32회 ADsP 기출문제 · 해설

ADsP 데이터분석 준전문가 32회 필기 기출문제 50문항입니다. 먼저 아래 출제 분석으로 회차의 난이도와 단원 구성을 확인한 뒤, 문제마다 정답 · 해설 보기를 눌러 정답과 해설을 확인하세요.

32회 출제 분석

이 회차는 아직 회원 풀이 기록이 충분하지 않아 정답률을 표시하지 않습니다. 아래는 과목 구성과 문항 정보입니다.

많이 나온 단원은 데이터 이해: 데이터와 정보 4문항, 데이터 사이언스·인재 2문항 / 데이터 분석 기획: 마스터 플랜·거버넌스 4문항, 분석 방법론 3문항 / 데이터 분석: 정형 데이터 마이닝 13문항, 통계 분석 6문항입니다.

과목문항단원 분포
데이터 이해10데이터와 정보 4 · 데이터 사이언스·인재 2 · 데이터베이스 활용 2 · 빅데이터의 가치와 위기 1 · 기타 1
데이터 분석 기획10마스터 플랜·거버넌스 4 · 분석 방법론 3 · 기타 2 · 분석 과제 발굴 1
데이터 분석30정형 데이터 마이닝 13 · 통계 분석 6 · 시계열·차원 축소 6 · R·데이터 전처리 4 · 기타 1

회원 정답률은 패스뱅크 회원이 문제풀이·모의고사에서 실제로 푼 기록을 집계한 값입니다. 문제 하나는 풀이 10건, 과목·단원·회차 묶음은 50건 이상일 때만 표시합니다. 단원은 문제 문장의 핵심 용어로 패스뱅크가 자동 분류한 것이라 공식 출제 기준표의 단원과 다를 수 있습니다.

데이터 이해

문제 1
단원 데이터베이스 활용
다음 SQL의 명령어 중 DML이 아닌 것은 무엇인가?
가 - SELECT 나 - UPDATE 다 - INSERT 라 - DELETE 마 - CREATE
정답 · 해설 보기
정답 ④
SQL 명령어는 데이터를 조작하는 DML, 구조를 정의하는 DDL, 권한을 다루는 DCL로 나뉩니다. SELECT, UPDATE, INSERT, DELETE는 테이블 안의 데이터를 조회·수정·삽입·삭제하는 DML입니다. CREATE는 테이블 같은 객체를 새로 만드는 DDL이므로 마가 DML이 아닙니다. ALTER, DROP도 DDL이고 GRANT, REVOKE는 DCL입니다.
시험 포인트: DML = SELECT·INSERT·UPDATE·DELETE, DDL = CREATE·ALTER·DROP, DCL = GRANT·REVOKE
문제 2
단원 기타
고객과 상품의 대응관계를 도식화 한 것이다. 대응비 관점에서 고객과 상품 간의 관계가 옳은 것은?

문제 이미지
정답 · 해설 보기
정답 ②
대응비는 한쪽 개체 하나가 다른 쪽 개체 몇 개와 연결되는지를 나타냅니다. 그림에서 고객 세 명은 각각 상품 하나에만 연결되고, 상품 하나에는 고객 두 명이 함께 연결되어 있습니다. 여러 고객이 하나의 상품에 대응하므로 고객과 상품의 관계는 N:1입니다. 1:1은 서로 하나씩만 대응할 때, 1:N은 고객 하나가 여러 상품에 대응할 때, N:M은 양쪽 모두 여러 개와 대응할 때입니다.
시험 포인트: 대응비는 화살표가 모이는 쪽이 1, 퍼져 나가는 쪽이 N
문제 3
단원 데이터베이스 활용
다음은 어떤 기업내부 데이터베이스 솔루션에 대한 설명인가?
제조업을 포함한 다양한 비즈니스 분야에서 생산, 구매, 재고, 주문, 공급자와의 거래, 고객 서비스 제공 등 주요 프로세스 관리를 돕는 여러 모듈로 구성된 통합 애플리케이션
정답 · 해설 보기
정답 ①
생산, 구매, 재고, 주문, 공급자 거래, 고객 서비스 등 기업의 주요 업무 프로세스를 여러 모듈로 묶어 통합 관리하는 애플리케이션은 ERP(전사적 자원 관리)입니다. CRM은 고객 정보를 바탕으로 고객 관계를 관리하고, SCM은 공급망 전체의 흐름과 재고를 최적화하며, KMS는 조직의 지식을 축적·공유하는 시스템이라 설명과 맞지 않습니다.
시험 포인트: ERP = 전사 자원 통합, CRM = 고객 관계, SCM = 공급망, KMS = 지식 관리
문제 4
단원 빅데이터의 가치와 위기
다음 중 빅데이터 활용 요소 3가지로 올바른 것으로만 구성된 것은?
정답 · 해설 보기
정답 ②
빅데이터 활용의 3요소는 데이터, 기술, 인력입니다. 데이터는 모든 것을 데이터화하는 방향으로 확장되고, 기술은 진화하는 알고리즘과 인공지능을 뜻하며, 인력은 데이터 사이언티스트와 알고리즈미스트를 가리킵니다. 인프라와 프로세스는 활용 3요소에 포함되지 않으므로 데이터, 인력, 기술의 조합만 올바릅니다.
시험 포인트: 빅데이터 활용 3요소 = 데이터(자원)·기술·인력
문제 5
단원 데이터와 정보
다음 중 딥러닝의 종류가 아닌 것은?
정답 · 해설 보기
정답 ①
딥러닝은 여러 층의 인공신경망을 쌓아 특징을 스스로 학습하는 방법입니다. DNN은 은닉층이 여러 개인 심층 신경망, CNN은 이미지 처리에 강한 합성곱 신경망, RNN은 순서가 있는 데이터를 다루는 순환 신경망으로 모두 딥러닝 모델입니다. SVM은 마진을 최대화하는 초평면으로 분류하는 전통적인 머신러닝 기법이라 딥러닝이 아닙니다.
