발전 요인이다.
   • 4번: 클라우드 컴퓨팅은 저렴한 대규모 연산·저장을 제공해 빅데이터 확산을 도왔다.

   보충 개념 빅데이터 출현 배경은 데이터량 증가(비정형 포함), 하드웨어·클라우드 비용 하락, 분산처리(하둡/맵리듀스) 기술 발전이다.

10. 문제 10

    4지선다

    연결된 상태로 연결을 관리해야 할 때를 설명하는 것은?

    • 1.

      연결성

    • 2.

      디지털화

    • 3.

      에이전시

    • 4.

      네트워크 효과

    정답·해설 보기▾▴

    정답

    3번

    에이전시

    해설

    정답: 3. 데이터 경제 시대의 세 가지 핵심 패러다임은 디지털화(Digitalization), 연결(Connectivity), 그리고 에이전시(Agency)이다. 에이전시는 연결이 복잡해질수록 그 수많은 연결을 '관리·제어(대리·조율)'해야 하는 능력을 가리킨다.

    오답 풀이

    • 1번: 연결성(Connectivity)은 사물·사람을 잇는 단계 자체를 뜻하며, 연결을 '관리'하는 단계는 아니다.
    • 2번: 디지털화는 아날로그 세계를 디지털로 옮겨 데이터화하는 단계이다.
    • 3번: 에이전시는 복잡하게 연결된 상태를 관리·조율하는 능력으로, 설명에 부합한다.
    • 4번: 네트워크 효과는 사용자가 늘수록 가치가 커지는 경제 현상으로, 연결 관리와 다른 개념이다.

    보충 개념 데이터 경제 3요소: 디지털화(데이터로 전환)→연결(상호 연결)→에이전시(연결의 관리·조율).

11. 문제 11

    4지선다

    KDD 분석방법론의 올바른 순서는?

    • 1.

      Selection - Preprocessing - Transformation - Data Mining - Interpretation/Evaluation

    • 2.

      Preprocessing - Selection - Transformation - Data Mining - Interpretation/Evaluation

    • 3.

      Selection - Transformation - Preprocessing - Data Mining - Interpretation/Evaluation

    • 4.

      Preprocessing - Transformation - Selection - Interpretation/Evaluation - Data Mining

    정답·해설 보기▾▴

    정답

    1번

    Selection - Preprocessing - Transformation - Data Mining - Interpretation/Evaluation

    해설

    정답: 1. KDD(Knowledge Discovery in Databases) 절차는 데이터셋 선택(Selection)→전처리(Preprocessing)→변환(Transformation)→데이터 마이닝(Data Mining)→해석/평가(Interpretation/Evaluation) 순이다.

    오답 풀이

    • 1번: Selection→Preprocessing→Transformation→Data Mining→Interpretation/Evaluation 순으로 옳다.
    • 2번: Preprocessing을 Selection보다 앞세워 순서가 틀렸다(먼저 데이터를 선택해야 전처리 대상이 정해진다).
    • 3번: Transformation을 Preprocessing보다 앞세워 순서가 어긋난다.
    • 4번: Selection을 뒤로 보내고 Data Mining을 맨 끝에 두어 전반적으로 어긋났다.

    보충 개념 CRISP-DM(업무이해→데이터이해→데이터준비→모델링→평가→전개)과 함께 대표적 데이터 마이닝 방법론으로 비교된다.

12. 문제 12

    4지선다

    다음 분할표에서 전체 학생 중 한 명을 뽑았더니 사과를 좋아할 확률은?

    구분	사과	사과 아님	합계
    남	30	20	50
    여	10	40	50
    총합	40	60	100

    • 1.

      4/10

    • 2.

      3/5

    • 3.

      1/2

    • 4.

      3/10

    정답·해설 보기▾▴

    정답

    1번

    4/10

    해설

    정답: 1. 전체 100명 중 사과를 좋아하는 학생은 남 30명 + 여 10명 = 40명이다. 따라서 임의로 한 명을 뽑았을 때 사과를 좋아할 확률 P(사과) = 40/100 = 4/10이다.

    오답 풀이

    • 1번: 40/100 = 4/10으로 정답이다.
    • 2번: 3/5 = 60/100은 '사과 아님'(60명)의 비율로, 묻는 값과 반대이다.
    • 3번: 1/2 = 50/100은 남(또는 여) 학생의 비율로, 사과 선호와 무관하다.
    • 4번: 3/10 = 30/100은 '남이면서 사과를 좋아하는' 학생의 비율(결합확률)로, 전체 사과 선호 확률이 아니다.

    보충 개념 주변확률 P(사과)는 해당 열의 합계(40)를 전체(100)로 나눈 값이다. 특정 성별 조건이 붙으면 조건부확률로 분모가 그 성별의 합계로 바뀐다.

13. 문제 13

    4지선다

    CRISP-DM의 업무이해 단계로 맞는 것은?

    • 1.

      업무 상황파악 - 데이터 마이닝 목표설정 - 프로젝트 계획 수립

    • 2.

      데이터 마이닝 목표설정 - 프로젝트 계획 수립 - 업무 상황파악

    • 3.

      프로젝트 계획 수립 - 업무 상황파악 - 데이터 마이닝 목표설정

    • 4.

      업무 상황파악 - 프로젝트 계획 수립 - 데이터 마이닝 목표설정

    정답·해설 보기▾▴

    정답

    1번

    업무 상황파악 - 데이터 마이닝 목표설정 - 프로젝트 계획 수립

    해설

    정답: 1. CRISP-DM의 업무이해(Business Understanding) 단계는 업무 목적 파악(상황 파악)→데이터 마이닝 목표 설정→프로젝트 계획 수립의 순으로 진행된다. 업무 배경을 먼저 이해한 뒤 마이닝 목표를 정하고 그에 맞춰 계획을 세운다.

    오답 풀이

    • 1번: 상황 파악→목표 설정→계획 수립 순으로 옳다.
    • 2번: 목표 설정을 상황 파악보다 앞세워 순서가 어긋난다.
    • 3번: 계획 수립을 맨 앞에 두어, 무엇을 위한 계획인지 정하기 전에 계획부터 세운 셈이라 틀렸다.
    • 4번: 계획 수립을 목표 설정보다 앞세워 순서가 뒤바뀌었다.

    보충 개념 CRISP-DM 6단계: 업무이해→데이터이해→데이터준비→모델링→평가→전개. 단계 간 피드백 반복이 가능하다.

14. 문제 14

    4지선다

    4V에서 비즈니스 효과에 해당하는 것은?

    • 1.

      Value

    • 2.

      Volume

    • 3.

      Velocity

    • 4.

      Variety

    정답·해설 보기▾▴

    정답

    1번

    Value

    해설

    정답: 1. 빅데이터의 3V(Volume·Velocity·Variety)는 데이터 자체의 특성이고, 여기에 더해지는 네 번째 V인 Value(가치)는 분석을 통해 얻는 '비즈니스 효과'를 의미한다.

    오답 풀이

    • 1번: Value(가치)는 데이터 분석으로 창출되는 비즈니스 효과를 나타낸다.
    • 2번: Volume(규모)은 데이터의 양적 특성이다.
    • 3번: Velocity(속도)는 데이터 생성·처리 속도라는 특성이다.
    • 4번: Variety(다양성)는 정형·반정형·비정형이 섞인 데이터 형태의 다양성이다.

    보충 개념 3V(Volume·Velocity·Variety)에 Value(가치) 또는 Veracity(신뢰성)를 더해 4V로 확장한다.

