확률과통계6

Size: px
Start display at page:

Download "확률과통계6"

Transcription

1 확률과통계 6. 이산형확률분포 건국대학교스마트 ICT 융합공학과윤경로

2 6. 이산형확률분포 6.1 이산균일분포 6.2 이항분포 6.3 초기하분포 6.4 포아송분포 6.5 기하분포 6.6 음이항분포 * ( 제외 ) 6.7 다항분포 * ( 제외 )

3 6.1 이산균일분포 [ 정의 6-1] 이산균일분포 (discrete uniform distribution) n 개의결과값이균일한확률로발생하는확률분포 pdf 기댓값 분산

4 6.1 이산균일분포 [ 예 6-1] 1 에서 20 까지번호가적혀있는동일한 20 개의공이들어있는상자에서임의로하나의공을꺼냈을때나온번호 X (1) X 의확률분포함수 (2) X 의기댓값과분산 (3) 15 이상의번호가나올확률

5 6.2 이항분포 (binomial distribution) [ 정의 6-2] 베르누이분포 (Bernoulli distribution) X ~ B(1, p) : 성공확률이일정한 1회의시행에서나오는성공횟수의확률분포 pdf 기댓값 분산

6 6.2 이항분포 [ 정의 6-3] 이항분포 (binomial distribution) X ~ B( n, p) : 성공확률이일정한 n 회의시행에서나오는성공횟수의확률분포 Pdf 이때 ncx n x 기댓값 분산

7 X ~ B(5, p)

8 6.2 이항분포 [ 예 6-2] 성공확률이각각 0.2, 0.5, 0.8 인무한모집단에서 10 개씩표본을취하였을때나타나는성공회수의확률분포 (1) p=0.2 X (2) p=0.5 X (3) p=0.8 X ~ B(10,0.2) ~ B(10,0.5) ~ B(10,0.8) B(10,0.2) B(10,0.5) B(10,0.8) fx1[, 1] fx1[, 2] fx1[, 3] x x x

9 6.2 이항분포 [ 예 6-3] 불량률이 0.03인공정에서 20개의표본을추출하여검사하여발견한불량개수 X (1) 확률분포함수 (2) 평균과분산 (3) P(X = 2) (4) P(X 3) X ~ B(20,0.03) dbinom(0:2, 20, 0.03) [1] sum(dbinom(0:2, 20, 0.03)); pbinom(2, 20, 0.03, lower=f) [1] [1]

10 6.3 초기하분포 [ 정의 6-4] 초기하분포 (hypergeometric distribution) HG(, n N,) r : 두가지속성의개체들로구성된유한모집단에서일정한개수의표본을비복원추출했을때, 특정속성을갖는개체수의확률분포 Pdf 기댓값 분산 => 다음장에구해보기

11 6.3 초기하분포 - 기댓값

12 6.3 초기하분포 - 분산

13 6.3 초기하분포 ( N = 10, r = 2, n= 5) HG(5,10,2)

14 6.3 초기하분포 유한모집단수정계수 (finite population correction factor) 확률분포함수의다른표현

15 6.3 초기하분포 [ 예 6-4] 총 50 개의개체로구성되며, 각각 10 개, 25 개, 40 개의성공개체가있는세종류의유한모집단에서 10 개씩표본을취하였을때, 성공개수의확률분포 (1) 10 개의성공개체가있는경우 X ~ HG(10,50,10) (2) 25 개의성공개체가있는경우 X ~ HG(10,50, 25) (3) 40 개의성공개체가있는경우 X ~ HG(10,50, 40)

16 HG(10, 50,10) HG(10, 50,25) HG(10, 50,40) fx2[, 1] fx2[, 2] fx2[, 3] x x x HG(50) : Binom (n=10, p=0.2) HG(50) : Binom (n=10, p=0.5) HG(50) : Binom (n=10, p=0.8)

17 [ 예 6-5] 불량률이 5% 이고 1000 개의제품으로구성된로트에서 30 개의표본을추출하였을때나오는불량개수 X (1) 확률분포함수 (2) 평균과분산 (3) P(3 개불량 ) (4) P(3개이하불량 ) PX ( 3) = dhyper(0:3, 50, 950, 30) [1] sum(dhyper(0:3, 50, 950, 30)); phyper(3, 50, 950, 30) [1] [1]

18 6.4 포아송분포 [ 정의 6-5] 포아송분포 (Poisson distribution) : 일정한단위에서발생한희소한사건수의확률분포 Poi( l) l l = np Þ p = n

19 6.4 포아송분포 확률분포함수의조건 MGF, 평균및분산

20 6.4 포아송분포 평균및분산

21 6.4 포아송분포 [ 예 6-6] 일정단위당평균발생회수가각각 2 개, 5 개, 8 개인세종류의무한모집단에서일정단위의표본을취하였을때, 포아송확률분포 (1) 단위당평균발생회수가 2 인경우 Poi(2) (2) 단위당평균발생회수가 5 인경우 Poi(5) (3) 단위당평균발생회수가 8 인경우 Poi(8)

22 Poisson(2) Poisson(5) Poisson(8) fx3[, 1] fx3[, 2] fx3[, 3] xr xr xr HG(50) : Binom : Pois (2) HG(50) : Binom : Pois (5) HG(50) : Binom : Pois (8)

23 6.4 포아송분포 [ 예 6-7] 단위당평균결점수가 1.5 개인제품을생산하는프로세스에서샘플링검사실시 (1) 확률분포함수 X ~ Poi(1.5) (2) 기댓값 (3) 분산 (4) P(2 개 ) (5) P(3 개이상 ) (6) P(10 단위에서 20 개 ) dpois(0:2, 1.5) [1] sum(dpois(0:2, 1.5)); ppois(2, 1.5, lower=f) [1] [1]

24 6.5 기하분포 [ 정의 6-6] 기하분포 (geometric distribution) ~ G( p) : 성공확률이일정한시행에서첫번째성공이발생할때까지시행한횟수의확률분포 X

25 6.5 기하분포 확률분포함수의조건 누적분포함수 모멘트생성함수

26 6.5 기하분포 기댓값과분산

27 6.5 기하분포 [ 예 6-8] 성공확률이각각 0.1, 0.2, 0.3, 0.5 인네유형의무한모집단에서첫번째성공을얻을때까지시행 (1) 성공확률이 0.1인경우 (2) 성공확률이 0.2인경우 (3) 성공확률이 0.3인경우 (4) 성공확률이 0.5인경우

