동국대학교 통계학과 > 교과과정

popup zone

등록된 팝업이 없습니다

학부과정

전공과목 개설총괄표

학수번호	교과목명	학점	이론	실습	전공구분	이수대상	원어강의	개설학기	비고
STA2005	탐색적자료분석	3	3		기초	학사2년	영어	2
STA2013	프로그래밍및실습1	3	2	2	기초	학사1년		2
STA2014	프로그래밍및실습2	3	2	2	기초	학사2년		1
STA2015	확률과정론	3	3		기초	학사2년		2
STA2017	수리통계학1	3	3			기초	학사2년	1	대학통계및실습1 대학통계및실습2 선수권장
STA2021	수리통계학2	3	3		기초	학사2년		2	대학통계및실습1 대학통계및실습2 수리통계학1 선수권장
STA2018	선형계획법	3	3		기초	학사2년		1
STA2019	통계수학및R실습	3	2	2	기초	학사2년		1
STA2020	통계계산및그래픽실습	3	2	2	기초	학사2년		2
STA4004	다변량해석	3	3		전문	학사3,4년		1	대학통계및실습1 대학통계및실습2 수리통계학1 수리통계학2 선수권장
STA4005	데이터마이닝	3	3		전문	학사3,4년		1
STA4006	범주형자료분석	3	3		전문	학사3,4년		2
STA4008	비모수통계학	3	3		전문	학사3,4년	영어	1
STA4011	시계열해석	3	3		전문	학사3,4년		2
STA4012	실험계획법	3	3		전문	학사3,4년	영어	2
STA4016	통계모델링및컨설팅1	3	3		전문	학사3,4년		1
STA4017	통계모델링및컨설팅2	3	3		전문	학사3,4년		2
STA4020	통계적품질관리	3	3		전문	학사3,4년	영어	2
STA4034	회귀해석	3	3		전문	학사3,4년	영어	1
STA4035	보험통계학	3	3		전문	학사3,4년	영어	1
STA4037	표본조사방법론및실습	3	2	2	전문	학사3,4년		2
STA4038	표본설계	3	3		전문	학사3,4년		1
STA4039	생존분석	3	3		전문	학사3,4년	영어	2

학과내규

학과 구성 및 수강과목

1)
기초 과목은 통계학과 전공을 위해 반드시 이수하도록 권장한다.
2)
통계학과 전공을 위해서는 대학통계학 및 실습 I, II 2과목은 1학년 학생이 필수로 이수해야 한다.
3)
통계학과 전공을 위해서는 수리통계학 I, II 2과목을 선수 권장 한다. (단, 2009학년도 통계학과 신(편)입학생부터 적용)
4)
통계학과 학부과정은 아래와 같이 구성된다.

졸업요건

			학문기초			복수 : 36학점	외국어패스	O
졸업학점	130학점	교양학점	기초	입학년도 기준	전공학점	단수: 58학점	졸업논문형식	O
			핵심			복수 : 36학점	외국어패스	O

진출분야/트랙별 이수체계

연구직	대학통계학및실습1, 2 프로그래밍및실습1, 2 수리통계학1, 2 통계수학및R실습 통계계산및그래픽실습 확률과정론 선형계획법	회귀해석 다변량해석 데이터마이닝 실험계획법 표본설계 표본조사방법론및실습 시계열해석 비모수통계학 범주형자료분석 통계모델링및컨설팅1, 2 보험통계학	계량경제학 사회조사방법 마케팅조사 생물정보학
수학교사	확률과정론 프로그래밍및실습1, 2 수리통계학1, 2 통계수학및R실습 통계계산및그래픽실습	회귀해석 다변량해석 범주형자료분석 시계열해석	수학교육론 수학교재연구및지도법 해석개론 이산수학
통계 및 전산관련분야	대학통계학및실습1, 2 프로그래밍및실습1, 2 수리통계학1, 2 통계수학및R실습 통계계산및그래픽실습 탐색적자료분석 선형계획법	회귀해석 다변량해석 데이터마이닝 범주형자료분석 표본설계 표본조사방법론및실습 통계모델링및컨설팅1, 2	데이터웨어하우스 자바프로그래밍 데이터베이스응용 및 실험 소프트웨어공학
복수전공트랙	대학통계학및실습1, 2 프로그래밍및실습1, 2 수리통계학1, 2 통계수학및R실습 통계계산및그래픽실습	회귀해석 다변량해석 데이터마이닝 범주형자료분석 표본설계 시계열해석 보험통계학 생존분석