15. 문제 15

    4지선다

    프로세스 내재화에 대한 설명 중, 분석 결과를 활용하고 혁신 및 성과 향상에 기여하는 것은?

    • 1.

      도입

    • 2.

      활용

    • 3.

      확산

    • 4.

      최적화

    정답·해설 보기▾▴

    정답

    4번

    최적화

    해설

    정답: 4. 분석 성숙도 모델은 도입→활용→확산→최적화 4단계로 발전한다. 최적화 단계에서는 분석이 업무에 완전히 내재화되어 분석 결과를 활용한 혁신과 지속적 성과 향상이 이루어진다.

    오답 풀이

    • 1번: 도입 단계는 분석을 시작해 환경·시스템을 구축하는 초기 단계이다.
    • 2번: 활용 단계는 분석 결과를 실제 업무에 적용하기 시작하는 단계이다.
    • 3번: 확산 단계는 전사 차원으로 분석을 확대하고 체계를 갖추는 단계이다.
    • 4번: 최적화 단계는 분석이 내재화되어 혁신·성과 향상에 기여하는 최고 성숙 단계로, 설명에 부합한다.

    보충 개념 분석 성숙도 4단계: 도입(시작)→활용(업무 적용)→확산(전사 확대)→최적화(내재화·혁신).

16. 문제 16

    4지선다

    상향식 접근 방법으로 옳지 않은 것은?

    • 1.

      문제정의를 명확히 할 수 있을 때 사용한다

    • 2.

      데이터 중심의 접근방식이다

    • 3.

      데이터를 통해 인사이트를 도출한다

    • 4.

      탐색적 분석이 중심이 된다

    정답·해설 보기▾▴

    정답

    1번

    문제정의를 명확히 할 수 있을 때 사용한다

    해설

    정답: 1. 상향식 접근(Bottom-up)은 문제 정의가 명확하지 않을 때 데이터를 먼저 탐색해 인사이트를 발견하는 방식이다. '문제 정의를 명확히 할 수 있을 때'는 하향식(Top-down) 접근의 특징이므로 옳지 않다.

    오답 풀이

    • 1번: 문제가 명확할 때 가설을 세워 푸는 것은 하향식 접근이므로, 상향식 설명으로는 틀렸다.
    • 2번: 상향식은 데이터에서 출발하는 데이터 중심 접근이 맞다.
    • 3번: 데이터 탐색으로 새로운 인사이트를 도출하는 것이 상향식의 목적이다.
    • 4번: 탐색적 데이터 분석(EDA)이 중심이 되는 것이 상향식의 특징이다.

    보충 개념 하향식: 문제 정의→가설→데이터 검증(연역적). 상향식: 데이터 탐색→패턴·통찰 발견(귀납적, 비지도학습 성격).

17. 문제 17

    4지선다

    분석 과제에서 고려해야 할 요소가 아닌 것은?

    • 1.

      데이터 크기(규모)

    • 2.

      속도

    • 3.

      복잡도

    • 4.

      데이터 분류

    정답·해설 보기▾▴

    정답

    4번

    데이터 분류

    해설

    정답: 4. 분석 과제를 도출·관리할 때 고려하는 5가지 주요 특성은 데이터 양(Volume/크기), 데이터 복잡도(Complexity), 속도(Speed), 분석 복잡성(Analytic Complexity), 정확도·정밀도(Accuracy & Precision)이다. '데이터 분류'는 이 고려 요소 목록에 포함되지 않는다.

    오답 풀이

    • 1번: 데이터 크기(규모)는 처리해야 할 데이터 양으로 핵심 고려 요소이다.
    • 2번: 속도는 분석 결과 활용 주기·구현 속도와 관련된 고려 요소이다.
    • 3번: 복잡도는 데이터 구조·결합의 복잡성으로 고려해야 할 요소이다.
    • 4번: 데이터 분류는 분석 과제 고려 요소로 제시되지 않으므로 정답이다.

    보충 개념 분석 과제 고려 5요소: 데이터 양, 데이터 복잡도, 속도, 분석 복잡성, 정확도·정밀도(Accuracy/Precision).

18. 문제 18

    4지선다

    시급성이 '현재'일 때 가장 먼저 고려할 것은?

    • 1.

      전략적 중요도

    • 2.

      실현 가능성

    • 3.

      데이터 확보 용이성

    • 4.

      분석 난이도

    정답·해설 보기▾▴

    정답

    1번

    전략적 중요도

    해설

    정답: 1. 분석 과제 우선순위는 시급성(전략적 중요도)과 난이도(실현 가능성)의 두 축으로 판단한다. 시급성을 우선 기준으로 삼을 때는 '전략적 중요도'가 높은 과제를 먼저 수행한다.

    오답 풀이

    • 1번: 시급성 축의 판단 기준은 전략적 중요도이므로, 시급성을 우선할 때 먼저 고려한다.
    • 2번: 실현 가능성은 난이도 축의 기준으로, 시급성을 우선할 때의 1차 기준은 아니다.
    • 3번: 데이터 확보 용이성은 난이도(실현 가능성)에 영향을 주는 하위 요소이다.
    • 4번: 분석 난이도는 난이도 축의 요소로, 시급성 우선 판단의 직접 기준이 아니다.

    보충 개념 우선순위 매트릭스: 시급성(전략적 중요도)을 우선하면 III→IV→II, 난이도(실현 가능성)를 우선하면 III→I→II 순으로 과제를 선택한다.

19. 문제 19

    4지선다

    데이터 분석 준비 시 고려의 중요도가 가장 낮은 것은?

    • 1.

      비용

    • 2.

      분석업무이해

    • 3.

      분석문화

    • 4.

      분석기법

    정답·해설 보기▾▴

    정답

    1번

    비용

    해설

    정답: 1. 분석 준비도(Readiness)는 분석 업무 파악, 인력·조직, 분석 기법, 분석 데이터, 분석 문화, IT 인프라의 6개 영역으로 진단한다. '비용'은 준비도 진단 영역에 직접 포함되지 않아 중요도가 가장 낮다.

    오답 풀이

    • 1번: 비용은 분석 준비도 6개 진단 영역에 속하지 않으므로 중요도가 가장 낮다.
    • 2번: 분석업무 이해는 준비도 진단 영역(분석 업무 파악)에 해당한다.
    • 3번: 분석문화는 준비도 진단 6개 영역 중 하나이다.
    • 4번: 분석기법은 준비도 진단 영역(분석 기법)에 해당한다.

    보충 개념 분석 준비도 6영역: 분석 업무 파악, 인력·조직, 분석 기법, 분석 데이터, 분석 문화, IT 인프라.

20. 문제 20

    4지선다

    협의의 데이터 분석 플랫폼 구성요소인 것은?

    • 1.

      분석 어플리케이션

    • 2.

      분석 서비스 제공 API

    • 3.

      분석 라이브러리

    • 4.

      분석 서비스 엔진

    정답·해설 보기▾▴

    정답

    3번

    분석 라이브러리

    해설

    정답: 3. 협의의 분석 플랫폼은 분석을 수행하는 핵심 계층, 즉 분석 엔진과 분석 라이브러리를 가리킨다. 보기 중 이 협의 구성요소에 해당하는 것은 '분석 라이브러리'이다.

    오답 풀이

    • 1번: 분석 어플리케이션은 플랫폼 위에서 동작하는 응용 영역으로, 광의의 구성요소에 가깝다.
    • 2번: 분석 서비스 제공 API는 외부 연계 인터페이스로, 협의의 핵심 구성요소로 보기 어렵다.
    • 3번: 분석 라이브러리는 분석을 직접 수행하는 협의 플랫폼의 핵심 구성요소이다.
    • 4번: 분석 서비스 엔진은 서비스를 구동하는 상위 계층으로, 협의의 분석 엔진·라이브러리 계층과 구분된다.