시험 포인트: 딥러닝 = DNN·CNN·RNN 등 신경망 계열, SVM은 일반 머신러닝
문제 6
단원 데이터와 정보
지도 학습은 입력과 출력 모두 주어진 상태에서의 학습이며, 비지도 학습은 입력만 주어진 상태에서의 학습이다. 다음의 보기에서 그 종류가 다른 것은 무엇인가?
가. 회귀 분석 나. 군집 분석 다. 감정 분석 라. 분류 분석
정답 · 해설 보기
정답 ②
지도 학습은 정답(레이블)이 있는 데이터로 학습하고, 비지도 학습은 정답 없이 데이터 자체의 구조를 찾습니다. 회귀 분석은 연속형 값을, 분류 분석은 범주를 예측하며, 감정 분석도 긍정·부정 같은 레이블을 예측하는 분류 문제라 모두 지도 학습입니다. 군집 분석은 정답 없이 유사한 개체끼리 묶는 비지도 학습이므로 나가 종류가 다릅니다.
시험 포인트: 비지도 학습 = 군집·연관·차원축소, 지도 학습 = 회귀·분류
문제 7
단원 데이터 사이언스·인재
빅데이터와 인문학 열풍과 관련된 내용으로 상관 없는 것은?
정답 · 해설 보기
정답 ③
인문학 열풍의 배경으로는 단순한 세계에서 복잡한 세계로의 변화, 비즈니스 중심이 제품생산에서 서비스로 이동한 것, 경제와 산업의 논리가 생산에서 시장창조로 바뀐 것이 꼽힙니다. 고객과 시장을 이해하려면 사람에 대한 통찰이 필요해졌다는 흐름입니다. 빅데이터 분석 기법 및 방법론의 확대는 기술적 변화일 뿐 인문학 열풍의 원인과는 관계가 없습니다.
시험 포인트: 인문학 열풍 3가지 = 복잡한 세계·서비스 중심·시장창조
문제 8
단원 데이터 사이언스·인재
데이터 사이언티스트의 역량에 대한 설명이 아닌 것은?
정답 · 해설 보기
정답 ④
데이터 사이언티스트에게는 분석 기술과 IT 역량 같은 하드 스킬과 통찰력 있는 분석, 설득력 있는 전달, 다분야 간 협력 같은 소프트 스킬이 함께 요구됩니다. 알고리즘으로 피해를 입은 사람을 구제하는 일은 데이터 사이언티스트의 역량이 아니라 알고리즈미스트에게 기대되는 역할입니다. 그래서 이 설명이 역량에 해당하지 않습니다.
시험 포인트: 소프트 스킬 = 통찰력·설득력 있는 전달·협력, 알고리즘 피해 구제 = 알고리즈미스트
문제 41
단원 데이터와 정보
다음은 무엇에 대한 설명인가?
구글의 인터넷에 연결된 네스트는 날씨와 기온 정보 그리고 집주인의 평소 온도 설정 DATA를 기반으로 사용자의 Context를 인식해 자동으로 온도를 설정해 주며, 아마존은 Dash라는 작은 장치는 WiFi가 내장된 바코드 인식기로 상품에 인쇄된 바코드를 Dash로 비추게 되면 그 상품을 아마존 장바구니에 저장할 수 있도록 해준다. 나이키의 경우 애플과 제휴하여 스마트한 운동 관리를 할 수 있도록 해주는 서비스로 자리 매김했다. 굳이 우리가 기계를 조작하지 않아도 모든 것이 사람을 위해 알아서 자동으로 돌아가는 세상이 이것이 보여줄 미래이다
정답 · 해설 보기
정답 IoT (단답형)
정답은 IoT(사물인터넷, Internet of Things)입니다. 사물에 센서와 통신 기능을 넣어 인터넷으로 연결하고, 사람이 조작하지 않아도 사물이 데이터를 주고받으며 상황을 인식해 자동으로 동작하게 하는 기술입니다. 지문의 온도 자동 조절기, 바코드 인식 장치, 운동 관리 서비스가 그 예입니다. 사람 간 연결에 초점을 둔 소셜 네트워크나, 인터넷 연결 없이 개별 기기만 똑똑해지는 스마트 기기와는 사물끼리 연결된다는 점에서 구별됩니다.
시험 포인트: IoT = 사물이 인터넷으로 연결되어 스스로 데이터를 주고받는 환경
문제 42
단원 데이터와 정보
다음은 어떤 기업내부데이터 솔루션에 대한 설명인가?
제조, 물류, 유통업체 등 유통공급망에 참여하는 모든 업체들이 협력을 바탕으로 정보 기술(Information Technology)을 활용, 재고를 최적화하기 위한 솔루션이다
정답 · 해설 보기
정답 SCM (단답형)
정답은 SCM(공급망 관리, Supply Chain Management)입니다. 원재료 조달부터 제조, 물류, 유통, 판매까지 공급망에 참여하는 업체들이 정보 기술로 협력해 재고를 최적화하고 공급 흐름을 효율화하는 솔루션입니다. ERP가 한 기업 내부의 자원과 업무를 통합 관리한다면 SCM은 기업 간 공급망 전체를 대상으로 하고, CRM은 고객 관계 관리에 초점을 둔다는 점이 다릅니다.
시험 포인트: SCM = 공급망 참여 기업 간 협력·재고 최적화

데이터 분석 기획

문제 9
단원 기타
분석 기회 발굴의 범위 확장에서 '거시적 관점'이 아닌 것은?
