통계학개론 | 자료구조, 확률변수와 확률분포, 통계량, 모수, 추정량, 표본평균, 중심극한정리, 구간추정과 가설검정, 실험계획법, 회귀분석, 비모수통계분석 |
행렬대수 | 행렬의 종류와 성질, 행렬식, 역행렬, rank, 선형독립과 종속, 행렬연산(전치, 분할, 덧셈, 스칼라곱, 뺄셈), 컴퓨터 행렬언어(SAS/IML, R) |
기초통계학 | 확률의 정의와 응용, 조건부 확률, 이산형 및 연속형 분포, 기댓값, 이항분포, 기하분포, 음이항분포, 균일분포, 지수분포, 감마분포, 카이제곱분포, 이변량확률분포, 상관계수, 중심극한정리, 순서통계량, 최우추정량, 충분통계량, 신뢰구간, 검정력 함수, 최강력 검정법 |
통계수학(I) | 실수계, 명제 논리, 수열과 급수의 수렴과 발산, 함수의 연속성, 함수의 미분 가능성과 리만적분, 미적분학 기본정리 |
통계프로그래밍언어(I) Statistical Programming Language(I) | R을 이용하여 통계 계산을 위한 프로그래밍 언어의 기능, 문법 및 실습 |
수리통계학(I) | 분포함수, 확률변수, 독립성, 확률분포, 확률변수 함수의 분포, 불편성, 일치성, 확률변수열의 수렴, 극한분포, 중심극한정리 |
통계적확률론(I) | 확률의 정의와 성질, 확률측도, 확률의 연속성, 조합론 기초, 포함-배제원리, 조건부 확률, 베이즈 정리, 독립사건과 조건부 독립, 이산형 확률변수, 누적분포함수, 적률, 이산형 결합분포, 베르누이분포, 이항분포, 기하분포, 초기하분포, 음이항분포, 포아송 분포 |
통계프로그래밍언어(II) Statistical Programming Language(II) | SAS을 사용하여 기술통계학의 기본개념, 추정과 가설검정, 회귀분석, 분산분석 등 기초적인 통계분석 실습 |
표본조사론입문 | 통계조사의 유형, 표본조사를 위한 모집단과 표본분포의 기본 개념, 단순임의추출, 층화추출, 계통추출, 단순집락추출, 다단집락추출, 비확률추출방법, 비율추정, 회귀추정, 중복추출, 비표본오차, 확률화 응답모형 |
수리통계학 (II) | 점추정, 구간추정, 최대우도법, 충분통계량, 완비성, 일양최소분산불편추정량, 최강검정, 우도비 검정, 정규모형에서의 추론, 이차형식, 비모수적 방법 |
데이터사이언스입문 | Advanced R과목으로써, 데이터 분석 사례를 통해, 데이터 시각화, manipulation, reshaping을 학습해본다. 또한 그 결과를 rmarkdown을 통해 보고서를 작성하고, shiny를 통한 web-application을 개발한다. |
통계적확률론(II) | 연속 확률변수, 확률변수의 변환, 적률, 균일분포, 정규분포, 지수분포, 감마분포, 베타분포, 결합분포, 독립 확률변수, 결합 확률변수의 변환, 조건부 분포, 조건부 기댓값, 조건부 분산, 이변량 정규분포, 다변량분포, 대수의 법칙, 중심극한정리 |
통계수학(II) | 함수의 미분과 적분, 미적분학 기본정리, 함수열과 급수의 수렴성 및 통계적 응용 |
회귀분석(I) | 행렬의 기본 이론, 통계의 기초적 개념, 단순선형회귀모형(추정, 가우스-마르코프 정리, 잔차분석), 중선형회귀모형 (추정, 검정, 동시신뢰구간, 일반화 가설검정), 모형의 진단 및 영향력 관측치 탐색 (쿡 통계량, 교차확인, 모형의 검정) |
다변량통계학(I) | 다변량 자료의 이해, 다변량 자료분석, 다변량 자료의 소개, 다변량 자료의 행렬표현, 자료의 요약통계량, 다변량 정규분포와 유용한 성질, 다변량 정규성의 검정, 주성분 분석, 요인분석, 판별분석, 군집분석 |
생물통계학개론 | 생존자료(중도절단, 생존함수, 위험함수), 생존률의 계산-비모수적 방법(카플란-마이어 추정치), 생존률의 비교-비모수적 방법(로그-순위 검정), 생존률의 비교-모수적 방법, 칵스 회귀모형(모형의 추정, 검정, 변수선택), 선형회귀(밀러 추정치, 버클리-제임스 추정치) |
통계적품질관리 | 통계적 품질관리의 역사적 배경, 품질관리의 필요성, 대표적인 확률분포, 통계적추론, 품질관리의 기본도구, 관리도의 통계적 원리, 여러 가지 관리도, 공정능력분석, 실험계획 및 샘플링검사법, 통계패키지 활용 |
실험계획법 | 인자와 모형의 분류, 일원·이원배치법, 결측치의 추정, 혼합모형, 다원배치법, 계수치 데이터의 분석, 오차항의 풀링, 분할법, 상관분석, 직교다항식, 중회귀분석, 곡선회귀분석 |