28 Geometric(0.1) Geometric(0.2) fx4[, 1] fx4[, 2] xr xr Geometric(0.3) Geometric(0.5) fx4[, 3] fx4[, 4] xr xr

29 6.5 기하분포 [ 예 6-9] 주사위 1 개를 6 이나올때까지반복해서굴리는실험에서총시행회수 X (1) X 의확률분포함수 (2) X 의기댓값과분산 (3) 3 회의시행이내에 6 이나올확률 비기억특성 (memoryless property)

30 R 을활용한확률과통계 실습 이산형확률분포

31 6.2 이항분포 # 이항분포 R 함수 # 확률분포함수 (size=n= 표본크기, prob=p= 성공확률 ) dbinom(x, size, prob) # Excel 함수 = BINOM.DIST(x, size, prob, FALSE) # 누적분포함수 (q= 분위수, lower.tail=true= 아래로부터누적 ) pbinom(q, size, prob, lower.tail = TRUE) # Excel 함수 = BINOM.DIST(x, size, prob, TRUE) # 분위수 (p= 누적확률 ) qbinom(p, size, prob, lower.tail = TRUE) # Excel 함수 = BINOM.INV(size, prob, p) # 이항확률변수 (n= 난수의개수 ) rbinom(n, size, prob) # Excel 함수는없으나, 아래와같이한개의난수생성 = BINOM.INV(size, prob, RAND( ))

32 6.2 이항분포 [ 예 6-2] 성공확률이각각 0.2, 0.5, 0.8 인무한모집단에서 10 개씩표본을취하였을때나타나는성공회수의확률분포 n <- 10; p <- c(0.2, 0.5, 0.8); x <- 0:n fx1 <- array(na, dim=c(11,3)) for (I in 1:3) fx1[, i] <- dbinom(x, n, p[i]) colnames(fx1) <- p; rownames(fx1) <- x round(t(fx1), 4) apply(fx1, 2, sum) win.graph(9, 3); par(mfrow=c(1,3)) plot(x, fx1[,1], type= h, main=paste0( B(10, p[1], ) ), lwd=4, col=2) plot(x, fx1[,2], type= h, main=paste0( B(10, p[2], ) ), lwd=4, col=2) plot(x, fx1[,3], type= h, main=paste0( B(10, p[3], ) ), lwd=4, col=2)

33 6.2 이항분포 [ 예 6-3] 불량률이 0.03 인공정에서 20 개의표본을추출하여검사하여발견한불량개수 X dbinom(0:2, 20, 0.03) [1] sum(dbinom(0:2, 20, 0.03)); pbinom(2, 20, 0.03, lower=f) [1] [1]

34 6.3 초기하분포 # 초기하분포 R 함수 # 확률분포함수 (x= 표본성공개수, m=r= 모집단성공개체수, n=n-r= 모집단실패개체수, k= 표본개수 ) dhyper(x, m, n, k) # Excel 함수 = HYPGEOM.DIST(x, k, m, N, FALSE) # 누적분포함수 (q= 분위수, lower.tail=true= 아래로부터누적 ) phyper(q, m, n, k, lower.tail = TRUE) # Excel 함수 = HYPGEOM.DIST(x, k, m, N, TRUE) # 분위수 (p= 누적확률 ) qhyper(p, m, n, k, lower.tail = TRUE) # 초기하확률변수 (nn= 난수의개수 ) rhyper(nn, m, n, k)

35 6.3 초기하분포 [ 예 6-4] 총 50 개의개체로구성되며, 각각 10 개, 25 개, 40 개의성공개체가있는세종류의유한모집단에서 10 개씩표본을취하였을때, 성공개수의확률분포 N <- 50; S <- c(10, 25, 40); n <- 10; x <- 0:n fx2 <- array(na, dim=c(11, 3)) for (I in 1:3) fx2[,1] <- dhyper(x, S[i], N-S[i], n) colnames(fx2) <- p; rownames(fx2) <- x; round(t(fx2), 4) apply(fx2, 2, sum) win.graph(9, 3);par(mfrow=c(1, 3)) plot(x, fx2[,1], type= h, main=paste0( HG(10, 50, S[1], ) ), lwd=4, col=2) plot(x, fx2[,2], type= h, main=paste0( HG(10, 50, S[2], ) ), lwd=4, col=2) plot(x, fx2[,3], type= h, main=paste0( HG(10, 50, S[3], ) ), lwd=4, col=2) win.graph(9, 3); par(mfrow=c(1,3)); d <- 0.1 plot(x-d, fx2[,1], type= h, main= HG(50) : Binom (n=10, p=0.2), ylab=na, xlab=na, lwd=3, col=4) lines(x+d, fx1[,1], type= h, lwd=3, col=4) plot(x-d, fx2[,2], type= h, main= HG(50) : Binom (n=10, p=0.5), ylab=na, xlab=na, lwd=3, col=4) lines(x+d, fx1[,2], type= h, lwd=3, col=4) plot(x-d, fx2[,3], type= h, main= HG(50) : Binom (n=10, p=0.8), ylab=na, xlab=na, lwd=3, col=4) lines(x+d, fx1[,4], type= h, lwd=3, col=4)

36 [ 예 6-5] 불량률이 5% 이고 1000 개의제품으로구성된로트에서 30 개의표본을추출하였을때나오는불량개수 X dhyper(0:3, 50, 950, 30) [1] sum(dhyper(0:3, 50, 950, 30)); phyper(3, 50, 950, 30) [1] [1]

37 6.4 포아송분포 # 포아송분포 R 함수 # 확률분포함수 (lambda= 기댓값 ) dpois(x, lambda) # Excel 함수 = POISSON.DIST(x, lambda, FALSE) # 누적분포함수 (q= 분위수, lower.tail=true= 아래로부터누적 ) ppois(q, lambda, lower.tail = TRUE) # Excel 함수 = POISSON.DIST(x, lambda, TRUE) # 분위수 (p= 누적확률 ) qpois(p, lambda, lower.tail = TRUE) # 포아송확률변수 (n= 난수의개수 ) rpois(n, lambda)