정답 · 해설 보기
정답 ④
분석 기회 발굴의 범위를 넓힐 때 거시적 관점은 STEEP, 즉 사회(Social), 기술(Technological), 경제(Economic), 환경(Environmental), 정치(Political) 영역으로 나누어 살핍니다. 고객은 거시적 관점이 아니라 시장의 니즈 탐색 관점에서 고객, 채널, 영향자를 다룰 때 등장하는 요소입니다. 그래서 고객이 거시적 관점에 해당하지 않습니다.
시험 포인트: 거시적 관점 = STEEP(사회·기술·경제·환경·정치), 고객은 시장 니즈 탐색 관점
문제 10
단원 마스터 플랜·거버넌스
ROI의 4V 중 Return에 해당하는 것은?
정답 · 해설 보기
정답 ④
빅데이터의 4V를 ROI 관점으로 보면 Volume(크기), Variety(다양성), Velocity(속도)는 데이터를 처리하기 위해 들여야 하는 투자(Investment) 측면입니다. Value(가치)는 분석으로 얻는 비즈니스 효과로 Return에 해당합니다. 따라서 Return은 Value이고, 나머지 셋은 투자 비용 요소입니다.
시험 포인트: 투자(I) = Volume·Variety·Velocity, 효과(R) = Value
문제 11
단원 마스터 플랜·거버넌스
다음 중 데이터 표준화에 대한 설명으로 올바른 것은?
정답 · 해설 보기
정답 ②
데이터 표준화는 데이터 표준 용어 설정, 명명 규칙 수립, 메타데이터 구축, 데이터 사전 구축 등의 업무로 이루어집니다. 메타데이터와 데이터 사전의 관리 원칙을 세우는 것은 데이터 관리 체계, 전사 차원의 저장소를 구성하는 것은 데이터 저장소 관리, 표준 준수 여부를 주기적으로 점검·모니터링하는 것은 표준화 활동에 해당하는 설명입니다.
시험 포인트: 데이터 거버넌스 체계 = 표준화·관리 체계·저장소 관리·표준화 활동
문제 12
단원 분석 방법론
빅데이터 분석 방법론의 분석기획 단계의 Task 중에서 '비즈니스 이해 및 범위설정' 단계에서 프로젝트에 참여하는 관계자들의 이해를 일치시키기 위해 작성하는 것은?
정답 · 해설 보기
정답 ①
분석 기획 단계의 비즈니스 이해 및 범위 설정 태스크에서는 프로젝트 목적과 범위를 명확히 하고, 이해관계자들의 이해를 일치시키기 위해 구조화된 프로젝트 범위 정의서인 SOW(Statement of Work)를 작성합니다. WBS는 프로젝트 수행 계획 수립에서 작업을 분해하는 산출물이고, EDA는 데이터 탐색 기법, ETL은 데이터를 추출·변환·적재하는 과정입니다.
시험 포인트: 범위 설정 산출물 = SOW, 수행 계획 산출물 = WBS
문제 13
단원 마스터 플랜·거버넌스
기업에서 사용하는 데이터의 가용성, 유용성, 통합성, 보안성을 관리하기 위한 정책과 프로세스를 다루며 프라이버시, 보안성, 데이터품질, 관리규정 준수를 강조하는 것을 무엇이라고 하는가?
정답 · 해설 보기
정답 ③
데이터 거버넌스는 전사 차원의 데이터에 대해 정책, 지침, 표준, 전략, 방향을 수립하고 조직과 서비스를 구축하는 관리 체계입니다. 데이터의 가용성, 유용성, 통합성, 보안성을 관리하며 프라이버시, 보안, 데이터 품질, 규정 준수를 강조합니다. 데이터 표준화 활동은 거버넌스의 일부 업무이고, 분석 마스터 플랜은 분석 과제 로드맵, 메타데이터는 데이터를 설명하는 데이터라 해당하지 않습니다.
시험 포인트: 데이터 거버넌스 = 가용성·유용성·통합성·보안성 관리 정책과 프로세스
문제 14
단원 분석 방법론
빅데이터 분석 방법론의 순서로 올바른 것은?
정답 · 해설 보기
정답 ①
빅데이터 분석 방법론은 분석 기획, 데이터 준비, 데이터 분석, 시스템 구현, 평가 및 전개의 5단계로 진행합니다. 먼저 문제와 범위를 정한 뒤 데이터를 모으고 분석하며, 분석 결과를 시스템에 구현하고 마지막에 성과를 평가해 전개합니다. 데이터 준비가 기획보다 앞서거나 평가가 시스템 구현보다 먼저 오는 순서는 틀렸습니다.
시험 포인트: 기획 → 준비 → 분석 → 시스템 구현 → 평가 및 전개
문제 15
단원 분석 과제 발굴
하향식 접근방식에 대한 설명으로 틀린 것은?
정답 · 해설 보기
정답 ③
하향식 접근은 문제 탐색, 문제 정의, 해결 방안 탐색, 타당성 검토 순으로 진행하며, 분석 유즈 케이스에 문제 설명과 해결 시 효과를 적어 데이터 분석 문제로의 전환과 적합성 평가에 활용합니다. 유사·동종 사례 벤치마킹으로 분석 기회를 찾는 것은 내부가 아니라 외부 참조 모델 기반 문제 탐색입니다. 그래서 내부 참조 모델이라고 한 설명이 틀렸습니다.
시험 포인트: 문제 탐색 = 비즈니스 모델 기반 + 외부 참조 모델(벤치마킹) 기반
문제 16
단원 마스터 플랜·거버넌스
분석 준비도 프레임워크에 대한 내용이 아닌 것은?
