1부: 기초 통계학
1. 통계학의 개요 → 🫨 (Click!)
1.3 데이터의 유형
1.2 기술통계 vs 추론통계
1.1 통계학의 정의와 필요
2. 데이터 수집과 정리
중심경향과 산포도 (평균, 중앙값, 표준편차, 사분위수 등)
•
데이터 시각화 (도수분포표, 히스토그램, 상자그림 등)
•
표본 추출 방법 (확률표본, 비확률표본)
3. 확률 이론과 확률분포
•
확률 개념과 법칙
•
이산확률분포 (이항분포, 포아송분포)
•
연속확률분포 (정규분포, t-분포, 카이제곱분포, F-분포)
2부: 추론 통계학
4. 표본추출과 확률표본분포
•
표본분포의 개념
•
중심극한정리 (CLT)
•
모평균과 모비율의 표본분포
5. 점추정과 구간추정
•
점추정과 불편추정량
•
신뢰구간의 개념과 계산 (모평균, 모비율, 모분산)
6. 가설검정
•
가설검정의 개념과 절차1종 오류와 2종 오류
•
단일 표본 검정 (z-검정, t-검정)
•
두 표본 비교 (독립표본 t-검정, 대응표본 t-검정)
•
카이제곱 검정
3부: 회귀 및 분석 기법
7. 상관분석과 단순회귀분석
•
상관계수의 의미와 해석
•
단순선형회귀 분석 (회귀계수 추정, 결정계수 R²)
8. 다중회귀분석과 변수선택
•
다중선형회귀 개념
•
다중공선성과 진단방법
•
변수 선택 기법 (전진선택법, 후진제거법, 단계적 선택법)
9. 분산분석 (ANOVA)
•
일원배치 분산분석
•
이원배치 분산분석
•
다중비교 검정 (Tukey, Bonferroni 등)
4부: 고급 통계 기법 및 응용
10. 비모수 통계 기법
•
순위검정 (Wilcoxon, Mann-Whitney U)
•
크루스칼-왈리스 검정
11. 베이지안 통계학 개론
•
베이즈 정리
•
사전확률과 사후확률
12. 시계열 분석
•
이동평균법
•
자기회귀 모델 (AR, MA, ARIMA)
13. 기계학습과 통계학의 연결
•
로지스틱 회귀
•
의사결정나무, 랜덤포레스트
•
딥러닝 개요
5부: 실전 데이터 분석과 통계 소프트웨어 활용
14. 데이터 분석 과정과 실전 사례
•
데이터 전처리 및 탐색적 데이터 분석 (EDA)
•
사례 연구: 금융 데이터, 의료 데이터, 공장 품질 관리 데이터