추가 적립 안내

통계학은 국가와 사회에 필요한 정보를 과학적이고 체계적으로 분석하여 미래를 예측하는 수단을 제공하는 학문이다. 기초통계학과 더불어 21세기를 선도하는 데이터 사이언스 개념을 동시에 다룰 수 있는 교재다. 통계 리터러시를 위한 통계 기초 개념과 통계적 사고에 바탕이 되는 데이터 요약, 확률과 변수, 모집단과 표본, 표본추출분포, 추정과 검정, 두 변수 관계 분석을 학습한 후 데이터 사이언스의 주요 기술인 인공지능(AI), 기계학습(machine learning) 개념을 교양 수준에서 다루었다.

1장 통계학과 빅데이터
01 통계학의 정의와 역사
02 데이터 축약과 변동
03 빅데이터의 정의와 역사
04 빅데이터 유형
05 빅데이터 수집 방법
06 연습문제
07 R, RStudio 설치

2장 정형자료 분포지표와 시각화
01 정형자료 분포지표
02 데이터 시각화
03 그룹화 자료의 중심위치와 산포
04 연습문제
05 R 실습

3장 확률과 변수
01 확률의 정의
02 확률변수와 확률분포
03 이산확률변수 종류
04 연속확률변수 종류
05 표준정규확률분포의 응용
06 연습문제
07 R 실습

4장 모집단과 표본
01 모집단과 표본의 정의
02 표본추출
03 중심극한정리
04 표본비율의 표본추출분포
05 오차의 개념
06 연습문제
07 R 실습

5장 추정
01 추정 문제
02 점추정과 구간추정
03 표본크기에 의존하는 모평균의 구간추정
04 모비율의 구간추정
05 표본크기 결정
06 연습문제
07 R 실습

6장 가설검정
01 가설검정 문제
02 기각역과 검정통계량
03 가설검정 절차
04 연습문제
05 R 실습

7장 두 모집단 비교와 두 변수 관계
01 두 모집단 비교
02 두 변수의 관계
03 연습문제
04 R 실습

8장 회귀분석
01 단순선형회귀모형
02 최소제곱추정량과 잔차제곱합
03 회귀직선의 설명력
04 회귀계수 추정과 검정
05 연습문제
06 R 실습

9장 데이터 사이언스
01 데이터 사이언스의 정의와 역사
02 인공지능 역사와 발전
03 디지털 세계와 메타버스
04 데이터직무 고급인력 양성
05 연습문제

10장 데이터 사이언스의 학습과 사례
01 지도학습과 비지도학습 정의와 원리
02 인공지능 학습 평가
03 지도학습과 비지도학습 적용 사례
04 연습문제

11장 데이터 사이언스의 매력적인 분석
01 기계학습 알고리즘 종류
02 텍스트 데이터 분석과 자연어처리
03 모형 시뮬레이션
04 연습문제
05 워드클라우드와 R 실습

부록
찾아보기

머리말
영국 정치가인 벤저민 디즈레일리(Benjamin Disraeli)는 ‘세상에는 세 가지 거짓말이 있다. 거짓말, 새빨간 거짓말, 그리고 통계’라고 하면서, 남을 속이기 위한 하나의 도구로 통계(statistic)를 비유했다. 반면 통계는 사회의 변모를 수치로 파악할 수 있으며, 미래 불확실성(uncertainty)이 있지만 앞으로 일어날 일을 예상할 수 있는 객관적인 자료이다. 통계학(statistics)은 국가와 사회에 필요한 정보를 과학적이고 체계적으로 분석하여 미래를 예측하는 수단을 제공하는 학문이다.

우리는 4차산업혁명으로 예전과 다른 삶을 살고 있다. 4차산업혁명을 선도하는 빅데이터(big data), 인공지능(Artificial Intelligence, AI), 드론(drone), 정보통신기술(ICT), 사물인터넷(IoT), 3D 프린팅, 자율주행, 증강현실 등은 삶을 빠르게 변화시키고 있다. 이와 더불어 학문에서도 빅블러(big blur)라는 용어처럼 학문의 경계가 없어지는 뉴노멀(new-normal, 시대 변화에 따라 새롭게 떠오르는 기준 또는 표준)인 융합학문의 시대가 도래하고 있다. 이런 뉴노멀 시대에서는 빅데이터를 이용한 무분별한 통계의 오용을 경계해야 하는데, 이를 올바로 분별하기 위해 통계적 사고를 바탕으로 합리적 의사결정을 내리는 것이 중요하다. 이처럼 빅테이터를 분석하고 이를 바탕으로 시각화하고 정보를 제공하는 것이 날로 중요해지고 있으며, 이러한 데이터 분석 또한 중요한 미래 기술 역량으로 주목받고 있다.

따라서 이런 시대적 배경과 요구에 초점을 맞춘 본 교재는 대학생이 통계적 사고를 바탕으로 데이터 리터러시(data literacy, 데이터를 읽고 그 안에 숨겨진 의미를 파악하는 데이터 해독 능력), 더 나아가 통계 리터러시(statistical literacy, 통계를 제대로 이해하는 능력)를 배양하고, 4차 산업혁명의 신기술의 개념과 데이터 과학(Data Science, 데이터 사이언스) 지식을 교양수준에서 습득하는 것을 목적으로 한다.
기존 통계학을 다루는 도서는 기초통계학 수준의 개념과 정형데이터 분석을 소개한 반면, 본 교재는 기초통계학과 더불어 21세기를 선도하는 데이터 사이언스 개념을 동시에 다룰 수 있는 대학 교양서적의 요구와 필요에 따라 집필되었다. 이에 본 교재는 통계 리터러시를 위한 통계 기초 개념과 통계적 사고에 바탕이 되는 데이터 요약, 확률과 변수, 모집단과 표본, 표본추출분포, 추정과 검정, 두 변수 관계 분석을 학습한 후 데이터 사이언스의 주요 기술인 인공지능(AI), 기계학습(machine learning) 개념을 교양 수준에서 다룬다.

교재는 총 11개 장으로 구성하였으며 기초통계학은 8개 장, 데이터 사이언스는 3개장으로 구분하였다. 기초통계학의 1장은 통계학과 빅데이터, 2장은 빅데이터 중 정형자료 분포 지표와 시각화 방법, 3장은 확률과 변수, 4장은 모집단과 표본의 개념을 다룬다. 5, 6장은 통계적 추정과 검정을 다루고, 7, 8장은 일변량에서 이변량으로 확장하여 두 변수 관계 분석으로 잘 알려진 상관분석과 회귀분석을 다룬다. 데이터 사이언스의 9장은 빅데이터, 인공지능의 정의, 역사, 발전 단계와 이와 관련된 세계를 살펴보고 10장은 인공지능과 기계학습과 지도, 비지도학습 사례를 소개한다. 끝으로 11장은 데이터 사이언스의 매력적인 다양한 알고리즘과 분석법을 소개한다.

끝으로 ‘아는 것이 힘이다.’라고 갈파한 프랜시스 베이컨(Francis Bacon)의 지혜가 더욱 와 닿는 요즘, 본서를 통해 학습한 대학생들이 기초통계학의 개념과 4차산업혁명의 주인공인 데이터 사이언스의 교양 지식을 습득하여, 21세기를 선도하는 미래형 인재가 되기를 기원해본다. 양서를 출간하기 위해 각고의 노력을 했지만, 부족한 부분이 있을 수 있다. 이 점은 양해 바라며 추후 수정사항과 연습문제 해답은 자유아카데미 홈페이지(www.freeaca.com) 자료실을 통해 제공할 예정이니 참고하기를 바란다