교과목 해설

학수번호	국문 교과목명	영문 교과목명
STA2005	탐색적자료분석	Exploratory Data Analysis
기본적인 기술통계학의 적용뿐만 아니라 단변량 분석, 자료의 시각화, 선형모형, GLM, 다변량 분석 등 여러 가지 다양한 통계기법을 이용하여 자료를 분석하는 방법을 다룬다. 특히 실제 자료를 이용하여 SAS, S-PLUS, SPSS 등 여러 통계 팩키지를 사용하여 자료에 대한 보다 깊은 이해를 할 수 있게 한다. The techniques of exploratory data analysis help us to cope with a set of data in a fairly informal way, guiding us toward structure relatively quickly and easily. The primary purpose of the course is to introduce the general steps and operations that make up practical exploratory data analysis.
STA2013	프로그래밍 및 실습1	Programming and Labs1
컴퓨터의 원리, 활용 및 발전과정 등에 대하여 학습하고 기본적인 프로그램의 작성원리를 이해하며, 향후 통계학 전공과목들의 수강시 기초가 되는 SAS나 S-Plus 및 SPSS 등의 통계프로그래밍을 공부한다. This course is designed to teach students how to use the SAS software package for windows. The goal is to learn the basic data analysis techniques and gain experience on computing and analysis, so that the students can find their way around the many SAS reference manuals and learn more advanced topics on their own. The skills learned will be valuable for their future work with Statistics.
STA2014	프로그래밍 및 실습2	Programming and Labs2
프로그래밍 및 실습 I의 연속 교과목으로 Ⅰ에서보다 고급 프로그램 기법 등을 학습하며, 보다 고급의 통계 기법을 수행할 수 있는 프로그램언어-비주얼베이직, C, C++, 자바 등-을 이용하여 프로그램을 작성한다. The emphasis of this course will be on advanced methods of data manipulation and statistical analysis techniques using SAS Macro and SQL. Also customized reporting techinques will be introduced.
STA2015	확률과정론	Stochastic Process
확률과정의 기본 개념을 설명하고 주로 Markov Chains에 관한 것을 학습하며 Markov Chains의 기본 개념, 흡수 Markov Chains, Regular Markov Chains, Ergodic Markov Chains, 그리고 Markov Chains의 응용에 관한 것을 다룬다. The basic concepts of stochastic process are taught. Main topics are definition of Markov chains, absorbing Markov chains, regular Markov chains, ergodic Markov chains, and application of Markov chains.
STA2017	수리통계학1	Mathematical Statistics1
본 과목에서는 표본 공간의 정의에 필요한 순열 조합 수와 집합의 분할, 그래프이론, 생성함수 등의 이산수학적 주제를 다루면서 확률 실험 및 확률 변수의 성질을 이해한다. 또한, 통계학의 기초이론인 정의, 정리 등을 수리적으로 증명함과 동시에 이들의 이론적 배경과 응용을 다루고, 집합론, 실해석론, 확률론, 확률분포론 및 표본분포론, 중심극한 정리와 같은 근사분포이론을 중점 강의한다. Histograms. Descriptive statistics. Probability. Probability spaces. Fundamental theorems in discrete probability. Random variables; densities and distribution functions. Continuous distributions. Independence. Distribution functions.Transformations of random variables. Central limit theorem. Distributions of sample statistics. Generating functions. Convergence concepts. Limit theorems.
STA2021	수리통계학2	Mathematical Statistics2
수리통계I에서 배운 분포이론들을 바탕으로 추정, 가설검정, 분산분석 등으로 구성된 통계적 모형 추론이론과 응용에 대하여 중점 강의한다. Hypothesis testing. Confidence intervals. Estimation and hypothesis testing. Order statistics, Decision theory. Bayes and empirical Bayes rules. Efficiency. Analysis of Variance. Distribution free and robust techniques.
STA2018	선형계획법	Linear Programming
선형계획법은 주어진 선형조건들을 만족하면서 선형 목적함수의 최대 또는 최소값을 구하는 방법을 연구하는 학문분야이다. Simplex 알고리즘을 중점적으로 학습한다. 선형대수의 기초지식이 다소 요구된다. By use of linear programming, one can find the optimal solution which maximizes or minimizes a linear objective function satisfying linear constraints. In the course, the simplex algorithm is mainly discussed. Students are expected to have some background in linear algebra.
STA2019	통계수학 및 R실습	Mathematics for Statistics and R Exercises
미적분학, 비선형 방정식, 행렬대수학 이론들 중에서 통계학도를 위한 통계수학과 최근 많이 사용하고 있는 오픈 소스 형태의 통계소프트웨어인 R 프로그램을 익히고 실습하는 것을 병행하여 학습한다. This course will be studied the Mathematics for statistician such as calculus, non-linear equations and linear algebra. In addition, R software which is an open source programming language and software environment for statistical computing and graphic will be exercised.
STA2020	통계계산 및 그래픽실습	Statistical Computing and Graphical Exercises
