
먼저 밝혀둡니다. 이 글에는 실제 시험 문항을 옮겨 적지 않았습니다. 빅데이터분석기사 10회 필기 2과목에서 다뤄진 출제 개념만 추려 정리했고, 아래 문제 12개는 그 개념을 연습하도록 YD Daily가 새로 만든 문제입니다.
2과목은 사실상 “기초 통계” 시험이다
2과목(빅데이터 탐색)은 이름과 달리 문제 대부분이 확률분포와 기술통계입니다. 공식을 외우는 것보다 “이 상황에 어떤 분포·어떤 검정을 쓰는가”를 고르는 문제가 많아서, 상황과 도구를 짝지어 두면 점수가 빨리 오릅니다.
| 영역 | 10회 출제 개념 | 공부 우선순위 |
|---|---|---|
| 확률분포 | 이항, 포아송, 초기하, 베르누이 변형, 표본평균의 분포 | 매우 높음 |
| 기술통계 | Z-score 변환, 왜도와 대푯값, 상자그림·IQR, 상관계수 | 높음 |
| 추정·검정 | 구간추정, 분산분석(ANOVA), 독립과 공분산 | 높음 |
| 데이터 준비 | 독립·종속변수, 요약·파생변수, 정제(결측·이상치), 변수 선택 | 중간 |
| 차원 축소 | SVD 기반 텍스트 분석(LSA) | 낮음 |
상황 → 도구 매칭표
| 이런 상황이면 | 이걸 쓴다 | 핵심 공식·성질 |
|---|---|---|
| 성공/실패 시행을 n번 반복해 성공 횟수를 센다 | 이항분포 | 평균 np, 분산 np(1−p) |
| 일정 시간에 사건이 몇 번 일어나는지 센다 | 포아송분포 | 평균 = 분산 = λ |
| 되돌려 놓지 않고(비복원) 뽑는다 | 초기하분포 | 모집단이 작을 때 이항분포 대신 |
| 표본평균이 얼마나 흔들리는지 본다 | 표준오차 | σ ÷ √n |
| 세 집단 이상의 평균을 비교한다 | 분산분석(ANOVA) | 두 집단이면 t-검정 |
| 단위가 다른 변수를 비교한다 | Z-score 표준화 | (x − 평균) ÷ 표준편차 |
직접 만든 유형 문제 12선
1. 신규 영업 제안의 성사 확률이 0.3이고 한 달에 20건을 독립적으로 제안한다. 성사 건수의 분산은?
① 1.8 ② 4.2 ③ 6.0 ④ 14.0
정답·해설 보기
정답 ② — 이항분포 B(20, 0.3)의 분산은 np(1−p) = 20 × 0.3 × 0.7 = 4.2. 평균 np = 6인 ③과 헷갈리게 만든 문제입니다.
2. 모분산이 36인 모집단에서 크기 9인 표본을 뽑을 때, 표본평균의 표준오차는?
① 2 ② 4 ③ 6 ④ 12
정답·해설 보기
정답 ① — 표본평균의 분산은 σ² ÷ n = 36 ÷ 9 = 4, 표준오차는 그 제곱근인 2입니다. ②는 분산, ③은 모표준편차입니다.
3. 평균 60, 표준편차 10인 점수를 Z-score로 바꾸는 식을 f(x) = ax + b로 쓸 때 a와 b는?
① a = 10, b = −60 ② a = 0.1, b = −6 ③ a = 0.1, b = −60 ④ a = 60, b = 10
정답·해설 보기
정답 ② — z = (x − 60) ÷ 10 = 0.1x − 6 이므로 a = 0.1, b = −6입니다.
4. 고객센터에 시간당 평균 4건의 불만 전화가 걸려 오고 포아송분포를 따른다. 시간당 불만 전화 건수의 분산은?
① 2 ② 4 ③ 8 ④ 16
정답·해설 보기
정답 ② — 포아송분포는 평균과 분산이 모두 λ로 같습니다.
5. 직원 연봉 분포가 소수의 고액 연봉자 때문에 오른쪽으로 꼬리가 길다. 대푯값의 크기 순서로 가장 적절한 것은?
① 평균 < 중앙값 < 최빈값
② 최빈값 < 중앙값 < 평균
③ 중앙값 < 평균 < 최빈값
④ 세 값이 모두 같다
정답·해설 보기
정답 ② — 큰 값에 끌려가는 평균이 가장 커집니다. “평균 연봉”이 체감보다 높게 나오는 이유가 이것이고, 그래서 보고서에서는 중앙값을 함께 쓰는 게 안전합니다.