38 6.4 포아송분포 [ 예 6-6] 일정단위당평균발생회수가각각 2 개, 5 개, 8 개인세종류의무한모집단에서일정단위의표본을취하였을때, 포아송확률분포 L <- c(2, 5, 8); xr <- 0:20 fx3 <- array(na, dim=c(21, 3)) for (i in 1:3) fx3[, i] <- dpois(xr, L[i]) colnames(fx3) <- L; rownames(fx3) <- xr; round(t(fx3), 4) apply(fx3, 2, sum) win.graph(9,3); par(mfrow=c(1,3)) plot(xr, fx3[,1], type= h, main=paste0( Poisson(, L[1], ) ), lwd=4, clo=2) plot(xr, fx3[,2], type= h, main=paste0( Poisson(, L[2], ) ), lwd=4, clo=2) plot(xr, fx3[,3], type= h, main=paste0( Poisson(, L[3], ) ), lwd=4, clo=2) win.graph(9,3); par(mfrow=c(1,3)); d <- 0.2 plot(x-d, fx2[,1], type= h, main= HG(50) : Binom : Pois (2), ylab=na, xlab=na, lwd=3, col=4) lines(x, fx1[,1], type= h, lwd=3, col=2) lines(x+d, fx3[1:11,1], type= h lwd=3, col=2) plot(x-d, fx2[,2], type= h, main= HG(50) : Binom : Pois (5), ylab=na, xlab=na, lwd=3, col=4) lines(x, fx1[,2], type= h, lwd=3, col=2) lines(x+d, fx3[1:11,2], type= h lwd=3, col=2) plot(x-d, fx2[,3], type= h, main= HG(50) : Binom : Pois (8), ylab=na, xlab=na, lwd=3, col=4) lines(x, fx1[,3], type= h, lwd=3, col=2) lines(x+d, fx3[1:11,3], type= h lwd=3, col=2)

39 6.4 포아송분포 [ 예 6-7] 단위당평균결점수가 1.5 개인제품을생산하는프로세스에서샘플링검사실시 X ~ Poi(1.5) dpois(0:2, 1.5) [1] sum(dpois(0:2, 1.5)); ppois(2, 1.5, lower=f) [1] [1]

40 6.5 기하분포 # 기하분포 R 함수 # Excel 함수없음 # 확률분포함수 (x= 실패횟수, prob=p= 성공확률 ) dgeom(x, prob) # 누적분포함수 (q= 분위수, lower.tail=true= 아래로부터누적 ) pgeom(q, prob, lower.tail = TRUE) # 분위수 (p= 누적확률 ) qgeom(p, prob, lower.tail = TRUE) # 기하확률변수 (n= 난수의개수 ) rgeom(n, prob)

41 6.5 기하분포 [ 예 6-8] 성공확률이각각 0.1, 0.2, 0.3, 0.5 인네유형의무한모집단에서첫번째성공을얻을때까지시행 p <- c(0.1, 0.2, 0.3, 0.5); xr <- 1:30 fx4 <- array(na, dim=c(30,4)) for (i in 1:4) fx4[, i] <- dgeom(xr-1, p[i]) colnames(fx4) <- p; rownames(fx4) <- xr; round(t(fx4), 4) apply(fx4, 2, sum) par(mfrow=c(2,2)) plot(xr, fx4[, 1], type= h, main=paste0( Geometric(, p[1], ) ), lwd=3, col=2) plot(xr, fx4[, 2], type= h, main=paste0( Geometric(, p[2], ) ), lwd=3, col=2) plot(xr, fx4[, 3], type= h, main=paste0( Geometric(, p[3], ) ), lwd=3, col=2) plot(xr, fx4[, 4], type= h, main=paste0( Geometric(, p[4], ) ), lwd=3, col=2)

Microsoft PowerPoint - SBE univariate5.pptx

Microsoft PowerPoint - SBE univariate5.pptx 이상치 (outlier) 진단및해결 Homework 데이터 ( Option.XLS) 결과해석 치우침? 평균이중앙값에비해다소크다. 그러나이상치때문이지치우친것같지않음. Toys us 스톡옵션비율이이상치 해결방법 : Log 변환? 아니다치우쳐있지않기때문에제거 제거후 : 평균 :.74, 중위수 :.7 31 치우침과이상치 데이터 : 노트북평가점수 우로치우침과이상치가존재

More information

Microsoft PowerPoint - LN05 [호환 모드]

Microsoft PowerPoint - LN05 [호환 모드] 계량재무분석 I Chapter 6 & 7 Probability Distribution II 경영대학재무금융학과 윤선중 0 Objectives 확률변수 이산확률분포 (Discrete Random Variables): 셀수있는확률변수 연속확률분포 (Continuous Random Variables): 셀수없는경우의수 이산확률변수 분포의대표값 기대치 (Expected

More information

Contents 확률분포 (probability distribution) 이항분포 (binomial distribution) 초기하분포 (hypergeometric distribution) 포아송분포 (poisson distribution) 2

Contents 확률분포 (probability distribution) 이항분포 (binomial distribution) 초기하분포 (hypergeometric distribution) 포아송분포 (poisson distribution) 2 통계학 - CAS0001 7 주차 이산확률분포 이석준 Contents 확률분포 (probability distribution) 이항분포 (binomial distribution) 초기하분포 (hypergeometric distribution) 포아송분포 (poisson distribution) 2 학습목표 확률변수가연속적인지이산적인지구분한다. 이항분포, 초기하분포,

More information

확률과통계4

확률과통계4 확률과통계 4. 확률변수와확률분포 건국대학교스마트 ICT 융합공학과윤경로 (yoonk@konkuk.ac.kr) 4. 확률변수와확률분포 4.1 확률변수와확률분포의개념 4.2 결합확률분포 4.3 주변확률분포 4.4 조건부확률분포 4.5 확률변수의독립 4.1 확률변수와확률분포의개념 [ 정의 4-1] 확률변수 (random variable) 표본공간의각원소를실수값으로

More information

Microsoft Word - SAS_Data Manipulate.docx

Microsoft Word - SAS_Data Manipulate.docx 수학계산관련 함수 함수 형태 내용 SIN(argument) TAN(argument) EXP( 변수명 ) SIN 값을계산 -1 argument 1 TAN 값을계산, -1 argument 1 지수함수로지수값을계산한다 SQRT( 변수명 ) 제곱근값을계산한다 제곱은 x**(1/3) = 3 x x 1/ 3 x**2, 세제곱근 LOG( 변수명 ) LOGN( 변수명 )

More information

Microsoft Word - EDA_Univariate.docx

Microsoft Word - EDA_Univariate.docx 일변량분석개념 일변량분석은개체의특성을 측정한변수가하나인 통계분석 방법 변수의 종류 ( 수리 통계 ) 이산형 (discrete): 측정결과를셀수있는경우이다. 성별, 직업, 교통량, 나이등이여기해당된다. 연속형 (continuous): 측정결과가무한이 (infinite) 많은변수를연속형형변수라한다. 즉변수의범위 (range) 중어떤구간을설정하더라도측정치가발생할할수있는경우로키,