    보충 개념 광의의 분석 플랫폼은 분석 서비스 제공 엔진/API/어플리케이션까지 포함하고, 협의로는 분석 엔진과 분석 라이브러리를 가리킨다.

21. 문제 21

    4지선다

    분석 방법은 알지만 분석 대상을 모를 때 사용할 수 있는 방법은?

    • 1.

      발견(Discovery)

    • 2.

      통찰(Insight)

    • 3.

      최적화(Optimization)

    • 4.

      솔루션(Solution)

    정답·해설 보기▾▴

    정답

    2번

    통찰(Insight)

    해설

    정답: 2. 분석 주제 유형은 '분석 대상(What)'과 '분석 방법(How)'의 인지 여부로 4분면을 만든다. 대상은 모르지만(What: Un-known) 방법은 아는(How: Known) 경우는 통찰(Insight)에 해당한다.

    오답 풀이

    • 1번: 발견(Discovery)은 대상도 방법도 모두 모르는 경우이다.
    • 2번: 방법은 알고 대상은 모르는 경우가 통찰(Insight)이므로 정답이다.
    • 3번: 최적화(Optimization)는 대상과 방법을 모두 아는 경우이다.
    • 4번: 솔루션(Solution)은 대상은 알지만 방법을 모르는 경우이다.

    보충 개념 분석 주제 4유형: 최적화(대상O·방법O), 솔루션(대상O·방법X), 통찰(대상X·방법O), 발견(대상X·방법X).

22. 문제 22

    4지선다

    회귀모형 선택 방법에 대한 설명 중 틀린 것은?

    • 1.

      AIC는 모형의 적합도와 복잡성을 고려한다

    • 2.

      R-제곱은 설명력을 나타내는 지표이다

    • 3.

      조정된 R-제곱은 변수 수를 고려한다

    • 4.

      BIC는 베이즈 정리에 기반하여 복잡한 모형에 더 큰 페널티를 부여한다

    정답·해설 보기▾▴

    정답

    4번

    BIC는 베이즈 정리에 기반하여 복잡한 모형에 더 큰 페널티를 부여한다

    해설

    정답: 4. BIC(Bayesian Information Criterion)가 AIC보다 복잡한(변수 많은) 모형에 더 큰 페널티를 주는 것은 맞지만, 그 페널티는 표본 수 n에 대한 log(n)로 부과되는 것이지 '베이즈 정리'를 직접 적용해 산출하는 것이 아니다. '베이즈 정리에 기반'이라는 설명이 부정확하다.

    오답 풀이

    • 1번: AIC는 적합도(우도)와 복잡성(모수 수)을 함께 고려하는 정보 기준으로 옳다.
    • 2번: 결정계수 R²는 모형이 종속변수 변동을 설명하는 비율(설명력)을 나타낸다.
    • 3번: 조정된 R²는 설명변수 수를 보정해 변수 증가에 따른 과대평가를 막으므로 옳다.
    • 4번: BIC가 복잡한 모형에 더 큰 페널티를 주는 것은 맞으나 '베이즈 정리에 기반'한다는 서술은 부정확하여 정답이다.

    보충 개념 AIC = -2·log(우도) + 2k, BIC = -2·log(우도) + k·log(n). n이 클수록 BIC의 페널티(log n)가 AIC(상수 2)보다 커진다.

23. 문제 23

    4지선다

    혼합분포군집에서 사용하는 알고리즘은?

    • 1.

      EM 알고리즘

    • 2.

      K-means

    • 3.

      계층적 군집화

    • 4.

      DBSCAN

    정답·해설 보기▾▴

    정답

    1번

    EM 알고리즘

    해설

    정답: 1. 혼합분포군집(Mixture Distribution Clustering)은 데이터가 여러 확률분포(예: 정규분포)의 혼합으로 생성되었다고 가정하고, 각 분포의 모수와 소속 확률을 EM(Expectation-Maximization) 알고리즘으로 추정한다.

    오답 풀이

    • 1번: EM 알고리즘은 혼합분포의 모수를 반복적으로 추정하는 표준 방법으로 정답이다.
    • 2번: K-means는 거리 기반 분할 군집으로, 확률분포 모형을 가정하지 않는다.
    • 3번: 계층적 군집화는 거리·연결법으로 군집을 병합·분할하는 방법이다.
    • 4번: DBSCAN은 밀도 기반 군집화로 혼합분포를 가정하지 않는다.

    보충 개념 EM은 E-step(잠재변수 기댓값 계산)과 M-step(모수 최대우도 갱신)을 수렴할 때까지 반복한다.

24. 문제 24

    4지선다

    다음은 광고 데이터에 대한 회귀분석(Sales ~ TV + Radio + TV:Radio) R 출력 결과이다. 해석으로 옳은 것은?

    • 1.

      TV와 라디오 사이의 교호관계가 있어 통계 모형이 유의하다

    • 2.

      TV:radio 통계 모형이 유의하다

    • 3.

      TV가 1 증가할 때 RADIO와 상관없이 SALES가 오른다

    • 4.

      모형의 설명력은 약 67%이다

    정답·해설 보기▾▴

    정답

    3번

    TV가 1 증가할 때 RADIO와 상관없이 SALES가 오른다

    해설

    정답: 3. TV의 계수는 +0.04575로 양수이고 p-value < 2e-16로 매우 유의하다. 따라서 다른 변수와 무관하게 TV 지출이 1 늘면 Sales는 평균적으로 증가한다. 한편 교호항 TV:Radio의 p-value는 0.189로 유의수준 0.05보다 커서 유의하지 않으므로, '교호효과가 유의하다'는 해석은 성립하지 않는다.

    오답 풀이

    • 1번: TV:Radio 교호항의 p-value가 0.189로 유의하지 않아, 교호관계가 유의하다는 해석은 틀렸다.
    • 2번: TV:Radio 항 자체가 유의하지 않으므로(p=0.189) 옳지 않다.
    • 3번: TV 계수가 양수이며 유의(p<2e-16)하므로 라디오와 무관하게 TV 증가 시 Sales가 오른다는 해석은 옳다.
    • 4번: 모형 설명력은 Multiple R-squared = 0.8972, 즉 약 90%이지 67%가 아니다.

    보충 개념 교호항(TV:Radio)이 유의하지 않으면 두 변수의 상호작용 효과가 통계적으로 입증되지 않은 것이다. 전체 모형 유의성은 F-검정(p<2e-16)으로 판단한다.

25. 문제 25

    4지선다

    분해 시계열의 구성 요인 중 옳지 않은 것은?

    • 1.

      추세요인

    • 2.

      계절요인

    • 3.

      교호요인

    • 4.

      순환요인

    정답·해설 보기▾▴

    정답

    3번

    교호요인

    해설

    정답: 3. 시계열은 추세요인(Trend), 계절요인(Seasonal), 순환요인(Cyclical), 불규칙요인(Irregular)의 네 가지 성분으로 분해한다. '교호요인'은 회귀분석의 상호작용 개념일 뿐 시계열 분해 요인이 아니다.

    오답 풀이

    • 1번: 추세요인은 장기적으로 증가·감소하는 흐름을 나타내는 정상적 구성요인이다.
    • 2번: 계절요인은 1년 이내 주기로 반복되는 규칙적 변동이다.
    • 3번: 교호요인은 시계열 분해 요인이 아니므로 정답이다.
    • 4번: 순환요인은 경기처럼 수년 단위로 반복되는 주기적 변동이다.