정답 · 해설 보기
정답 ③
분석 준비도(Readiness) 프레임워크는 분석 업무 파악, 분석 인력 및 조직, 분석 기법, 분석 데이터, 분석 문화, IT 인프라의 6개 영역으로 기업의 분석 수준을 진단합니다. 분석 인프라, 분석 업무 파악, 분석 데이터, 분석 인력 및 조직, 분석 문화는 모두 이 영역에 속합니다. 분석 성과는 준비도 진단 영역에 포함되지 않아 이를 묶은 조합이 답입니다.
시험 포인트: 분석 준비도 6영역 = 업무·인력 및 조직·기법·데이터·문화·IT 인프라
문제 43
단원 분석 방법론
다음 분석 성숙도 단계 중 괄호에 들어갈 단어는 무엇인가?
도입 단계 – ( ) 단계 – 확산 단계 – 최적화 단계
정답 · 해설 보기
정답 활용 (단답형)
정답은 활용 단계입니다. 분석 성숙도는 도입, 활용, 확산, 최적화의 4단계로 나뉩니다. 도입 단계는 분석을 시작해 환경과 시스템을 구축하는 단계이고, 활용 단계는 분석 결과를 실제 업무에 적용하는 단계입니다. 확산 단계는 전사 차원에서 분석을 관리·공유하고, 최적화 단계는 분석을 진화시켜 혁신과 성과 향상에 기여합니다. 활용은 분석이 특정 부서 업무에 쓰이기 시작한 수준이라 전사로 퍼진 확산과 구별됩니다.
시험 포인트: 분석 성숙도 = 도입 → 활용 → 확산 → 최적화
문제 44
단원 기타
합리적인 의사결정을 방해하는 요소로써 문제의 표현 방식에 따라 동일한 사건이나 상황임에도 불구하고 사람들의 선택이나 판단이 달라지는 현상을 무엇이라 하는가?
정답 · 해설 보기
정답 프레이밍 효과 (단답형)
정답은 프레이밍 효과(Framing Effect)입니다. 같은 사건이나 정보라도 어떤 틀로 표현하느냐에 따라 사람들의 판단과 선택이 달라지는 현상으로, 합리적 의사결정을 방해하는 고정관념·편향된 생각의 대표 예입니다. 예를 들어 생존율 90%와 사망률 10%는 같은 내용이지만 받아들이는 느낌이 다릅니다. 처음 제시된 값에 판단이 끌려가는 앵커링 효과나, 본 것만 믿는 확증 편향과는 표현 방식이 원인이라는 점에서 구별됩니다.
시험 포인트: 프레이밍 효과 = 표현 방식에 따라 판단이 달라지는 편향

데이터 분석

문제 17
단원 R·데이터 전처리
다음 중 R에서 서로 다른 데이터 타입을 담을 수 있는 구조는 무엇인가?
정답 · 해설 보기
정답 ②
R의 vector, matrix, array는 한 객체 안에 같은 데이터 타입만 담을 수 있어서, 숫자와 문자를 섞으면 하나의 타입으로 강제 변환됩니다. list는 숫자, 문자, 벡터, 데이터프레임, 다른 리스트까지 서로 다른 타입의 원소를 그대로 담을 수 있는 구조입니다. 데이터프레임도 열마다 타입이 다를 수 있지만 보기 중에서는 list가 답입니다.
시험 포인트: 동일 타입 = vector·matrix·array, 서로 다른 타입 = list·data.frame
문제 18
단원 기타
박스플롯(boxplot)에서 중앙에 있는 값 50%를 무엇이라고 하는가?
정답 · 해설 보기
정답 ③
박스플롯의 상자는 1사분위수(Q1)부터 3사분위수(Q3)까지를 나타내며, 이 구간에 전체 데이터의 가운데 50%가 들어갑니다. 이 폭을 IQR(사분위수 범위)이라 하고 Q3 − Q1로 구합니다. 범위는 최댓값과 최솟값의 차이로 전체 데이터를 대상으로 하며, 1사분위수나 3사분위수는 하나의 위치값일 뿐 가운데 50% 구간을 뜻하지 않습니다.
시험 포인트: IQR = Q3 − Q1 = 가운데 50%를 담는 상자의 길이
문제 19
단원 통계 분석
박스플롯(boxplot)에서 중간에 있는 선은 무엇인가?
정답 · 해설 보기
정답 ①
박스플롯 상자 안에 그어진 가로선은 중앙값(median), 즉 2사분위수입니다. 평균(mean)은 기본 박스플롯에 선으로 표시되지 않고, 필요하면 점 등으로 따로 나타냅니다. IQR은 상자 전체의 길이이고, outlier(이상값)는 수염 바깥에 점으로 찍히는 값이라 중간 선이 아닙니다.
시험 포인트: 박스플롯 중간 선 = 중앙값(Q2), 상자 = IQR, 수염 밖 점 = 이상값
문제 20
단원 R·데이터 전처리
Boxplot에서 상한(최댓값)과 하한(최솟값)은 얼마인가? Q1(1사분위수) = 4, Q3(3사분위수) = 12
정답 · 해설 보기
정답 ①
박스플롯에서 이상값을 가르는 경계는 IQR의 1.5배를 이용해 구합니다. IQR = Q3 − Q1 = 12 − 4 = 8이고 1.5 × 8 = 12입니다. 하한은 Q1 − 1.5×IQR = 4 − 12 = −8, 상한은 Q3 + 1.5×IQR = 12 + 12 = 24입니다. 따라서 하한 −8, 상한 24가 정답이며, 나머지 값들은 1.5배 계산을 하지 않았거나 다른 배수를 적용한 결과입니다.
시험 포인트: 하한 = Q1 − 1.5×IQR, 상한 = Q3 + 1.5×IQR
문제 21
단원 통계 분석
1종 오류의 최대 허용 한계에 관한 확률을 나타내는 것은?