More information

1 1 Department of Statistics University of Seoul August 28, 2017 확률분포 누적분포함수 확률공간이정의되었다고가정하자. 즉, 어떤사건 A 에대해서 P(A) 를항상생각할수있다고가정하자. 어떤확률변수 X 주어졌을때 Pr(X x) = P(X (, x]) 로정의하면 Pr(X x) 의값을모든 x 에대해생각할수있다. F

More information

확률 및 분포

확률 및 분포 확률및분포 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 확률및분포 1 / 15 학습내용 조건부확률막대그래프히스토그램선그래프산점도참고 박창이 ( 서울시립대학교통계학과 ) 확률및분포 2 / 15 조건부확률 I 첫째가딸일때두아이모두딸일확률 (1/2) 과둘중의하나가딸일때둘다딸일확률 (1/3) 에대한모의실험 >>> from collections import

More information

Microsoft Word - Ch2_Function_math.docx

Microsoft Word - Ch2_Function_math.docx Calculus is the mathematics of motion and change. 운동과변화의수학인선형대수는 (Calculus) 함수의순간변화율에 ( 기울기 ) 대한미분 (Differentiation), 함수의특정구간의면적의합에관한적분과 (Integral) 함수의수렴값에대한극한에 (limiting value) 관해다루게된다. 선형대수는 7 세기과학자들의수학적요구에의해시작되었다.

More information

Microsoft PowerPoint - PDF3 SBE 20080417.pptx

Microsoft PowerPoint - PDF3 SBE 20080417.pptx 연속형 확률밀도함수 연속형 확률분포함수? 데이터 히스토그램의 정상을 연결하면 확률분포함수가 된다. 이를 이용하여 데이터(표본)의 분포(이는 모집단의 분포와 동일)를 구 하게 된다. 그러나 함수를 구하는 것은 불가능해 보인다. 그래서 현실에서는 확률분포를 가정하게 된다. (예)기다리는 시간: 지수분포, 측정 오 차: 정규분포 Gauss(천문학자): 행성들간 거리

More information

<52B1E2C3CAB9D7C5EBB0E8BAD0BCAE2E687770>

<52B1E2C3CAB9D7C5EBB0E8BAD0BCAE2E687770> R 기초및통계분석 도서출판신아문화사 서 문 Praise the Lord. 2014년 12월 1일제주연구원장으로취임하게되어학교를휴직하고 3년을가르치는일에서떠나게되었는데마지막강의시간에학생들에게다음과같은약속을하였다. 1993년제주대학교에부임하여경제통계학을강의하면서 2시간이론강의및 1시간실습을지켜왔고, 그동안 MSTAT, Excel, SAS, Stata 등다양한통계패키지를가르쳐왔는데지금은빅데이터의시대이고빅데이터처리에최적화되어있는

More information

<B1B3C0B0B0FAC1A45FC3E2B7C22E687770>

<B1B3C0B0B0FAC1A45FC3E2B7C22E687770> 확률및통계 확률및통계 1 성격 본과정은과학기술특성화대학의 확률및통계 ( 또는 기초통계학 ) 과목에해당하는내용을다룬다. 이과정을통하여학생들은대학과정이수에필요한정성적 / 정량적자료분석을위한통계적사고의기초를습득하게된다. 또한수학, 통계학, 또는계량적분석을많이요구하는학문을전공하고자하는학생들에게는과학적분석방법의수리적토대를갖추도록하여상위교과목을수강할수있는능력을기르도록한다.

More information

01

01 2019 학년도대학수학능력시험 9 월모의평가문제및정답 2019 학년도대학수학능력시험 9 월모의평가문제지 1 제 2 교시 5 지선다형 1. 두벡터, 모든성분의합은? [2 점 ] 에대하여벡터 의 3. 좌표공간의두점 A, B 에대하여선분 AB 를 로외분하는점의좌표가 일때, 의값은? [2점] 1 2 3 4 5 1 2 3 4 5 2. lim 의값은? [2점] 4. 두사건,

More information

<32332D322D303120B9E6BFB5BCAE20C0CCB5BFC1D6312D32302E687770>

<32332D322D303120B9E6BFB5BCAE20C0CCB5BFC1D6312D32302E687770> 방 영 석 이 동 주 최근 들어 소셜커머스가 차세대 전자상거래 모형으로 부상하고 있다 년 국내에 첫 등장한 이래 소셜커머스 시장 규모는 년 조 원에 달했고 년 조 원을 넘어섰다 온라인 쇼핑몰 혹은 이마켓플레이스 등으로 대표되는 기존의 전 자상거래 모형은 일반적으로 판매자가 상품 가격 과 거래 형태를 제안하고 구매자가 해당 거래를 선택적으로 수용하는 일방향 모형의

More information

Microsoft PowerPoint - ºÐÆ÷ÃßÁ¤(ÀüÄ¡Çõ).ppt

Microsoft PowerPoint - ºÐÆ÷ÃßÁ¤(ÀüÄ¡Çõ).ppt 수명분포및신뢰도의 통계적추정 포항공과대학교산업공학과전치혁.. 수명및수명분포 수명 - 고장 까지의시간 - 확률변수로간주 - 통상잘알려진분포를따른다고가정 수명분포 - 확률밀도함수또는 누적 분포함수로표현 - 신뢰도, 고장률, MTTF 등신뢰성지표는수명분포로부터도출 - 수명분포추정은분포함수관련모수의추정 누적분포함수및확률밀도함수 누적분포함수 cumulav dsbuo

More information

마지막 변경일 2018년 5월 7일 ** 이항분포와 정규분포의 관계 ** Geogebra와 수학의 시각화 책의 3.2소절 내용임. 가장 최근 파일은 링크를 누르면 받아 보실 수 있습니다.

마지막 변경일 2018년 5월 7일 ** 이항분포와 정규분포의 관계 ** Geogebra와 수학의 시각화 책의 3.2소절 내용임.   가장 최근 파일은 링크를 누르면 받아 보실 수 있습니다. 마지막 변경일 2018년 5월 7일 ** 이항분포와 정규분포의 관계 ** Geogebra와 수학의 시각화 책의 3.2소절 내용임. http://min7014.iptime.org/math/2017063002.htm 가장 최근 파일은 링크를 누르면 받아 보실 수 있습니다. https://goo.gl/edxsm7 http://min7014.iptime.org/math/2018010602.pdf

More information

............ ......