    보충 개념 분해 시계열 4요인: 추세(Trend)·계절(Seasonal)·순환(Cyclical)·불규칙(Irregular). 가법모형 또는 승법모형으로 결합한다.

26. 문제 26

    4지선다

    다음 중 지도학습이 아닌 것은?

    • 1.

      로지스틱 회귀분석

    • 2.

      의사결정나무

    • 3.

      인공신경망

    • 4.

      SOM(자기조직화지도)

    정답·해설 보기▾▴

    정답

    4번

    SOM(자기조직화지도)

    해설

    정답: 4. SOM(Self-Organizing Map)은 정답(레이블) 없이 입력 데이터의 분포를 저차원 격자에 사상하는 비지도학습 신경망이다. 나머지는 모두 레이블을 사용하는 지도학습이다.

    오답 풀이

    • 1번: 로지스틱 회귀분석은 레이블(범주)을 예측하는 지도학습 분류 기법이다.
    • 2번: 의사결정나무는 레이블을 기준으로 분할하는 지도학습이다.
    • 3번: 인공신경망은 일반적으로 정답 레이블로 학습하는 지도학습으로 분류된다.
    • 4번: SOM은 레이블 없이 군집·시각화하는 비지도학습이므로 정답이다.

    보충 개념 비지도학습 예: 군집분석(K-means), SOM, 연관규칙, 주성분분석(PCA). 지도학습 예: 회귀, 분류(로지스틱·의사결정나무·SVM).

27. 문제 27

    4지선다

    회귀방정식 탐색(변수 선택) 방법 중 잘못된 것은?

    • 1.

      후진선택법은 상수항만 남을 때까지 변수를 제거한다

    • 2.

      전진선택법은 변수를 하나씩 추가한다

    • 3.

      단계적 선택법은 변수를 추가하거나 제거할 수 있다

    • 4.

      모든 가능한 회귀는 모든 변수 조합을 검토한다

    정답·해설 보기▾▴

    정답

    1번

    후진선택법은 상수항만 남을 때까지 변수를 제거한다

    해설

    정답: 1. 후진제거법(Backward Elimination)은 모든 변수를 넣은 모형에서 시작해 기여도가 낮은 변수를 하나씩 제거하되, 더 제거할 변수가 없을 때(유의한 변수만 남았을 때) 멈춘다. '상수항만 남을 때까지' 무조건 모두 제거하는 것이 아니므로 틀렸다.

    오답 풀이

    • 1번: 후진제거법은 유의한 변수가 남으면 멈추므로, 상수항만 남을 때까지 제거한다는 설명은 틀렸다.
    • 2번: 전진선택법은 변수가 없는 상태에서 유의한 변수를 하나씩 추가한다.
    • 3번: 단계적 선택법은 전진·후진을 결합해 추가와 제거를 모두 수행한다.
    • 4번: 모든 가능한 회귀(All possible regression)는 모든 변수 조합의 모형을 비교한다.

    보충 개념 변수 선택: 전진선택(추가), 후진제거(제거), 단계적 선택(추가+제거), 모든 가능한 회귀(전수 비교). 정보 기준(AIC/BIC)으로 비교한다.

28. 문제 28

    4지선다

    앙상블 기법이 아닌 것은?

    • 1.

      시그모이드

    • 2.

      배깅

    • 3.

      부스팅

    • 4.

      스태킹

    정답·해설 보기▾▴

    정답

    1번

    시그모이드

    해설

    정답: 1. 앙상블은 여러 모형을 결합해 성능을 높이는 기법으로 배깅·부스팅·스태킹 등이 있다. 시그모이드는 신경망·로지스틱 회귀에서 쓰는 활성화 함수이지 앙상블 기법이 아니다.

    오답 풀이

    • 1번: 시그모이드는 활성화 함수이므로 앙상블 기법이 아니다.
    • 2번: 배깅(Bagging)은 부트스트랩 표본으로 모형을 병렬 학습해 결합하는 앙상블이다.
    • 3번: 부스팅(Boosting)은 오분류에 가중치를 주며 순차적으로 학습하는 앙상블이다.
    • 4번: 스태킹(Stacking)은 여러 모형의 예측을 메타모형으로 결합하는 앙상블이다.

    보충 개념 배깅의 대표 확장이 랜덤포레스트, 부스팅의 예로 AdaBoost·Gradient Boosting이 있다. 시그모이드·ReLU·tanh는 활성화 함수이다.

29. 문제 29

    4지선다

    이상치를 이용하기에 가장 적절한 시스템인 것은?

    • 1.

      부정구매 방지시스템

    • 2.

      추천시스템

    • 3.

      수요예측시스템

    • 4.

      고객분류시스템

    정답·해설 보기▾▴

    정답

    1번

    부정구매 방지시스템

    해설

    정답: 1. 이상치(Outlier) 탐지는 정상 패턴에서 크게 벗어난 값을 찾는 데 활용된다. 신용카드 부정사용·부정구매 탐지는 비정상 거래(이상치)를 잡아내는 대표적 이상탐지 응용이다.

    오답 풀이

    • 1번: 부정구매 방지는 비정상 거래(이상치)를 탐지하는 시스템으로, 이상치 활용에 가장 적합하다.
    • 2번: 추천시스템은 유사 사용자·상품 패턴(연관·협업 필터링)을 활용하지 이상치를 목적으로 하지 않는다.
    • 3번: 수요예측은 시계열·회귀로 평균적 추세를 예측하며 이상치는 오히려 제거 대상이다.
    • 4번: 고객분류는 군집·분류로 정상 패턴을 나누는 작업이다.

    보충 개념 이상탐지(Anomaly Detection)는 사기 거래, 침입 탐지, 설비 고장 예지 등에 활용된다.

30. 문제 30

    4지선다

    '매우 만족 - 만족 - 보통 - 불만 - 매우 불만족'은 어떤 척도인가?

    • 1.

      서열척도

    • 2.

      명목척도

    • 3.

      구간척도

    • 4.

      비율척도

    정답·해설 보기▾▴

    정답

    1번

    서열척도

    해설

    정답: 1. 만족도처럼 순서(크고 작음)는 있지만 간격이 일정하지 않은 범주는 서열척도(순위척도)이다. '매우 만족 > 만족 > 보통 > 불만 > 매우 불만족'은 순서 정보만 의미가 있다.

    오답 풀이

    • 1번: 순서가 있는 범주이므로 서열척도가 맞다.
    • 2번: 명목척도는 성별·혈액형처럼 순서 없는 분류용 척도이다.
    • 3번: 구간척도는 온도처럼 간격이 일정하나 절대영점이 없는 척도이다.
    • 4번: 비율척도는 길이·무게처럼 절대영점과 비율 비교가 가능한 척도이다.

    보충 개념 척도 4종: 명목(분류)→서열(순서)→구간(간격, 절대영점 없음)→비율(간격+절대영점). 뒤로 갈수록 정보량이 많다.

31. 문제 31

    4지선다

    의사결정나무에서 범주형(이산형) 목표변수의 분할 기준으로 옳지 않은 것은?

    • 1.

      카이제곱 통계량

    • 2.

      지니지수

    • 3.

      엔트로피지수

    • 4.

      분산감소량

    정답·해설 보기▾▴

    정답

    4번

    분산감소량

    해설

    정답: 4. 목표변수가 범주형(분류 나무)일 때는 카이제곱 통계량, 지니지수, 엔트로피지수로 불순도를 측정해 분할한다. 분산감소량(분산 축소)은 목표변수가 연속형(회귀 나무)일 때 사용하는 기준이다.