정답 · 해설 보기
정답 ①
1종 오류는 귀무가설이 참인데 기각하는 오류이고, 이 오류를 범할 확률의 최대 허용 한계를 유의수준(α)이라 합니다. 기각역은 귀무가설을 기각하게 되는 검정통계량의 영역이고, 검정통계량은 표본에서 계산해 판단에 쓰는 값입니다. 2종 오류는 귀무가설이 거짓인데 채택하는 오류로 확률은 β로 나타냅니다.
시험 포인트: 유의수준 α = 1종 오류 허용 한계, β = 2종 오류 확률, 검정력 = 1 − β
문제 22
단원 통계 분석
표본조사에 대한 설명이 부적절한 것은?
정답 · 해설 보기
정답 ④
표본 오차는 모집단의 일부만 보고 전체를 추론하면서 생기는 오차이고, 표본 편의는 추출 방법 때문에 생기는 오차로 확률화(무작위 추출)로 줄이거나 없앨 수 있습니다. 비표본 오차는 측정, 응답, 집계 과정의 실수에서 생기므로 표본 크기를 늘린다고 줄지 않고 오히려 조사 규모가 커지면서 늘어날 수 있습니다. 그래서 비표본 오차가 표본 크기에 따라 감소한다는 설명이 부적절합니다.
시험 포인트: 표본 크기 증가 → 표본 오차 감소, 비표본 오차는 감소하지 않음
문제 23
단원 통계 분석
다음 중 비모수 검정의 종류가 아닌 것은?
정답 · 해설 보기
정답 ②
비모수 검정은 모집단 분포를 가정하지 않고 부호나 순위를 이용합니다. 런 검정(Runs Test)은 무작위성을, 부호 검정(Sign Test)은 부호만으로 중앙값을, 윌콕슨 부호순위 검정은 부호와 순위로 중앙값을 검정하는 대표적 비모수 검정입니다. 시행처는 카이제곱검정을 비모수 검정이 아닌 것으로 보았습니다. 다만 카이제곱 적합도·독립성 검정은 교재에 따라 비모수 검정으로 분류되기도 해 논란의 여지가 있습니다.
시험 포인트: 대표 비모수 검정 = 부호·윌콕슨·만-위트니·런·크루스칼-왈리스
문제 24
단원 R·데이터 전처리
파생 변수에 대한 설명으로 옳지 않은 것은?
정답 · 해설 보기
정답 ③
파생변수는 사용자가 특정 조건이나 함수로 기존 변수를 변환해 만든 변수입니다. 요약 통계량으로 새 변수를 만들거나 나이를 연령대 범주로 바꾸는 것이 예이며, 주관적일 수 있어 논리적 타당성을 갖추어야 합니다. 시행처는 파생변수를 데이터셋의 대표 변수로 쓸 수 있다는 설명을 옳지 않은 것으로 보았습니다. 다만 교재는 파생변수가 특정 상황에만 유의미하지 않도록 대표성을 갖게 하라고 서술하므로 이 설명도 옳다고 볼 여지가 있습니다.
시험 포인트: 파생변수 = 주관적일 수 있음, 논리적 타당성 필요
문제 25
단원 통계 분석
다음이 설명에 해당 하는 것은 무엇인가?
공분산행렬 또는 상관계수 행렬을 사용해 모든 변수들을 가장 잘 설명하는 변수를 찾는 방법으로, 상관관계가 있는 변수들을 선형 결합에 의해 상관관계가 없는 새로운 변수를 만들고 분산을 극대화하는 변수로 축약하는 방법으로 새로운 변수들은 변수들의 선형결합으로 이루어져 있다
정답 · 해설 보기
정답 ③
주성분 분석(PCA)은 공분산행렬이나 상관행렬을 이용해 서로 상관된 변수들을 선형결합으로 묶어, 서로 상관이 없고 분산을 최대로 설명하는 새 변수(주성분)로 축약하는 차원 축소 기법입니다. 요인 분석은 변수들 뒤에 숨은 잠재 요인을 찾는 방법이고, 회귀 분석은 종속변수를 예측하며, 다차원척도법은 개체 간 거리를 저차원 공간에 표현합니다.
시험 포인트: PCA = 선형결합·서로 무상관·분산 최대화로 차원 축소
문제 26
단원 시계열·차원 축소
다음 주성분 분석에 대한 설명 중 적절하지 않은 것은?
정답 · 해설 보기
정답 ①
주성분 분석에서는 분산을 가장 많이 설명하는 축을 제1주성분으로 정하고, 그다음으로 큰 분산을 설명하면서 앞 주성분과 직교하는 축을 차례로 뽑습니다. 따라서 분산이 가장 적은 것을 제1주성분으로 한다는 설명이 틀렸습니다. 공분산행렬은 측정 단위를 그대로 반영해 단위에 민감하고, 상관행렬은 변수를 표준화한 것이라는 설명은 옳습니다.
시험 포인트: 제1주성분 = 분산 최대, 단위가 다르면 상관행렬 사용
문제 27
단원 시계열·차원 축소
시간의 흐름에 따라 관측된 데이터를 무엇이라 하는가?
정답 · 해설 보기
정답 ③
시계열 자료는 일별 주가, 월별 매출처럼 시간의 흐름에 따라 순서대로 관측된 데이터입니다. 관측 순서 자체에 의미가 있어 과거 값의 패턴으로 미래를 예측하는 데 씁니다. 주성분분석은 차원 축소, 회귀분석은 변수 간 관계 추정, 군집 분석은 유사한 개체를 묶는 분석 방법이어서 데이터의 종류를 가리키는 말이 아닙니다.
시험 포인트: 시계열 자료 = 시간 순서로 관측된 데이터
문제 28
단원 시계열·차원 축소
다음 시계열 데이터에 대한 설명 중 가장 옳지 않은 것은?