............ ...... 3 N.P 하모닉드라이브 의 작동원리 서큘러스플라인 웨이브제네레이터 플렉스플라인 플렉스플라인은 웨이브제네레 이터에 의해 타원형상으로 탄 성변형되어 이로인해 타원의 장축부분에서는 서큘러스플라 인과 이가 맞물리고 단축부분 에서는 이가 완전히 떨어진 상태로

More information

<4D F736F F F696E74202D20C1A637C0E520C0CCBBEAC8AEB7FCBAD0C6F7205BC8A3C8AF20B8F0B5E55D>

<4D F736F F F696E74202D20C1A637C0E520C0CCBBEAC8AEB7FCBAD0C6F7205BC8A3C8AF20B8F0B5E55D> 제 7 장 기대값과표준오차 기대값하나의확률과정에의해결정되는숫자는하나의값주위로분포한다. 이분포의중심이되는값을기대값 (expected value) 이라고한다. 표준오차기대값과차이가나는정도를표준오차 (standard error) 라고부른다. 확률과정에의해결정되는숫자는기대값주위에분포하며, 기대값과표준오차정도의차이가난다. 예제 Ex) 가한장, 이세장들어있는상자로부터

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 제 5 장 다변량확률변수 제 5 장다변량확률변수 5. 다변량확률변수. 분포함수 < 예 > 품질에따라제품을,, 3 등급으로분류 전체생산량중각등급의비율에관심 = n개중 등급의수 n Y = Y = n개중 등급의수 3 등급의수 ( Y) (, ) 와 Y를함께묶어서 Y 로나타내고함께분석, 는 변량확률변수 일반적으로서로관련있는개의확률변수 을함께묶어 n변량 ( 또는 n차원

More information

22 장정규성검정과정규화변환 22.1 시각적방법 Q-Q 플롯과정규확률그림 Q-Q 플롯( 분위수- 분위수플롯, Quantile-Quantile plot) 은하나의자료셋이특정분포( 정규분 포나와이블분포등) 를따르는지또는두개의자료셋이같은모집단분포로부터나왔는지를

22 장정규성검정과정규화변환 22.1 시각적방법 Q-Q 플롯과정규확률그림 Q-Q 플롯( 분위수- 분위수플롯, Quantile-Quantile plot) 은하나의자료셋이특정분포( 정규분 포나와이블분포등) 를따르는지또는두개의자료셋이같은모집단분포로부터나왔는지를 22 장정규성검정과정규화변환 22.1 시각적방법 22.1.1 Q-Q 플롯과정규확률그림 Q-Q 플롯( 분위수- 분위수플롯, Quantile-Quantile plot) 은하나의자료셋이특정분포( 정규분 포나와이블분포등) 를따르는지또는두개의자료셋이같은모집단분포로부터나왔는지를 판단하는시각적분석방법이다. Q-Q 플롯은자료의분위수와특정( 이론적) 분포의분위수를구하여산점도로나타내거나,

More information

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut 경영학을 위한 수학 Fial Eam 5//(토) :-5: 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오.. (각 6점) 다음 적분을 구하시오 4 ( ) (a) ( )4 8 8 (b) d이 성립한다. d C C log log (c) 이다. 양변에 적분을 취하면 log C (d) 라 하자. 그러면 d 4이다. 9 9 4 / si (e) cos si

More information

(Hyunoo Shim) 1 / 24 (Discrete-time Markov Chain) * 그림 이산시간이다연쇄 (chain) 이다왜 Markov? (See below) ➀ 이산시간연쇄 (Discrete-time chain): : Y Y 의상태공간 = {0, 1, 2,..., n} Y n Y 의 n 시점상태 {Y n = j} Y 가 n 시점에상태 j 에있는사건

More information

(001~006)개념RPM3-2(부속)

(001~006)개념RPM3-2(부속) www.imth.tv - (~9)개념RPM-(본문).. : PM RPM - 대푯값 페이지 다민 PI LPI 알피엠 대푯값과산포도 유형 ⑴ 대푯값 자료 전체의 중심적인 경향이나 특징을 하나의 수로 나타낸 값 ⑵ 평균 (평균)= Ⅰ 통계 (변량)의 총합 (변량의 개수) 개념플러스 대푯값에는 평균, 중앙값, 최 빈값 등이 있다. ⑶ 중앙값 자료를 작은 값부터 크기순으로

More information

문제지 제시문 2 보이지 않는 영역에 대한 정보를 얻기 위하여 관측된 다른 정보를 분석하여 역으로 미 관측 영역 에 대한 정보를 얻을 수 있다. 가령 주어진 영역에 장애물이 있는 경우 한 끝 점에서 출발하여 다른 끝 점에 도달하는 최단 경로의 개수를 분석하여 장애물의

문제지 제시문 2 보이지 않는 영역에 대한 정보를 얻기 위하여 관측된 다른 정보를 분석하여 역으로 미 관측 영역 에 대한 정보를 얻을 수 있다. 가령 주어진 영역에 장애물이 있는 경우 한 끝 점에서 출발하여 다른 끝 점에 도달하는 최단 경로의 개수를 분석하여 장애물의 제시문 문제지 2015학년도 대학 신입학생 수시모집 일반전형 면접 및 구술고사 수학 제시문 1 하나의 동전을 던질 때, 앞면이나 뒷면이 나온다. 번째 던지기 전까지 뒷면이 나온 횟수를 라 하자( ). 처음 던지기 전 가진 점수를 점이라 하고, 번째 던졌을 때, 동전의 뒷면이 나오면 가지고 있던 점수를 그대로 두고, 동전의 앞면이 나오면 가지고 있던 점수를 배

More information

statistics

statistics 수치를이용한자료요약 statistics hmkang@hallym.ac.kr 한림대학교 통계학 강희모 ( 한림대학교 ) 수치를이용한자료요약 1 / 26 수치를 통한 자료의 요약 요약 방대한 자료를 몇 개의 의미있는 수치로 요약 자료의 분포상태를 알 수 있는 통계기법 사용 중심위치의 측도(measure of center) : 어떤 값을 중심으로 분포되어 있는지

More information

untitled

untitled R 과함께하는통계학의이해 빅북이라명명된이책은지식공유의세계적인흐름에동참하고지적인업적들이세상과인류의지식이되도록하며, 누구나쉽게접근하고활용할수있는환경을만들고자한다. 이책의저작권은빅북 (www.bigbook.or.kr) 에있으며모든용도로활용할수있다. 다만상업용출판을하고자하는경우에는사전에문서로된허락을받아야한다. 공유와협력의교과서만들기운동본부 R 과함께하는 통계학의이해

More information

G5 G25 H5 I5 J5 K5 AVERAGE B5 F5 AVERAGE G5 G24 MAX B5 F5 MIN B5 F5 $G$25 0.58 $H$25 $G$25 $G$25 0.58 $H$25 G24 H25 H24 I24 J24 K24 A5 A24 G5 G24, I5