    오답 풀이

    • 1번: 카이제곱 통계량은 분류 나무(CHAID)의 분할 기준이다.
    • 2번: 지니지수는 CART의 대표적 불순도 측정 지표이다.
    • 3번: 엔트로피지수는 정보 이득 기반(C4.5 등) 분할 기준이다.
    • 4번: 분산감소량은 연속형 목표변수(회귀 나무)에 쓰이므로 범주형 분할 기준으로는 옳지 않다.

    보충 개념 범주형 목표: 카이제곱·지니·엔트로피. 연속형 목표: 분산감소량·F-통계량(ANOVA). 불순도가 작아지도록 분할한다.

32. 문제 32

    4지선다

    귀무가설이 참인데도 관측된 통계량(또는 더 극단적인 값)이 나타날 확률을 나타내는 것은?

    • 1.

      알파(유의수준)

    • 2.

      P-value(유의확률)

    • 3.

      베타

    • 4.

      1-알파(신뢰수준)

    정답·해설 보기▾▴

    정답

    2번

    P-value(유의확률)

    해설

    정답: 2. P-value(유의확률)는 귀무가설이 참이라는 가정 아래, 실제 관측된 검정통계량만큼 또는 그보다 더 극단적인 값이 나올 확률이다. 이 값이 작을수록 귀무가설을 기각할 근거가 강해진다.

    오답 풀이

    • 1번: 알파(유의수준)는 분석자가 사전에 정하는 기각 기준(예: 0.05)으로, 관측에서 계산되는 확률이 아니다.
    • 2번: P-value는 관측 통계량 이상의 극단값이 나올 확률로 정의에 부합한다.
    • 3번: 베타는 대립가설이 참인데 귀무가설을 채택하는 제2종 오류 확률이다.
    • 4번: 1-알파는 신뢰수준으로, 가설검정의 극단값 확률과 다른 개념이다.

    보충 개념 P-value ≤ α이면 귀무가설 기각. 제1종 오류=α(참인 H0 기각), 제2종 오류=β(거짓 H0 채택), 검정력=1-β.

33. 문제 33

    4지선다

    다음 회귀분석 결과에서 설명변수 x의 t통계량을 계산하는 식으로 옳은 것은?

    • 1.

      회귀계수 / 표준오차

    • 2.

      표준오차 / 회귀계수

    • 3.

      회귀계수 × 표준오차

    • 4.

      (회귀계수 + 표준오차) / 2

    정답·해설 보기▾▴

    정답

    1번

    회귀계수 / 표준오차

    해설

    정답: 1. 회귀계수의 t통계량은 (추정된 회귀계수) ÷ (그 계수의 표준오차)로 계산한다. 표 기준으로 x의 t값 = 4.23 / 0.256 ≈ 16.52로, '회귀계수 / 표준오차'가 옳다.

    오답 풀이

    • 1번: t = 추정계수 / 표준오차이므로 정답이다(4.23/0.256 ≈ 16.52).
    • 2번: 분자·분모가 뒤바뀌어, 표준오차/회귀계수는 t통계량 정의에 맞지 않는다.
    • 3번: 곱은 t통계량 산출과 무관하다.
    • 4번: 평균 형태는 t통계량 정의와 전혀 다르다.

    보충 개념 t통계량은 '추정값이 0에서 얼마나 떨어졌는가'를 표준오차 단위로 잰 것이다. |t|가 클수록(=p값이 작을수록) 해당 계수가 유의하다.

34. 문제 34

    4지선다

    다음 오분류표(혼동행렬)로부터 오분류율(error rate)을 계산하시오.

    예측값 \ 실제값	Positive	Negative	합계
    Positive	2	8	10
    Negative	5	5	10
    합계	7	13	20

    • 1.

      (8 + 5) / 20 = 13/20 = 0.65

    • 2.

      (2 + 5) / 20 = 7/20 = 0.35

    • 3.

      2 / (2 + 8) = 0.2

    • 4.

      5 / (5 + 5) = 0.5

    정답·해설 보기▾▴

    정답

    1번

    (8 + 5) / 20 = 13/20 = 0.65

    해설

    정답: 1. 오분류율 = (잘못 분류된 건수) / 전체 = (FP + FN) / 전체이다. 표에서 예측 Positive·실제 Negative(FP=8)와 예측 Negative·실제 Positive(FN=5)를 더하면 13건이고, 전체 20건으로 나누면 13/20 = 0.65이다.

    오답 풀이

    • 1번: (FP 8 + FN 5)/20 = 0.65로 오분류율 정의에 부합하므로 정답이다.
    • 2번: (TP 2 + TN 5)/20 = 0.35는 오분류율이 아니라 정분류율(정확도)이다.
    • 3번: 2/(2+8) = 0.2는 정밀도(예측 Positive 중 적중 비율)이다.
    • 4번: 5/(5+5) = 0.5는 예측 Negative 중 적중 비율로, 오분류율이 아니다.

    보충 개념 정확도 = (TP+TN)/전체, 오분류율 = 1 - 정확도 = (FP+FN)/전체. 정밀도 = TP/(TP+FP), 재현율 = TP/(TP+FN).

35. 문제 35

    4지선다

    어떤 진단검사에서, A질병을 가진 사람과 그렇지 않은 사람의 양성 판정 결과가 주어졌을 때, '검사에서 A질병으로 진단(양성)받은 사람 중 실제로 A질병을 가진 사람'의 비율(양성예측도)은?

    (전체 검사 결과 양성으로 판정된 사람은 20명, 그중 실제 A질병 보유자는 9명이라고 하자.)

    • 1.

      1/9

    • 2.

      2/9

    • 3.

      9/20

    • 4.

      9/10

    정답·해설 보기▾▴

    정답

    3번

    9/20

    해설

    정답: 3. 묻는 값은 '양성 판정 중 진짜 환자'의 비율, 즉 양성예측도 P(질병|양성)이다. 양성 판정 20명 중 실제 환자가 9명이므로 9/20이다. 분모는 전체가 아니라 '양성으로 판정된 사람 수'가 된다.

    오답 풀이

    • 1번: 1/9는 양성 환자 중 일부만 본 잘못된 비율로 근거가 없다.
    • 2번: 2/9 역시 분모·분자 설정이 양성예측도와 맞지 않는다.
    • 3번: 양성 20명 중 진짜 환자 9명이므로 9/20이 양성예측도로 옳다.
    • 4번: 9/10은 분모를 양성 판정 수(20)가 아닌 다른 값으로 잡아 틀렸다.

    보충 개념 양성예측도(정밀도) = TP/(TP+FP). 베이즈 정리로 P(질병|양성) = P(양성|질병)P(질병) / P(양성)으로 일반화된다.

36. 문제 36

    4지선다

    결측값(missing value) 처리에 대한 설명 중 틀린 것은?

    • 1.

      완전제거법(완전연결법)은 결측값이 있는 데이터를 완전히 삭제한다

    • 2.

      다중대치법은 여러 번 대치하여 여러 개의 자료를 도출한다

    • 3.

      확률단순대치법은 회귀분석 등을 사용해 대치한다

    • 4.

      평균·표준편차는 항상 중앙값으로 대체한다

    정답·해설 보기▾▴

    정답

    4번

    평균·표준편차는 항상 중앙값으로 대체한다

    해설

    정답: 4. 평균대치법은 결측값을 그 변수의 '평균(또는 정해진 통계량)'으로 채우는 방법이다. '평균·표준편차를 항상 중앙값으로 대체한다'는 서술은 방법의 정의와 맞지 않아 틀렸다(중앙값 대치는 별도의 선택지일 뿐 항상 그런 것이 아니다).