붓스트랩, 잭나이프와 같은 재표본 기법과 통계 계산에 필요한 몬테카를로 시뮬레이션, 몬테카를로 적분, 수치적 최적화 기법들에 관한 이론을 학습하며, R, Python 등의 오픈소스 프로그램들을 이용하여 그래픽 등 시각화 기법 등의 실습을 통해 기술통계학에 대한 이해를 넓힌다. Resampling method such as bootstrap and jackknife, and various statistical computing techniques such as Monte Carlo simulation, Monte Carlo integration, numerical optimization will be studied. In addition, student can expand their understanding of descriptive Statistics through hands-on exercises based on graphic and visualization method using R and Python open source programs.
STA4004	다변량해석	Multivariate Analysis
통계적 기법들 중 상관관계가 있는 두개 이상의 변량으로 이루어진 확률변수벡터들의 분포성질 및 자료를 선현대수 및 행렬대수이론에 기반하여 분석하는 기법으로 이에 필요한 다변량 확률변수들의 수리적 통계이론 및 인자분석, 주성분분석, 상관분석 등 다양한 다변량자료 분석기법을 강의한다. Algebra and calculus of vectors and matrices, special multivariate distributions (normal, Wishart, Hotelling’s T-squared, multivariate T, multivariate log-normal, etc.). Categorical dependent variable regression, loglinear models, inference in the multivariate normal distribution, multivariate multiple regression, gypothesis testing, likelihood ratio tests, multivariate analysis of variance and covariance, principal components analysis, factor analysis, and classification and discrimination models.
STA4005	데이터마이닝	Data Mining
데이터 마이닝의 개념과 적용사례, 그리고 통계학에서의 역할 등과 함께 데이터 마이닝의 여러 기법 중 로지스틱 회귀 분석, 의사결정나무, 신경망 분석 등을 실제 자료를 이용하여 여러 가지의 통계패키지를 이용하여 분석 비교 연구한다. Basic concepts and applications of Data Mining are taught. Various data mining techniques such as logistic regression, decision trees, and neural networks are analyzed and compared based on real data with various statistic packages.
STA4006	범주형자료분석	Categorical Data Analysis
확률변수가 연속적이 아닌 이산형 자료에 대한 자료 분석과 모형 구축에 대하여 학습한다. 이항분포 및 포아송분포 뿐 아니라 분할표를 이용한 로지스틱 회귀모형, 다범주 로짓모형 등 최근 여러 학문 분야에서 급격히 증가하고 있는 범주형 자료에 대한 다양한 통계적 모형이나 분석 방법 등을 다룬다. Model development and data analysis are taught using data based on discrete random variable such as binomial distribution, Poisson distribution. Main topics are Chi-square test using contingency table, logistic regression, log linear models, and multicategory logit models.
STA4008	비모수통계학	Nonparametric Statistics
통계문제를 다룸에 있어서 모집단의 분포를 모르는 경우나 모집단 분포가 정규분포가 아닌 경우에 측정된 자료를 통계 분석하는 방법을 학습한다. 특히, 의학통계학에서 다루는 자료들이 이 범주에 속하며, 임상실험에서 나오는 실제 자료를 분석한다. The aim of this course is to develop a deep and practical understanding of nonparametric statistical methods, which are used for data without normality assumption. Especially, the following cases are included in this category : data with outliers, data from survey and medical statistics. Those data will be analyzed using SAS and/or R programs.
STA4011	시계열해석	Time Series Analysis
시계열의 변동을 장기적 추세변동, 계절변동, 순환변동, 불규칙변동으로 나누어 이들 변동에 따라 시계열을 해석하는 추세모형분석법, 분해법 및 평활법을 이용한 예측법에 대해 경험적 자료실습 및 통계적 이론을 통해 강의하며, 더 나아가서 정상 및 비정상 시계열 과정에 적합한 ARIMA모형을 이용한 시계열분석 방법을 습득하게 한다. For time series data analyses, stationary and non-stationar processes are introduced and explored. Variations of time series data are analyzed into deterministic trends, seasonal trends, periodic trends, and so on. Such trends are discussed.
STA4012	실험계획법	Experimental Design
가장 좋은 정보를 얻기 위하여 어떻게 실험을 계획할 것인가에 대하여 학습하고, 얻어진 자료를 분석하고 해석하는 방법에 대하여 강의한다. For scientific studies and experiments, an efficient plan for them is required. Statistics has been developed experimental design for the purpose. Ih the couse, the methodologies for the analysis are introduced for several designs.
STA4016	통계모델링 및 컨설팅1	Statistical Modeling and Consulting1