G5 G25 H5 I5 J5 K5 AVERAGE B5 F5 AVERAGE G5 G24 MAX B5 F5 MIN B5 F5 $G$25 0.58 $H$25 $G$25 $G$25 0.58 $H$25 G24 H25 H24 I24 J24 K24 A5 A24 G5 G24, I5 C15 B6 B12 / B6 B7 C16 F6 F12 / F6 F7 G16 C16/C15 1 C18 B6 B12 / B6 B8 B9 C19 F6 F12 / F6 F8 F9 G19 C19/C18 1 1 G5 G25 H5 I5 J5 K5 AVERAGE B5 F5 AVERAGE G5 G24 MAX B5 F5 MIN B5 F5 $G$25 0.58 $H$25 $G$25

More information

용역보고서

용역보고서 신뢰성샘플링검사의설계방법 ( 정수관측중단시험 ) 9.. ( 주 ) 한국신뢰성기술서비스 목차 신뢰성샘플링검사의설계방법 ( 정수관측중단시험 ).... 개요.... 기호및용어정의.... 샘플링검사의설계방법... 3. 정수중단시샘플링검사설계방법...4 4. 신뢰성샘플링시험계획예제...5 hp://www.kors.co.kr 신뢰성샘플링검사의설계방법 ( 정수관측중단시험

More information

Java ...

Java ... 컴퓨터언어 1 Java 제어문 조성일 조건문 : if, switch 어떠한조건을조사하여각기다른명령을실행 if 문, switch 문 if 문 if - else 문형식 if 문형식 if ( 조건식 ) { 명령문 1; 명령문 2;... if ( 조건식 ) { 명령문 1; 명령문 2;... else { 명령문 a; 명령문 b;... 예제 1 정수를입력받아짝수와홀수를판별하는프로그램을작성하시오.

More information

R

R R 을이용한시뮬레이션 Big Data Analytics Short Courses 2 Big Data Analytics Short Courses R 을이용한시뮬레이션 2 1 / 39 랜덤표본 : sample() 1 랜덤표본 : sample() 2 빈도 : table() 3 반복시행 : replicate() 4 논리연산 5 Chevalier de Méré s Problem

More information

G Power

G Power G Power 부산대학교통계학과조영석 1. G Power 란? 2. G Power 설치및실행 2.1 G Power 설치 2.2 G Power 실행 3. 검정 (Test) 3.1 가설검정 (Test of hypothesis) 3.2 검정력 (Power) 3.3 효과크기 (Effect size) 3.4 표본수산정 4. 분석 4.1 t- 검정 (t-test) 4.2

More information

<4D F736F F F696E74202D20C5EBB0E8C0FB20B0F8C1A4B0FCB8AEBFE4BEE02E >

<4D F736F F F696E74202D20C5EBB0E8C0FB20B0F8C1A4B0FCB8AEBFE4BEE02E > 교육시간표 2 기초통계 통계? 복잡한데이터를아주간단하게표현하는것 자료에서정보를추출하는것 수많은데이터 흩어져있는자료 요약된수치와그래프 의미있는정보 4 데이터의특성 중심위치 데이터는중심으로모인다산포 데이터는일정한크기의변동이있다. 5 중심위치에대한평가척도 평균 (Mean) : 모든자료의합을자료의개수로나눈값 X = n X 절사평균 (Trimmed Mean) : 상위

More information

R t-..

R t-.. R 과데이터분석 집단의차이비교 t- 검정 양창모 청주교육대학교컴퓨터교육과 2015 년겨울 t- 검정 변수의값이연속적이고정규분포를따른다고할때사용 t.test() 는모평균과모평균의 95% 신뢰구간을추청함과동시에가설검증을수행한다. 모평균의구간추정 - 일표본 t- 검정 이가설검정의귀무가설은 모평균이 0 이다 라는귀무가설이다. > x t.test(x)

More information

Data Mining 1 regularized model을 이용한 이미지 분류 1 Introduction 이미지 데이터는 매트릭스 형태이다. 이미지 분류를 하기 위해서 이미지 형식을 매트릭스 에서 벡터로 변환하는 작업이 필요하다. 그러면 하나의 이미지는 p차원인 벡터형

Data Mining 1 regularized model을 이용한 이미지 분류 1 Introduction 이미지 데이터는 매트릭스 형태이다. 이미지 분류를 하기 위해서 이미지 형식을 매트릭스 에서 벡터로 변환하는 작업이 필요하다. 그러면 하나의 이미지는 p차원인 벡터형 1 regularized model을 이용한 이미지 분류 1 Introduction 이미지 데이터는 매트릭스 형태이다. 이미지 분류를 하기 위해서 이미지 형식을 매트릭스 에서 벡터로 변환하는 작업이 필요하다. 그러면 하나의 이미지는 p차원인 벡터형식이다. 만약 n개의 이미지 데이터가 있다면 행은 n개이고 열은 p차원인 매트릭스 형식이 필요 하다. 여기서 사용할

More information

untitled

untitled 韓國數學敎育學會誌시리즈 A < 數學敎育 > J. Korea Soc. Math. Ed. Ser. A: The Mathematical Education 1998. 11. 제 37권, 제 2호, 227-231. Nov. 1998, Vol. 37, No. 2, 227-231. 이항분포의정규근사 1) 이장택 ( 단국대학교 ) I. 서론 2) 이항분포의정규근사문제는고교수학에서중요한비중을차지하고있다.

More information

Probability Overview Naive Bayes Classifier Director of TEAMLAB Sungchul Choi

Probability Overview Naive Bayes Classifier Director of TEAMLAB Sungchul Choi Probability Overview Naive Bayes Classifier Director of TEAMLAB Sungchul Choi 머신러닝의학습방법들 - Gradient descent based learning - Probability theory based learning - Information theory based learning - Distance

More information

<4D F736F F D20BCF6B8AEC5EBB0E8C7D020C1A B0AD202D20C8BEB4DCB8E9BAD0BCAE2E646F63>

<4D F736F F D20BCF6B8AEC5EBB0E8C7D020C1A B0AD202D20C8BEB4DCB8E9BAD0BCAE2E646F63> 제 4 강횡단면자료분석 (Cross-sectional data analysis) Part I. 이진반응모형 (Binary response model)) Part II. 제한종속변수모형 (limited dependent variable regression model) Part III. 기타이슈들 Part I. 이진반응모형 (Binary response model))