    오답 풀이

    • 1번: 완전제거법(목록별 제거)은 결측이 있는 행을 통째로 삭제하는 방법으로 옳다.
    • 2번: 다중대치법은 대치를 여러 번 반복해 여러 완전 데이터셋을 만든 뒤 결합한다.
    • 3번: 회귀·확률모형으로 결측을 추정해 채우는 방식(회귀대치 등)은 단순대치의 한 형태로 옳다.
    • 4번: 평균/표준편차를 '항상' 중앙값으로 대체한다는 설명은 부정확하여 정답이다.

    보충 개념 결측 처리: 완전제거(listwise)·단순대치(평균/중앙값/회귀)·다중대치(MICE). 데이터 손실과 편향을 고려해 선택한다.

37. 문제 37

    4지선다

    군집분석에서 적절한 군집 수를 결정하는 방법은?

    • 1.

      엘보우(Elbow) 방법

    • 2.

      상관계수

    • 3.

      유클리드 거리

    • 4.

      맨하탄 거리

    정답·해설 보기▾▴

    정답

    1번

    엘보우(Elbow) 방법

    해설

    정답: 1. 엘보우 방법은 군집 수 k를 늘리며 군집 내 제곱합(SSE)의 감소폭을 관찰하다가, 감소가 급격히 둔화되는 '팔꿈치' 지점을 최적 k로 선택하는 방법이다.

    오답 풀이

    • 1번: 엘보우 방법은 군집 수 결정의 대표 기법으로 정답이다.
    • 2번: 상관계수는 두 변수의 선형관계 강도를 재는 지표로 군집 수와 무관하다.
    • 3번: 유클리드 거리는 관측치 간 거리를 재는 척도일 뿐 군집 수 결정 방법이 아니다.
    • 4번: 맨하탄 거리 역시 거리 척도로, 군집 수를 정하는 방법이 아니다.

    보충 개념 군집 수 결정: 엘보우(SSE), 실루엣 계수, 덴드로그램(계층적 군집)의 절단 높이 등을 활용한다.

38. 문제 38

    4지선다

    모집단이 정규분포를 따를 때 95% 신뢰구간을 다음과 같이 계산하였다. 이에 대한 설명 중 틀린 것은?

    • 1.

      신뢰구간을 99%로 변경하면 1.96 대신 2.58을 사용한다

    • 2.

      (예시에서) 표본평균은 0.5이다

    • 3.

      모집단의 평균값이 신뢰구간에 포함되지 않을 수도 있다

    • 4.

      동일한 모집단에서 같은 방식으로 표본을 추출하고 같은 방식으로 신뢰구간을 추정하면 항상 동일한 값이 나온다

    정답·해설 보기▾▴

    정답

    4번

    동일한 모집단에서 같은 방식으로 표본을 추출하고 같은 방식으로 신뢰구간을 추정하면 항상 동일한 값이 나온다

    해설

    정답: 4. 신뢰구간은 표본에 따라 달라진다. 같은 방식으로 표본을 다시 뽑으면 표본평균·표준오차가 변하므로 신뢰구간도 매번 달라진다. '항상 동일한 값이 나온다'는 설명이 틀렸다.

    오답 풀이

    • 1번: 표준정규분포에서 95%는 ±1.96, 99%는 ±2.58을 사용하므로 옳다.
    • 2번: 주어진 예시의 표본평균이 0.5라는 것은 계산 전제로 옳다.
    • 3번: 95% 신뢰구간이라도 약 5%의 표본에서는 모평균을 포함하지 못하므로 옳다.
    • 4번: 표본이 바뀌면 신뢰구간도 바뀌므로 '항상 동일'은 틀려서 정답이다.

    보충 개념 95% 신뢰구간의 의미: 같은 절차를 무수히 반복하면 그렇게 만든 구간들의 약 95%가 모평균을 포함한다(특정 한 구간이 95% 확률로 포함한다는 뜻이 아니다).

39. 문제 39

    4지선다

    밀도 기반 군집화 DBSCAN에 대한 설명으로 틀린 것은?

    • 1.

      임의 형태의 군집을 찾는 데 유용하다

    • 2.

      밀도 기반 군집화 알고리즘이다

    • 3.

      초기 군집 수 k를 설정해야 한다

    • 4.

      다차원 자료의 경우 '차원의 저주'로 인해 유용하지 않을 수 있다

    정답·해설 보기▾▴

    정답

    3번

    초기 군집 수 k를 설정해야 한다

    해설

    정답: 3. DBSCAN은 군집 수 k를 미리 정하지 않고, 밀도 매개변수(반경 ε, 최소점수 MinPts)로 자동으로 군집과 잡음을 구분한다. 'k를 설정해야 한다'는 것은 K-means의 특징이므로 틀렸다.

    오답 풀이

    • 1번: DBSCAN은 밀도로 연결된 점들을 묶어 임의 형태(비구형) 군집도 잘 찾는다.
    • 2번: DBSCAN은 이름 그대로 밀도 기반(Density-Based) 군집화이다.
    • 3번: 초기 군집 수 k 지정은 K-means의 특징이고 DBSCAN은 불필요하므로 정답이다.
    • 4번: 고차원에서는 거리·밀도 구분이 어려워져(차원의 저주) DBSCAN 성능이 저하될 수 있다.

    보충 개념 DBSCAN 매개변수: ε(이웃 반경), MinPts(핵심점 최소 이웃 수). 잡음(noise)점을 따로 분류할 수 있는 것이 장점이다.

40. 문제 40

    4지선다

    인공신경망에 대한 설명 중 틀린 것은?

    • 1.

      은닉층이 적으면 과대적합, 은닉층이 많으면 과소적합이 발생한다

    • 2.

      은닉층이 많을수록 복잡한 패턴을 학습할 수 있다

    • 3.

      활성화함수는 모형에 비선형성을 부여한다

    • 4.

      과적합을 방지하기 위해 드롭아웃을 사용할 수 있다

    정답·해설 보기▾▴

    정답

    1번

    은닉층이 적으면 과대적합, 은닉층이 많으면 과소적합이 발생한다

    해설

    정답: 1. 일반적으로 은닉층(노드)이 '많을수록' 모형이 복잡해져 과대적합(overfitting) 위험이 커지고, '적으면' 표현력이 부족해 과소적합(underfitting)이 발생한다. 보기는 방향이 정반대로 서술되어 틀렸다.

    오답 풀이

    • 1번: 은닉층 수와 과적합/과소적합의 관계가 반대로 서술되어 틀렸다(많을수록 과대적합 위험).
    • 2번: 은닉층이 많을수록 더 복잡한 비선형 패턴을 표현할 수 있다.
    • 3번: 시그모이드·ReLU 등 활성화함수가 비선형성을 부여해 복잡한 함수를 학습하게 한다.
    • 4번: 드롭아웃은 학습 중 일부 노드를 무작위로 끔으로써 과적합을 줄이는 정규화 기법이다.

    보충 개념 과적합 방지: 드롭아웃, 가중치 규제(L1/L2), 조기 종료, 데이터 증강. 모형 복잡도와 일반화 성능은 트레이드오프 관계이다.

41. 문제 41

    4지선다

    신용카드 고객의 파산 여부를 yes/no로 예측하기에 적절하지 않은 방법은?

    • 1.

      선형회귀분석

    • 2.

      로지스틱 회귀분석

    • 3.