회귀분석(II) | 회귀모형의 변환(다항회귀, 박스-칵스 변환, 로버스트 회귀, 역회귀), 일반화선형모형(로지스틱 회귀모형, 로그선형모형, 과산포), 비선형회귀(가우스-뉴튼 방법, 비선형회귀의 추론), 비모수회귀모형(커널추정법, 급수추정법, 국소다항회귀, 웨이브렛 추정, 회귀 스플라인, 평활스플라인) |
전산통계 Computational Statistics | 시스템과 모형, 확률분포생성기법(역변환법, 변수변환법, 거절법, 합성법), 몬테카를로 적분, 모수추정법(뉴턴-랩슨 알고리즘, 가우스-뉴턴 알고리즘), 붓스트랩, 퍼지 제어 알고리즘, 신경회로망, 유전자 알고리즘, 통계적 시뮬레이션 기법 |
다변량통계학(II) | 다변량 추정(모집단 평균벡터와 공분산의 추정) 및 검정(Hotelling- 검정), MANOVA, MANCOVA, 행렬도(R-행렬도, Q-행렬도), 정준상관분석, 단순 대응분석, 다중대응분석 |
범주형자료분석입문 Categorical Data Analysis | 독립성에 대한 통계적추론, 보통회귀이론의 일반화, GLM, 이항반응 로지스틱회귀모형, 포아송회귀모형, 로그선형모형, 다범주 로짓모형 |
비모수통계학개론 | 비모수 통계학의 기본개념, 순위검정, 부호검정, 부호순위검정, 단일표본 위치문제, 이표본 위치문제, 이표본 척도문제, 적합도 문제, 크루스칼-왈리스 검정, 죤키어 검정, 다중비교, 프리드만 검정, 페이지 검정, 이원배치 다중비교, 켄달의 타우, 순위상관계수, 회귀모수의 비모수 추정과 검정, 점근상대효율 |
통계조사론(캡스톤디자인) | 조사계획, 설문지 작성, 표본의 크기 결정, 표본추출방법, 통계조사, 본조사, 자료입력, 통계 패키지를 이용한 자료분석, 보고서작성, 보고서 발표 |
데이터마이닝입문 | 데이터마이닝의 주요개념, 데이터의 탐색과 변환, 의사결정나무분석, 회귀분석, 신경망분석, 예측모형평가, 군집분석, 연관성분석 |
베이지안통계학 | 확률과 불확실성, 조건부 확률과 베이즈 법칙, 비율모형, 비율밀도함수, 두 비율의 비교, 두 비율 밀도 함수, 일반적 표본들과 모평균, 평균밀도함수, 두 개 이상 평균의 비교 |
시계열분석 | 분해시계열방법, 확률과정과 정상시계열, ARMA(p,q) 모형, 비정상시계열과 자기회귀누적이동평균(ARIMA)모형, 계절 ARIMA 모형 |
신뢰성분석 | 신뢰성분석의 역사적 배경, 신뢰성분석의 주요 개념, 제품의 고장률, 대표적인 수명분포, 통계적 추론, 시스템 신뢰도, 신뢰성고장해석, 가속수명시험 |
표본조사및실험계획의응용 | 통계패키지를 이용한 모집단의 분포를 정하고 해당 모집단으로 부터 표본을 추출해보고 결과분석에 응용해본다. |
빅데이터통계분석 Statistical Analysis of Big Data | 현대 사회에서 이슈가 되고 있는 빅데이터를 분석할 수 있는 새로운 통계 모형과 통계 프로그램 'R'을 학습한다. 주로 개별분석(Univariate anaylsis)을 이용하여 Type 1 error 및 FDR (False discovery rate)을 control할 수 있는 통계분석 방법과 Regularization 을 이용하여 변수선택(variable selection)을 수행 하는 여러가지 통계 분석 테크닉들에 대해 실습하며 공부한다. |
확률과정론 입문 | 마코프 연쇄, 채프만-콜모고로프 방정식, 지수 분포, 포아송 과정, 대기시간 분포, 마코프 과정, 출생사멸 과정, 콜모고로프 미분방정식, 극한 분포, 보상재생 과정, 재생성 과정, 대기행렬 체계 |
선형모형의응용 | 통계패키지를 이용한 행렬계산, 단순선형회귀 및 중선형회귀, 모형변환, 일반화선형모형, 비선형회귀, 비모수회귀 |
통계학사 | 통계학의 역사, 우리나라 통계학의 발전, 과학과 철학에서의 통계적 사고, 파스칼과 페르마, 도박에서 시작된 확률론 강의, 라플라스의 중심극한정리와 가우스-라플라스의 만남, 근대와 현대통계학자: 통계학사 연표, 정규분포에 얽힌 잡담 |
통계데이터베이스및실습 Statistical DataBase | 데이터베이스의 종류, 데이터베이스 관리와 운영 기법, 데이터베이스를 이용한 통계적 기법의 적용 |
데이터사이언스응용 Advanced Data Science | 다양한 비정형 형태의 실제 데이터를 분석하는 통계 모형들의 이론과 실습에 대한 수업이다. 대표적으로는 비정형데이터를 분석하는 기계학습 및 딥러닝 모형들의 이론을 학습하고 실습하며 R 또는 Python을 실습한다. 분석의 결과를 발표하고 전문가 수준의 보고서를 작성하는것을 목표로 하며, 반복적인 데이터분석과정을 통해 데이터분석가로서 전문적인 면모를 다지도록 한다. |