More information

성신여자대학교_2차년도_계획서.hwp

성신여자대학교_2차년도_계획서.hwp 목차 - 1 - - 2 - Ⅰ. 사업추진배경 (2007~2011) (2009~2013) 3H (warm Heart), (creative Head), (competent Hands) 3H, (warm Heart), (creative Head), (competent Hands) (warm Heart),,, (creative Head) /,, - 3 - (competent

More information

Buy one get one with discount promotional strategy

Buy one get one with discount promotional strategy Buy one get one with discount Promotional Strategy Kyong-Kuk Kim, Chi-Ghun Lee and Sunggyun Park ISysE Department, FEG 002079 Contents Introduction Literature Review Model Solution Further research 2 ISysE

More information

윈도우즈프로그래밍(1)

윈도우즈프로그래밍(1) 제어문 (2) For~Next 문 윈도우즈프로그래밍 (1) ( 신흥대학교컴퓨터정보계열 ) 2/17 Contents 학습목표 프로그램에서주어진특정문장을부분을일정횟수만큼반복해서실행하는문장으로 For~Next 문등의구조를이해하고활용할수있다. 내용 For~Next 문 다중 For 문 3/17 제어문 - FOR 문 반복문 : 프로그램에서주어진특정문장들을일정한횟수만큼반복해서실행하는문장

More information

untitled

untitled Math. Statistics: Statistics? 1 What is Statistics? 1. (collection), (summarization), (analyzing), (presentation) (information) (statistics).., Survey, :, : : QC, 6-sigma, Data Mining(CRM) (Econometrics)

More information

슬라이드 1

슬라이드 1 [ 도입사례 ] 17 세기의프랑스철학자인파스칼은파스칼의정리혹은파스칼의원리등을남긴뛰어난수학자이며근대확률이론에도큰영향을미친바있습니다. 파스칼의책팡세 (Pensees) 에는 ' 파스칼의내기 (Pascal's Wager)' 라고하는흥미있는내용이수록되어있습니다. 파스칼은특히종교의문제에있어서는우리가이성에만의존할수없다는입장이었는데, 파스칼이신의존재와관련하여설명한내용은불확실성하의결정

More information

설계란 무엇인가?

설계란 무엇인가? 금오공과대학교 C++ 프로그래밍 jhhwang@kumoh.ac.kr 컴퓨터공학과 황준하 5 강. 배열, 포인터, 참조목차 배열 포인터 C++ 메모리구조 주소연산자 포인터 포인터연산 배열과포인터 메모리동적할당 문자열 참조 1 /20 5 강. 배열, 포인터, 참조배열 배열 같은타입의변수여러개를하나의변수명으로처리 int Ary[10]; 총 10 개의변수 : Ary[0]~Ary[9]

More information

<B3EBC6AE3120BCB1B0C5B0B3C7A5B9E6BCDB5FB9DAC1F8BFEC2E687770>

<B3EBC6AE3120BCB1B0C5B0B3C7A5B9E6BCDB5FB9DAC1F8BFEC2E687770> 조사연구(2011. 03) 12권 1호: 143-154 143 연구노트 1)선거 개표방송에서 출구조사 자료를 활용한 중간 득표율 추정에 관한 연구* Estimating the Interim Rate of Votes Earned Based on the Exit Poll Results during the Coverage of Ballot Results by Broadcasters

More information

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포 생존분석의 추정과 비교 : 보충자료 이용희 December, 8 Cotets 생존함수와 위험함수. 생존함수와 위험함수....................................... 예제: 지수분포.......................................... 예제: 와이블분포.........................................

More information

문항코드 EBS 수능완성수학영역수학 1 A 형 주어진그래프의꼭짓점에 를그림과같이 정하고꼭짓점사이의연결관계를행렬로나타내면다 음과같다. ( 나 ) 세수, 12, 는이순서대로등비수열을이룬다. 의값은? 문

문항코드 EBS 수능완성수학영역수학 1 A 형 주어진그래프의꼭짓점에 를그림과같이 정하고꼭짓점사이의연결관계를행렬로나타내면다 음과같다. ( 나 ) 세수, 12, 는이순서대로등비수열을이룬다. 의값은? 문 곽정원의수능필수아이템! 2,3 점은다내꺼 + 4 점도전 ~ 실전모의고사 1. 두행렬 의모든성분의합은? 1 9 2 10 3 11 4 12 5 13 배점 2 문항코드 3-182-365 기 따라서행렬 의모든성분의합은 7+(-4)+4+5=12 2. log l 의값은? 에대하여행렬 3. lim 의값은? 1 2 3 1 4 2 5 4 배점 2 문항코드 3-179-239

More information

untitled

untitled int i = 10; char c = 69; float f = 12.3; int i = 10; char c = 69; float f = 12.3; printf("i : %u\n", &i); // i printf("c : %u\n", &c); // c printf("f : %u\n", &f); // f return 0; i : 1245024 c : 1245015

More information

C 프로그래밊 개요

C 프로그래밊 개요 함수 (2) 2009 년 9 월 24 일 김경중 공지사항 10 월 1 일목요일수업휴강 숙제 #1 마감 : 10 월 6 일화요일 기초 함수를만들어라! 입력 함수 ( 기능수행 ) 반환 사용자정의함수 정의 : 사용자가자신의목적에따라직접작성한함수 함수의원형 (Function Prototype) + 함수의본체 (Function Body) : 함수의원형은함수에대한기본적정보만을포함

More information

수리영역 5. 서로다른두개의주사위를동시에던져서나온두눈의수의곱 이짝수일때, 나온두눈의수의합이 또는 일확률은? 5) 의전개식에서상수항이존재하도록하는모든자 연수 의값의합은? 7) 다음순서도에서인쇄되는 의값은? 6) 8. 어떤특산

수리영역 5. 서로다른두개의주사위를동시에던져서나온두눈의수의곱 이짝수일때, 나온두눈의수의합이 또는 일확률은? 5) 의전개식에서상수항이존재하도록하는모든자 연수 의값의합은? 7) 다음순서도에서인쇄되는 의값은? 6) 8. 어떤특산 제 2 교시 2008 학년도 10 월고 3 전국연합학력평가문제지 수리영역 성명수험번호 3 1 먼저수험생이선택한응시유형의문제지인지확인하시오. 문제지에성명과수험번호를정확히기입하시오. 답안지에수험번호, 응시유형및답을표기할때는반드시 수험생이지켜야할일 에따라표기하시오. 단답형답의숫자에 0 이포함된경우, 0 을 OMR 답안지에반드시표기해야합니다. 문항에따라배점이다르니,