정답 · 해설 보기
정답 ③
시계열은 추세, 계절, 순환, 불규칙 요인으로 분해할 수 있습니다. 불규칙 요인인 잡음은 무작위적인 변동이며 일반적으로 그 원인이 알려져 있지 않습니다. 그래서 잡음의 원인이 알려져 있다는 설명이 틀렸습니다. 시계열 모델링을 탐색과 예측 목적으로 나누는 것, 짧은 기간의 주기적 패턴을 계절변동이라 하는 것은 옳은 설명입니다.
시험 포인트: 잡음(불규칙 요인) = 무작위 변동, 원인 불명
문제 29
단원 시계열·차원 축소
다음 시계열 자료의 정상성(stationary)에 대한 설명 중 가장 부적절한 것은?
정답 · 해설 보기
정답 ④
정상 시계열은 모든 시점에서 평균이 일정하고, 분산도 일정하며, 공분산은 두 시점 사이의 시차에만 의존하고 시점 자체에는 의존하지 않습니다. 잡음이 독립성을 갖는다는 것은 정상성의 정의 조건이 아니라 백색잡음의 성질에 가깝습니다. 그래서 이 설명이 정상성에 대한 설명으로 가장 부적절합니다.
시험 포인트: 정상성 3조건 = 평균 일정·분산 일정·공분산은 시차에만 의존
문제 30
단원 정형 데이터 마이닝
다음이 설명하는 데이터 마이닝 기법은 무엇인가?
미리 정의된 기준이나 예시에 의해서가 아닌 레코드 자체가 가진 다른 레코드와의 유사성에 의해 그룹화되고 이질성에 의해 세분화 되는 것으로 데이터 마이닝이나 모델링의 준비단계로서 사용되는 기법이다.
정답 · 해설 보기
정답 ①
군집 분석은 미리 정한 기준이나 레이블 없이 레코드끼리의 유사성으로 그룹을 만들고 이질성으로 세분화하는 비지도 학습 기법이며, 데이터 마이닝의 준비 단계로도 쓰입니다. 분류 분석은 미리 정의된 범주에 새 레코드를 배정하고, 기술은 데이터의 특징을 설명하며, 연관 분석은 함께 발생하는 항목의 규칙을 찾는다는 점에서 다릅니다.
시험 포인트: 군집 = 사전 기준 없이 유사성으로 그룹화
문제 31
단원 정형 데이터 마이닝
다음 중 오분류표의 평가지표 중 True로 예측한 관측치 중 실제 True인 지표를 무엇이라 하는가?
정답 · 해설 보기
정답 ①
True로 예측한 것 가운데 실제로 True인 비율은 정밀도(Precision)이며 TP / (TP + FP)로 구합니다. 정확도(Accuracy)는 전체 중 맞게 예측한 비율, 민감도(Sensitivity, 재현율)는 실제 True 중 True로 예측한 비율 TP / (TP + FN)입니다. F1은 정밀도와 재현율의 조화평균이라 설명과 다릅니다.
시험 포인트: 정밀도 = 예측 True 기준, 민감도(재현율) = 실제 True 기준
문제 32
단원 정형 데이터 마이닝
아래 오분류표를 이용하여 구한 민감도(sensitivity) 값은 얼마인가?
실제값 \ 예측값TRUEFALSE
TRUE4060
FALSE6040
정답 · 해설 보기
정답 ①
민감도(재현율)는 실제 True인 것 중 True로 예측한 비율로 TP / (TP + FN)입니다. 표에서 실제값이 TRUE인 행을 보면 TRUE로 예측한 TP가 40, FALSE로 예측한 FN이 60입니다. 따라서 민감도는 40 / (40 + 60) = 0.4입니다. 참고로 특이도는 TN / (TN + FP) = 40 / (40 + 60) = 0.4, 정확도는 (40 + 40) / 200 = 0.4로 이 표에서는 같은 값이 나옵니다.
시험 포인트: 민감도 = TP / (TP + FN), 실제 True 행만 본다
문제 33
단원 정형 데이터 마이닝
아래의 오분류표에서 특이도 값을 구하는 식을 구하시오.
실제값 \ 예측값TF
TTPFN
FFPTN
정답 · 해설 보기
정답 ③
특이도(Specificity)는 실제 False인 것 중 False로 맞게 예측한 비율로 TN / (TN + FP)입니다. TP / (TP + FN)은 민감도(재현율), (TP + TN) / 전체는 정확도, TP / (TP + FP)는 정밀도를 구하는 식입니다. 실제값이 F인 행의 FP와 TN만 쓰는 식이 특이도입니다.
시험 포인트: 특이도 = TN / (TN + FP), 민감도 = TP / (TP + FN), 정밀도 = TP / (TP + FP)
문제 34
단원 정형 데이터 마이닝
거리를 활용한 측도에 대한 설명으로 틀린 것은?
정답 · 해설 보기
정답 ③
유클리드 거리는 두 점 사이의 직선 거리로 가장 직관적인 거리 개념이고, 맨해튼 거리는 좌표 간 차이의 절댓값을 더한 거리입니다. 표준화 거리와 마할라노비스 거리는 통계적 거리에 속합니다. 마할라노비스 거리는 변수의 표준화와 함께 변수 간 상관성까지 고려하는 거리이므로, 상관성을 고려하지 않는다는 설명이 틀렸습니다.
시험 포인트: 표준화 거리 = 분산만 고려, 마할라노비스 = 분산 + 상관성 고려
문제 35
단원 정형 데이터 마이닝
K-fold 교차검증에 대한 설명으로 올바르지 않은 것은?