6. Q1 = 40, Q3 = 60인 데이터에서 상자그림 기준(1.5 × IQR)으로 이상치로 판정되는 값은?
① 85 ② 88 ③ 90 ④ 95
정답·해설 보기
정답 ④ — IQR = 20, 위쪽 경계 = 60 + 1.5 × 20 = 90. 경계를 넘는 95만 이상치입니다.
7. 불량품 3개가 섞인 부품 20개에서 5개를 되돌려 놓지 않고 뽑을 때, 뽑힌 불량품 수가 따르는 분포는?
① 이항분포 ② 포아송분포 ③ 초기하분포 ④ 정규분포
정답·해설 보기
정답 ③ — 비복원 추출이라 뽑을 때마다 확률이 바뀌므로 초기하분포입니다.
8. 두 확률변수 X, Y에 대해 항상 참인 것은?
① 공분산이 0이면 X와 Y는 독립이다.
② X와 Y가 독립이면 공분산은 0이다.
③ 공분산이 클수록 관계가 강하다.
④ 공분산은 측정 단위와 무관하다.
정답·해설 보기
정답 ② — 역은 성립하지 않습니다. X가 −1, 0, 1을 같은 확률로 갖고 Y = X²이면 공분산은 0이지만 Y는 X로 완전히 결정됩니다. 공분산은 단위에 따라 크기가 달라져 관계의 강도를 비교하려면 상관계수를 씁니다.
9. 피어슨 상관계수에 대한 설명으로 틀린 것은?
① −1에서 1 사이의 값을 갖는다.
② 측정 단위가 바뀌어도 값이 변하지 않는다.
③ 상관계수가 0이면 두 변수 사이에 어떤 관계도 없다.
④ 절댓값이 1에 가까울수록 선형 관계가 강하다.
정답·해설 보기
정답 ③ — 피어슨 상관계수는 선형 관계만 잡습니다. U자형처럼 비선형 관계가 뚜렷해도 0이 나올 수 있습니다.
10. 세 개 사업장의 고객만족도 평균이 서로 다른지 한 번에 검정하려 할 때 적절한 방법은?
① 독립표본 t-검정 ② 일원분산분석 ③ 카이제곱 적합도 검정 ④ 상관분석
정답·해설 보기
정답 ② — 세 집단 이상의 평균 비교는 분산분석입니다. t-검정을 쌍마다 반복하면 1종 오류가 커집니다.
11. 95% 신뢰구간에 대한 해석으로 가장 적절한 것은?
① 모평균이 이 구간 안에 있을 확률이 95%다.
② 같은 방법으로 표본을 뽑아 구간을 여러 번 만들면 약 95%의 구간이 모평균을 포함한다.
③ 표본 크기가 커지면 구간 폭이 넓어진다.
④ 신뢰수준을 99%로 올리면 구간 폭이 좁아진다.
정답·해설 보기
정답 ② — 모평균은 고정된 값이라 “확률 95%로 들어 있다”는 ①은 엄밀히 틀린 해석입니다. 표본이 커지면 구간은 좁아지고, 신뢰수준을 높이면 넓어집니다.
12. 다음 중 파생변수의 예로 가장 적절한 것은?
① 고객별 월간 구매 금액 합계
② 고객별 연간 방문 횟수
③ 구매 시간대가 주로 밤 10시 이후면 “야간형 고객”으로 분류한 변수
④ 원천 시스템의 고객 ID
정답·해설 보기
정답 ③ — 분석자의 기준을 적용해 새 의미를 만든 변수가 파생변수입니다. ①②처럼 단순 집계한 것은 요약변수입니다.
2과목 공부 전략
- 분포 5개는 “상황 문장”으로 외운다. 공식보다 “비복원이면 초기하”, “시간당 건수면 포아송”처럼 상황으로 기억해야 문제에서 바로 꺼내 쓸 수 있습니다.
- 평균·분산 함정을 조심한다. 보기에는 거의 항상 평균값과 분산값, 분산과 표준편차가 나란히 나옵니다.
- “항상 참”을 묻는 문제는 역을 의심한다. 독립→공분산 0은 참이지만 그 역은 거짓인 것처럼, 방향을 뒤집은 보기가 단골입니다.
이 글의 문제 1~12는 YD Daily가 개념 연습용으로 새로 만든 것으로 실제 시험 문항과 다릅니다.