      랜덤포레스트

    • 4.

      SVM

    정답·해설 보기▾▴

    정답

    1번

    선형회귀분석

    해설

    정답: 1. 파산 여부(yes/no)는 범주형 목표변수이므로 분류 모형이 필요하다. 선형회귀분석은 연속형 값을 예측하는 회귀 기법이라 0/1 분류에 부적합하다(예측값이 0~1 범위를 벗어날 수 있음).

    오답 풀이

    • 1번: 선형회귀는 연속형 예측용이라 이진 분류에는 적절하지 않으므로 정답이다.
    • 2번: 로지스틱 회귀는 확률을 출력해 0/1을 분류하는 대표적 분류 기법이다.
    • 3번: 랜덤포레스트는 분류·회귀 모두 가능한 앙상블로 이진 분류에 적합하다.
    • 4번: SVM은 경계면으로 두 범주를 분리하는 분류 기법이다.

    보충 개념 범주형 목표 → 분류(로지스틱·의사결정나무·랜덤포레스트·SVM·신경망). 연속형 목표 → 회귀(선형회귀 등).

42. 문제 42

    4지선다

    의사결정나무에서 더 이상 분할(세분화)하지 않고 성장을 멈출 때 사용하는 기법은?

    • 1.

      정지규칙

    • 2.

      가지치기

    • 3.

      비용복잡도

    • 4.

      교차검증

    정답·해설 보기▾▴

    정답

    1번

    정지규칙

    해설

    정답: 1. 정지규칙(Stopping Rule)은 나무가 더 이상 분할하지 않고 성장을 멈추는 조건(최대 깊이, 최소 노드 크기, 불순도 감소 임계값 등)을 말한다.

    오답 풀이

    • 1번: 정지규칙은 나무 성장을 멈추는 조건으로 설명에 부합한다.
    • 2번: 가지치기(Pruning)는 이미 자란 나무에서 과적합 가지를 잘라내는 사후 단계로, 성장 중지와 다르다.
    • 3번: 비용복잡도(Cost-Complexity)는 가지치기 시 트리 크기와 오류를 함께 고려하는 기준이다.
    • 4번: 교차검증은 모형 성능 평가·튜닝 방법으로, 성장 중지 규칙 자체가 아니다.

    보충 개념 의사결정나무 절차: 성장(분할)→정지규칙으로 멈춤→가지치기(과적합 제거)→타당성 평가. 정지는 사전(pre), 가지치기는 사후(post) 제어이다.

43. 문제 43

    4지선다

    다중공선성(multicollinearity) 해결 방법으로 옳지 않은 것은?

    • 1.

      중요도가 낮으면서 상관계수가 높은 변수를 제거한다

    • 2.

      구조적 다중공선성이 있는 경우에는 데이터의 평균 중심화를 절대 사용하지 않는다

    • 3.

      주성분분석(PCA)을 통해 차원을 축소한다

    • 4.

      VIF를 이용하여 다중공선성 유무를 판단한다

    정답·해설 보기▾▴

    정답

    2번

    구조적 다중공선성이 있는 경우에는 데이터의 평균 중심화를 절대 사용하지 않는다

    해설

    정답: 2. 다항·교호항에서 생기는 '구조적 다중공선성'은 변수에서 평균을 빼는 '평균 중심화(mean centering)'로 완화하는 것이 일반적 해법이다. '절대 사용하지 않는다'는 서술은 사실과 반대여서 틀렸다.

    오답 풀이

    • 1번: 중요도가 낮고 다른 변수와 상관이 높은 변수를 제거하면 공선성을 줄일 수 있어 옳다.
    • 2번: 구조적 공선성에는 평균 중심화가 권장되므로 '절대 사용하지 않는다'는 틀려서 정답이다.
    • 3번: PCA로 상관 높은 변수들을 무상관 주성분으로 축약하면 공선성을 해소할 수 있다.
    • 4번: VIF(분산팽창계수)가 크면(흔히 10 이상) 공선성이 있다고 판단하므로 옳다.

    보충 개념 다중공선성 진단: 상관행렬, VIF, 상태지수. 해법: 변수 제거, 평균 중심화, PCA·능형회귀(Ridge) 등 정규화.

44. 문제 44

    4지선다

    다중회귀모형 전체가 통계적으로 유의한지 판단할 때 사용하는 검정은?

    • 1.

      F검정

    • 2.

      P-value

    • 3.

      T통계량

    • 4.

      Z통계량

    정답·해설 보기▾▴

    정답

    1번

    F검정

    해설

    정답: 1. 다중회귀모형 '전체'의 유의성(모든 회귀계수가 0인지)은 F검정으로 판단한다. F-통계량의 p-value가 유의수준보다 작으면 모형이 유의하다고 본다.

    오답 풀이

    • 1번: F검정은 회귀모형 전체의 유의성을 검정하므로 정답이다.
    • 2번: P-value는 검정 결과를 판단하는 확률값일 뿐, 그 자체가 '검정'은 아니다.
    • 3번: t통계량은 개별 회귀계수의 유의성을 검정하는 지표이다.
    • 4번: Z통계량은 모분산을 알 때 대표본 평균 검정 등에 쓰이며, 회귀 전체 유의성 판단의 표준은 아니다.

    보충 개념 회귀 전체 유의성 → F검정, 개별 계수 유의성 → t검정. F = (회귀제곱평균)/(잔차제곱평균)으로 계산한다.

45. 문제 45

    4지선다

    데이터베이스의 특징에 대한 다음 설명에서 ( ) 안에 들어갈 내용으로 알맞은 것은?

    데이터베이스는 ( 가 ) 데이터로 중복을 배제하고, ( 나 )된 데이터로 컴퓨터 매체에 보관되며, 여러 사용자가 ( 다 )하는 데이터이고, 삽입·삭제·갱신으로 항상 ( 라 ) 데이터이다.

    • 1.

      공용 - 저장 - 통합 - 변화되는

    • 2.

      저장 - 통합 - 공용 - 변화되는

    • 3.

      통합된 - 저장 - 공용 - 변화되는

    • 4.

      통합된 - 공용 - 변화되는 - 저장

    정답·해설 보기▾▴

    정답

    3번

    통합된 - 저장 - 공용 - 변화되는

    해설

    정답: 3. 데이터베이스 4대 특징을 설명 순서에 맞춰 채우면 '통합된(중복 배제) - 저장(매체 보관) - 공용(여러 사용자) - 변화되는(삽입·삭제·갱신)'이 된다.

    오답 풀이

    • 1번: 첫 칸을 '공용'으로 채워 '중복 배제' 설명(통합)과 맞지 않는다.
    • 2번: 첫 칸을 '저장'으로 채워 중복 배제(통합) 의미와 어긋난다.
    • 3번: 통합된-저장-공용-변화되는 순으로 각 설명에 정확히 대응한다.
    • 4번: 셋째·넷째 칸의 공용·변화·저장 배치가 설명 순서와 어긋난다.

    보충 개념 데이터베이스 4특징: 통합된 데이터(중복 배제), 저장된 데이터(매체 보관), 공용 데이터(공유), 변화되는 데이터(지속 갱신).

46. 문제 46

    4지선다

    이상값(outlier) 및 관련 통계량에 대한 설명 중 틀린 것은?

    • 1.

      범위(range)는 이상값이 존재하면 값이 커진다는 단점이 있다

    • 2.

      평균대치법에는 조건부 평균대치법과 비조건부 평균대치법이 있다

    • 3.

      이상값은 데이터의 품질을 저하시킬 수 있다

    • 4.