정답 · 해설 보기
정답 ①
K-fold 교차검증은 데이터를 K개로 나누어 K−1개로 학습하고 나머지 1개로 평가하는 과정을 K번 반복한 뒤 결과를 평균하는 방법으로, 데이터가 충분하지 않을 때 주로 씁니다. LOOCV(Leave-One-Out)는 관측치 하나씩만 평가에 쓰는 방식으로 K를 데이터 개수 n과 같게 둔 경우입니다. 따라서 k=2를 LOOCV라고 한 설명이 틀렸습니다.
시험 포인트: LOOCV = K가 데이터 수 n인 K-fold
문제 36
단원 정형 데이터 마이닝
비계층적 군집분석인 K-means 군집분석의 수행순서는?
가) 초기 군집의 중심으로 k개의 객체를 임의로 선택한다
나) 각 자료를 가장 가까운 군집 중심에 할당한다
다) 각 군집 내의 자료들의 평균을 계산하여 군집의 중심을 갱신한다
라) 군집 중심의 변화가 거의 없을 때까지 나와 다를 반복한다
정답 · 해설 보기
정답 ①
K-means는 먼저 군집 수 K를 정하고 초기 중심으로 K개의 객체를 임의로 고릅니다. 이어서 각 자료를 가장 가까운 중심에 할당하고, 군집별 평균을 계산해 중심을 갱신합니다. 중심의 변화가 거의 없을 때까지 할당과 갱신을 반복하므로 순서는 가-나-다-라입니다. 중심을 정하기 전에 할당하거나 갱신부터 하는 순서는 성립하지 않습니다.
시험 포인트: K-means = 초기 중심 선택 → 할당 → 중심 갱신 → 반복
문제 37
단원 통계 분석
여러 분포가 확률적으로 선형 결합된 형태로, 데이터가 k개의 모수적 모형의 가중합으로 표현되는 모집단 모형에서 나왔다는 가정하에, 추정된 k개의 모형 중 어느 모형으로부터 나왔을 확률이 높은지에 따라 군집 분류를 수행하는 것은 무엇인가?
정답 · 해설 보기
정답 ②
혼합분포군집은 데이터가 K개의 모수적 분포(주로 정규분포)의 가중합으로 이루어진 모집단에서 나왔다고 가정하고, 각 자료가 어느 분포에서 나왔을 확률이 높은지로 군집을 나누는 모형 기반 군집 방법이며 EM 알고리즘으로 모수를 추정합니다. 평균연결법은 계층적 군집의 거리 계산 방식, SOM은 신경망 기반 군집, DBSCAN은 밀도 기반 군집입니다.
시험 포인트: 혼합분포군집 = 모형 기반·확률적 분류·EM 알고리즘
문제 38
단원 정형 데이터 마이닝
교차판매/물건배치 등에 이용되는 분석 기법은?
정답 · 해설 보기
정답 ①
연관분석은 함께 구매되는 항목들의 규칙을 찾는 장바구니 분석으로, 교차판매, 매장 진열(물건 배치), 카탈로그 배치, 쿠폰 설계 등에 활용됩니다. 주성분분석은 변수를 줄이는 차원 축소 기법, 회귀분석은 변수 간 관계로 값을 예측하는 기법, SOM은 신경망을 이용한 군집 기법이라 교차판매 용도와 거리가 멉니다.
시험 포인트: 연관분석 = 장바구니 분석, 교차판매·진열에 활용
문제 39
단원 정형 데이터 마이닝
A -> B의 신뢰도는?
장바구니item
1A, B, C
2A, C
3B, C
4A, B
5A, C, D
정답 · 해설 보기
정답 ③
A → B의 신뢰도는 A를 포함한 거래 중 A와 B를 함께 포함한 거래의 비율입니다. A가 들어 있는 거래는 1, 2, 4, 5번으로 4건이고, 그중 B도 함께 있는 거래는 1번과 4번으로 2건입니다. 따라서 신뢰도는 2 / 4 = 0.5입니다. 참고로 지지도는 A와 B를 함께 포함한 거래가 전체 5건 중 2건이므로 0.4입니다.
시험 포인트: 신뢰도 = P(A∩B) / P(A), 지지도 = P(A∩B)
문제 40
단원 정형 데이터 마이닝
다음은 어느 마트의 판매품목에 대한 결과이다. 커피 -> 우유에 대한 향상도는?
장바구니item
1커피, 빵
2커피, 계란, 우유
3계란, 커피, 빵, 우유
4계란, 우유
5커피, 우유
6커피, 빵, 계란
7우유, 빵
정답 · 해설 보기
정답 ④
향상도는 신뢰도를 결과 항목의 지지도로 나눈 값입니다. 전체 7건 중 커피가 들어 있는 거래는 1, 2, 3, 5, 6번으로 5건, 우유는 2, 3, 4, 5, 7번으로 5건, 둘 다 있는 거래는 2, 3, 5번으로 3건입니다. 신뢰도는 3/5 = 0.6이고, 우유의 지지도는 5/7이므로 향상도는 0.6 ÷ (5/7) = 0.84입니다. 0.6은 신뢰도, 0.43은 지지도(3/7)에 해당합니다. 향상도가 1보다 작으므로 음의 관계입니다.
시험 포인트: 향상도 = 신뢰도 / P(B) = P(A∩B) / (P(A)·P(B))
문제 45
단원 시계열·차원 축소
시계열에 영향을 주는 일반적인 요인을 시계열에서 분리해 분석하는 방법을 무엇이라 하는가?
정답 · 해설 보기
정답 분해시계열 (단답형)
정답은 분해시계열입니다. 시계열에 영향을 주는 일반적인 요인을 추세 요인, 계절 요인, 순환 요인, 불규칙 요인으로 나누어 분리해 분석하는 방법입니다. 주로 회귀분석적 방법으로 각 요인을 추정합니다. 과거 값이나 오차항으로 현재 값을 설명하는 AR·MA·ARIMA 같은 확률 모형과 달리, 분해시계열은 구성 요인을 떼어내 각각의 영향을 보는 데 목적이 있습니다.