컴퓨터에 입력되는 자료는 대량화되고, 입력된 방대한 자료가 주는 메시지나 연구자가 원하는 정보를 추출하는 것이 최우선적 과제이다. 본 강의에서는 실험계획법, ANOVA, 회귀분석, 다변량분석, 비모수통계학에서 배우는 이론들을 실제 자료를 이용하여 컴퓨터 프로그램과 통계적 해석방법을 공부한다. This course prepares students to a rigorous study of the linear model on the appled statistical point of view, which is best known through multiple regression and analysis of variance. The aim of this course is to develop a deep and practical understanding of this classical linear model, along with its strengths and frailties. Depth of understanding comes from a systematic use of variety of data applications. Practical understanding comes from broad experience with and probing of the methods on particular data sets through use of a flexible computer data analysis language, which for us, will be SAS and/or R.
STA4017	통계모델링 및 컨설팅2	Statistical Modeling and Consulting2
통계학습(Statistical Learning)의 지도학습(Supervised Learning)과 자율학습(Unsupervised Learning)과 관련된 빅데이터 모델링의 이론과 실제 자료 분석을 통해 공부한다. 또한 기초적인 text mining 방법을 공부한다. This course is designed for students to learn various analysis methods in statistical learning, including supervised learning and unsupervised learning in Big data modeling. And also study the introductory text mining techniques.
STA4020	통계적품질관리	Statistical Quality Control
품질관리에서 필요로 하는 제반 통계적 기법 및 품질 검사에서 판정 방법, 표본 선택 방법 등을 학습하고, 관리도 작성 요령과 활용방법에 관하여 강의한다. Statical methodologies for quality control are introduced. Sampling methods, test for quality, etc. are discussed.
STA4034	회귀해석	Regression Analysis
두 변량 이상의 변수들 사이의 관계를 식으로 표현하는 방법에 대하여 학습하고 회귀계수의 추정, 검정방법과 회귀선의 적합도검정, 분산분석 기법 등을 강의한다. Regression models are considered to identify any relation between two variables. Regression analysis course introduces estimations and tests for regression coefficients, lack-of-fit test, analysis of variances and so on.
STA4035	보험통계학	Insurance Statistics
보험통계의 개념, 종류 및 여러 계산 방식을 학습하고, 생명표 작성, 순보험료 및 영업 보험료의 계산, 책임 준비금, 해약 환급금, 이익배당, 장기정기보험, 기업연금보험 등의 계산방식을 다룬다. This course focuses on the basic concepts on the insurance statistics. It covers the following issues: probabilities, random variables, moments, distribution in insurance statistics, insurance and Poisson processes etc. Through the course, the students will be familiar with applied problems in the insurance industry.
STA4037	표본조사방법론 및 실습	Sample Survey Methodology and Practice
이론, 실습 수업 및 체험 학습 등을 통하여 각종 정부통계조사, 사회조사, 여론조사, 마케팅조사 등의 목적으로 흔히 사용되는 표본조사가 실제로 어떠한 절차에 따라 진행이 되는지 체계적으로 배운다. 표본조사의 기초 정보 수집을 위한 핵심 그룹 활동, 표본추출틀 준비, 자료수집방법 및 표본 크기 결정, 설문지 설계, 사전조사 실시, 조사원 선발 및 교육, 현장조사 실시, 설문 자료의 코드화 및 분석, 보고서 작성 등을 강의한다. An audience can be undergraduate and graduate students who want to understand and experience survey research. The course will be helpful for students who are faced with gathering data through a survey research project. It explores the topics: developing and administrating questionnaires, conducting practical surveys, ensuring scientific accuracy, analyzing and reporting survey results etc.
STA4038	표본설계	Sample Design
표본조사의 기본개념과 모집단으로부터 실제로 표본을 추출하는 추출방법, 즉 단순임의추출법, 층별임의추출법, 집락추출법, 계통추출법, 확률비례추출법 등을 배우며 이들 추출법에 근거한 모수의 추정방법들을 다룬다. 실습을 통해 모집단을 대표할 수 있는 표본을 어떻게 추출하는지 실제로 경험한다. This is an introductory course on the design and analysis of sample surveys. The prerequisite is an elementary course in statistics. The course emphasizes the practical aspects of survey problems. It covers the following topics: basic concepts for sampling theory, simple random sampling and estimation, stratified random sampling and estimation, ratio, regression, and difference estimation, systematic sampling and estimation, cluster sampling and estimation etc.
STA4039	생존분석	Survival Analysis
본 과목에서는 특정 사건이 발생할 때까지 걸리는 시간을 분석하는 통계 방법들을 학습한다. 특히, 사건까지 걸리는 시간이 중도절단 되는 특징을 반영하는 비모수적, 준모수적, 그리고 모수적 모형들을 다룬다. R을 활용하여 실제 자료를 분석한다. This course introduces statistical methods that analyze a time-to-event variable of interest. Especially, the focus will be on fitting non-parametric, semi-parametric and parametric models that take the censoring property of the variable into account. Several real data sets will be analyzed using statistical software R.