      평균절대편차(MAD)는 '중앙값과 각 변수의 차이'들로 이루어진 것을 의미한다

    정답·해설 보기▾▴

    정답

    4번

    평균절대편차(MAD)는 '중앙값과 각 변수의 차이'들로 이루어진 것을 의미한다

    해설

    정답: 4. 평균절대편차(Mean Absolute Deviation)는 각 관측값과 '평균'의 차이의 절댓값을 평균낸 값이다. '중앙값과의 차이'를 쓰는 것은 중앙값절대편차(Median Absolute Deviation)로 별개의 통계량이므로, 평균절대편차 설명으로는 틀렸다.

    오답 풀이

    • 1번: 범위는 최댓값-최솟값이므로 이상값(극단값)이 있으면 크게 부풀려진다.
    • 2번: 평균대치법은 조건부(예측에 따라)와 비조건부(전체 평균)로 나뉜다.
    • 3번: 이상값은 통계량을 왜곡해 데이터 품질·분석 신뢰도를 떨어뜨린다.
    • 4번: 평균절대편차는 '평균'과의 차이를 쓰므로, '중앙값과의 차이'라는 설명은 틀려 정답이다.

    보충 개념 평균절대편차(MAD, 평균 기준)와 중앙값절대편차(Median AD, 중앙값 기준)는 다른 산포 지표이다. 후자는 이상값에 더 강건(robust)하다.

47. 문제 47

    4지선다

    자기상관(시계열) 모형에 대한 설명으로 옳은 것은?

    • 1.

      ARIMA는 비정상 시계열에만 사용한다

    • 2.

      MA(q)는 과거의 '관측값'에 의존한다

    • 3.

      계절성 ARIMA는 주기성을 고려하지 않는다

    • 4.

      AR(1)은 1개의 시차, AR(2)는 2개의 시차를 사용한다

    정답·해설 보기▾▴

    정답

    4번

    AR(1)은 1개의 시차, AR(2)는 2개의 시차를 사용한다

    해설

    정답: 4. AR(p) 모형은 현재 값을 과거 p개의 시차 값으로 설명한다. 따라서 AR(1)은 직전 1개 시차, AR(2)는 직전 2개 시차를 사용한다는 설명이 옳다.

    오답 풀이

    • 1번: ARIMA는 차분(I)을 통해 비정상 시계열을 정상화해 다루지만, 차분 차수 d=0이면 정상 시계열(ARMA)에도 적용되므로 '비정상에만'은 틀렸다.
    • 2번: MA(q)는 과거의 '관측값'이 아니라 과거의 '오차(백색잡음)'에 의존한다.
    • 3번: 계절성 ARIMA(SARIMA)는 계절 주기성을 명시적으로 고려한다.
    • 4번: AR(p)에서 p가 사용하는 시차 수이므로 AR(1)=1개, AR(2)=2개로 옳다.

    보충 개념 AR(p): 과거 관측값 의존. MA(q): 과거 오차 의존. ARIMA(p,d,q): 차분(d)으로 정상화 후 AR·MA 결합. SARIMA는 계절 항을 추가한다.

48. 문제 48

    4지선다

    회귀모형의 기본 가정에 대한 설명으로 옳은 것은?

    • 1.

      잔차는 서로 독립이어야 한다

    • 2.

      설명변수 간에는 높은 상관관계가 있어야 한다

    • 3.

      잔차의 분산은 불균일해야 한다

    • 4.

      잔차는 비정규분포를 따라야 한다

    정답·해설 보기▾▴

    정답

    1번

    잔차는 서로 독립이어야 한다

    해설

    정답: 1. 회귀분석의 기본 가정은 선형성, 독립성, 등분산성, 정규성이다. 그중 독립성은 잔차(오차)들이 서로 독립이어야 한다는 가정으로, 보기 ①이 이에 해당한다.

    오답 풀이

    • 1번: 잔차의 독립성은 회귀 가정 중 하나로 옳다.
    • 2번: 설명변수 간 높은 상관은 다중공선성 문제를 일으키므로 오히려 피해야 한다.
    • 3번: 잔차 분산은 일정해야 한다(등분산성). 불균일(이분산)은 가정 위반이다.
    • 4번: 잔차는 정규분포를 따라야 한다(정규성). 비정규는 가정 위반이다.

    보충 개념 회귀 4가정: 선형성, 독립성, 등분산성(homoscedasticity), 정규성. 잔차 분석(잔차 산점도·Q-Q 플롯)으로 진단한다.

49. 문제 49

    4지선다

    'A를 단독으로 구매할 확률 대비, B를 산 고객이 A도 함께 구매하는 정도'가 얼마나 더 큰지를 나타내는 연관규칙 지표는?

    • 1.

      지지도(Support)

    • 2.

      신뢰도(Confidence)

    • 3.

      향상도(Lift)

    • 4.

      재현율(Recall)

    정답·해설 보기▾▴

    정답

    3번

    향상도(Lift)

    해설

    정답: 3. 향상도(Lift)는 신뢰도 P(A|B)를 A의 단독 구매확률 P(A)로 나눈 값이다. 즉 B 구매가 A 구매를 '얼마나 더' 끌어올리는지를 나타내며, 1보다 크면 양의 연관, 1이면 독립, 1보다 작으면 음의 연관이다.

    오답 풀이

    • 1번: 지지도는 A와 B를 동시에 구매한 거래의 전체 대비 비율로, 비교 개념이 아니다.
    • 2번: 신뢰도는 B 구매 거래 중 A도 산 비율 P(A|B)일 뿐, A의 기본 확률과 비교하지 않는다.
    • 3번: 향상도 = 신뢰도/P(A)로, '단독 대비 얼마나 더'를 측정하므로 정답이다.
    • 4번: 재현율은 분류 평가지표로 연관규칙 지표가 아니다.

    보충 개념 지지도 = P(A∩B), 신뢰도 = P(A|B) = P(A∩B)/P(B), 향상도 = 신뢰도/P(A) = P(A∩B)/(P(A)P(B)).

50. 문제 50

    4지선다

    Apriori 알고리즘에 대한 설명으로 옳은 것은?

    • 1.

      순차적 패턴을 찾는 데 사용된다

    • 2.

      군집분석에 주로 활용된다

    • 3.

      최소 지지도(minimum support)를 가정(임계값)으로 한다

    • 4.

      연속형 변수에만 적용 가능하다

    정답·해설 보기▾▴

    정답

    3번

    최소 지지도(minimum support)를 가정(임계값)으로 한다

    해설

    정답: 3. Apriori는 연관규칙 마이닝 알고리즘으로, 사용자가 정한 '최소 지지도'를 넘는 빈발항목집합만 단계적으로 확장한다. '빈발하지 않은 항목집합의 상위집합도 빈발하지 않는다'는 Apriori 원리를 이용해 탐색 공간을 줄인다.

    오답 풀이

    • 1번: 순차 패턴 마이닝은 별도 기법(예: GSP, PrefixSpan)으로, Apriori의 주 용도가 아니다.
    • 2번: Apriori는 연관규칙용이며 군집분석 알고리즘이 아니다.
    • 3번: 최소 지지도를 임계값으로 두고 빈발항목집합을 찾으므로 옳다.
    • 4번: Apriori는 범주형(품목 존재/부재) 거래 데이터에 적용하며, 연속형 전용이 아니다.

    보충 개념 Apriori 원리: 어떤 항목집합이 빈발하면 그 부분집합도 모두 빈발하다(반대로 부분집합이 빈발하지 않으면 상위집합도 빈발하지 않음). 이를 통해 후보를 가지치기한다.