시험 포인트: 분해시계열 = 추세·계절·순환·불규칙 요인으로 분리
문제 46
단원 시계열·차원 축소
시계열 모형의 여러 종류 중 아래에서 설명하는 것은 무엇인가?
가) 시계열 모델 중 자기 자신의 과거 값을 사용하여 설명하는 모형임
나) 백색 잡음의 현재 값과 자기 자신의 과거 값의 선형 가중합으로 이루어진 정상 확률 모형
다) 모형에 사용하는 시계열 자료의 시점에 따라 1차, 2차, …, p차 등을 사용하나 정상시계열모형에서는 주로 1, 2차를 사용함
정답 · 해설 보기
정답 AR 모델 (단답형)
정답은 AR 모델(자기회귀 모형, AutoRegressive Model)입니다. 현재 값을 자기 자신의 과거 p개 시점 값의 선형결합과 백색잡음으로 설명하는 정상 확률 모형이며, AR(1), AR(2)처럼 차수를 붙이고 실무에서는 주로 1·2차를 씁니다. MA 모형은 과거 값이 아니라 과거 백색잡음(오차항)의 선형결합으로 현재 값을 설명하고, ARIMA는 차분을 거쳐 AR과 MA를 결합한 모형이라는 점이 다릅니다.
시험 포인트: AR = 자기 과거 값, MA = 과거 오차항, AR은 PACF가 p+1차부터 절단
문제 47
단원 정형 데이터 마이닝
학습 데이터에 너무 잘 맞게 학습되어 학습 데이터에 대한 성능은 매우 높지만 평가 데이터에 대한 성능은 낮은 상태를 무엇이라고 하는가?
정답 · 해설 보기
정답 과대적합 (단답형)
정답은 과대적합(Overfitting, 과적합)입니다. 모형이 학습 데이터의 잡음까지 지나치게 학습해 학습 데이터에서는 성능이 매우 높지만 새로운 평가 데이터에서는 성능이 떨어지는 상태입니다. 반대로 과소적합은 모형이 너무 단순해 학습 데이터에서도 성능이 낮은 상태입니다. 과대적합은 교차검증, 가지치기, 정규화, 변수 축소 등으로 줄일 수 있습니다.
시험 포인트: 과대적합 = 학습 성능 높고 평가 성능 낮음, 과소적합 = 둘 다 낮음
문제 48
단원 R·데이터 전처리
다음이 설명하는 기업 내부 데이터베이스 솔루션은 무엇인가?
전사적으로 구축된 데이터웨어 하우스로부터 특정 주제, 부서 중심으로 구축된 소규모 단일 주제의 데이터웨어 하우스로 재무, 생산, 운영과 같이 특정 조직의 특정 업무 분야에 초점을 두고 있다.
정답 · 해설 보기
정답 데이터 마트 (단답형)
정답은 데이터 마트(Data Mart)입니다. 전사적으로 구축한 데이터 웨어하우스에서 재무, 생산, 운영처럼 특정 주제나 부서에 필요한 데이터만 뽑아 만든 소규모 단일 주제의 데이터 저장소입니다. 데이터 웨어하우스가 기업 전체의 통합 데이터를 다룬다면 데이터 마트는 그 일부 업무 영역에 초점을 둡니다. 다양한 원천 데이터를 가공하지 않고 그대로 저장하는 데이터 레이크와도 구별됩니다.
시험 포인트: 데이터 마트 = 특정 부서·주제 중심의 소규모 데이터 웨어하우스
문제 49
단원 정형 데이터 마이닝
사람 뇌의 뉴런을 모방하여 분류 및 예측에 사용할 수 있는 모형으로 입력층, 은닉층, 출력층 3개의 층으로 구성되어 있고, 각 층에 뉴런이 여러 개 포함되어 있는 것은 무엇인가?
정답 · 해설 보기
정답 인공신경망 (단답형)
정답은 인공신경망(ANN, Artificial Neural Network)입니다. 사람 뇌의 뉴런 구조를 모방한 모형으로 입력층, 은닉층, 출력층으로 구성되고 각 층의 노드가 가중치로 연결되어 분류와 예측에 쓰입니다. 오차역전파로 가중치를 조정하며 학습합니다. 은닉층이 여러 개로 깊어지면 딥러닝(심층 신경망)이라 부르고, 은닉층 없이 입력과 출력만 있는 단층 퍼셉트론은 선형 분리만 가능하다는 점이 다릅니다.
시험 포인트: 인공신경망 = 입력층·은닉층·출력층, 가중치를 역전파로 학습
문제 50
단원 정형 데이터 마이닝
모형의 성능을 평가하기 위한 척도로 얼마나 예측이 잘 이루어졌는지를 나타내기 위해 임의로 나눈 각 등급별로 반응검출율, 반응률, 향상도 등의 정보를 산출하여 나타내는 것은 무엇인가?
정답 · 해설 보기
정답 이익 도표 (단답형)
정답은 이익 도표(Lift Chart, Gain Chart)입니다. 예측 확률 순으로 데이터를 정렬해 등급(구간)을 나누고, 각 등급별로 반응검출율, 반응률, 향상도 등을 계산해 모형의 예측 성능을 평가하는 도구입니다. 상위 등급에서 향상도가 높고 아래로 갈수록 떨어지면 좋은 모형입니다. ROC 곡선이 민감도와 1−특이도의 관계를 그래프로 그려 AUC로 평가하는 것과 달리, 이익 도표는 등급별 반응 정보를 표로 보여 준다는 점에서 구별됩니다.
시험 포인트: 이익 도표 = 등급별 반응검출율·반응률·향상도로 성능 평가