More information

소성해석

소성해석 3 강유한요소법 3 강목차 3. 미분방정식의근사해법-Ritz법 3. 미분방정식의근사해법 가중오차법 3.3 유한요소법개념 3.4 편미분방정식의유한요소법 . CAD 전처리프로그램 (Preprocessor) DXF, STL 파일 입력데이타 유한요소솔버 (Finite Element Solver) 자연법칙지배방정식유한요소방정식파생변수의계산 질량보존법칙 연속방정식 뉴톤의운동법칙평형방정식대수방정식

More information

Microsoft PowerPoint Predicates and Quantifiers.ppt

Microsoft PowerPoint Predicates and Quantifiers.ppt 이산수학 () 1.3 술어와한정기호 (Predicates and Quantifiers) 2006 년봄학기 문양세강원대학교컴퓨터과학과 술어 (Predicate), 명제함수 (Propositional Function) x is greater than 3. 변수 (variable) = x 술어 (predicate) = P 명제함수 (propositional function)

More information

( 통계방법길잡이 ) 관리도편 (Control Charts)

( 통계방법길잡이 ) 관리도편 (Control Charts) ( 통계방법길잡이 ) 편 (Control Charts) 데이터유형 변량데이터 계수형데이터 상세정보를보려면도형을클릭 이페이지로돌아오려면이도형 ( ) 을클릭 변량데이터혹은계수형데이터인가? 데이터유형 길이, 무게, 온도와같은제품혹은프로세스의특성을측정한데이터이며, 소수값을포함하는경우도있다. 예시시리얼제조사는시리얼제품의무게가박스에적힌것과같은지알기를원한다. 품질담당자는데이터수집을위해서시리얼제품의일부를선택하여무게를측정한다.

More information

<31372DB9DABAB4C8A32E687770>

<31372DB9DABAB4C8A32E687770> 김경환 박병호 충북대학교 도시공학과 (2010. 5. 27. 접수 / 2011. 11. 23. 채택) Developing the Traffic Severity by Type Kyung-Hwan Kim Byung Ho Park Department of Urban Engineering, Chungbuk National University (Received May

More information

슬라이드 1

슬라이드 1 -Part3- 제 4 장동적메모리할당과가변인 자 학습목차 4.1 동적메모리할당 4.1 동적메모리할당 4.1 동적메모리할당 배울내용 1 프로세스의메모리공간 2 동적메모리할당의필요성 4.1 동적메모리할당 (1/6) 프로세스의메모리구조 코드영역 : 프로그램실행코드, 함수들이저장되는영역 스택영역 : 매개변수, 지역변수, 중괄호 ( 블록 ) 내부에정의된변수들이저장되는영역

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 응용식물통계학 Statistics of Applied Plants Science 친환경식물학부유기농생태학전공황선구 13 장상관분석 1. 상관계수 2. 상관분석의가정과특성 3. 모상관계수의검정과신뢰한계 4. 순위상관 14 장회귀분석 1. 회귀직선의추정 2. 회귀직선의검정및추론 3. 모집단절편과회귀계수의구간추정 4. 곡선회귀 - 실습 - 상관분석 지금까지한가지확률변수에의한현상을검정하였다.

More information

<3130C0E5>

<3130C0E5> Redundancy Adding extra bits for detecting or correcting errors at the destination Types of Errors Single-Bit Error Only one bit of a given data unit is changed Burst Error Two or more bits in the data

More information

(2) 다중상태모형 (Hyunoo Shim) 1 / 2 (Coninuous-ime Markov Model) ➀ 전이가일어나는시점이산시간 : = 1, 2,, 4,... [ 연속시간 : 아무때나, T 1, T 2... * 그림 (2) 다중상태모형 ➁ 계산과정 이산시간 : 전이력 (force of ransiion) 정의안됨 전이확률 (ransiion probabiliy)

More information

유한차분법을 이용한 다중 기초자산 주가연계증권 가격결정

유한차분법을 이용한 다중 기초자산 주가연계증권 가격결정 유한차분법을 이용한 다중 기초자산 주가연계증권 가격결정 이인범 *, 장우진 ** * 서울대학교 산업공학과 석사과정, 서울시 관악구 대학동 서울대학교 공과대학 39-315 **서울대학교 산업공학과 부교수, 서울시 관악구 대학동 서울대학교 공과대학 39-305 Abstract 주가연계증권은 국내에서 발행되는 대표적인 주식 연계 구조화 증권으로 2003 년부터 발행되기

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 A 반 T2 - 김우빈 (201011321) 임국현 (201011358) 박대규 (201011329) Robot Vacuum Cleaner 1 Motor Sensor RVC Control Cleaner Robot Vaccum Cleaner 2 / Event Format/ Type Front Sensor RVC 앞의장애물의유무를감지한다. True / False,

More information

C++ Programming

C++ Programming C++ Programming 연산자다중정의 Seo, Doo-okok clickseo@gmail.com http://www.clickseo.com 목 차 연산자다중정의 C++ 스타일의문자열 2 연산자다중정의 연산자다중정의 단항연산자다중정의 이항연산자다중정의 cin, cout 그리고 endl C++ 스타일의문자열 3 연산자다중정의 연산자다중정의 (Operator

More information

05 ƯÁý

05 ƯÁý Special Issue 04 / 46 VOL. 46 NO. 4 2013. 4 47 Special Issue 04 / 48 VOL. 46 NO. 4 2013. 4 49 S pecial Issue 04 / IHP 7단계 연구사업 구분 1970년대 1980년대 1990년대 2000년대 연최대 강우량 침수면적 인명피해 재산피해 그림 4. 시군구별 연 최대 강우량과

More information

Microsoft Word - Chapter4.doc

Microsoft Word - Chapter4.doc CHAPTER 4. SAS 함수 SAS는변수에대한함수값계산이나계산에필요한함수가내장되어있다. 수학적계산을위한절대값, 제곱근과승 (power), 로그, 지수함수, 통계계산을위한평균, 분산, CV 등많은함수들이있다. 이함수를사용하는방법은다음과같다. 수식처럼오른쪽함수결과가왼쪽변수에저장된다. 함수는변수의각관측치에적용되므로결과는변수의관측치수만큼계산된다. 즉함수의계산은데이터에서행으로이루어진다.

More information

Microsoft PowerPoint - IPYYUIHNPGFU

Microsoft PowerPoint - IPYYUIHNPGFU 분산분석 분산분석 (ANOVA: ANALYSIS OF VARIANCE) 두개이상의모집단의차이를검정 예 : 회사에서세종류의기계를설치하여동일한제품을생산하는경우, 각기계의생산량을조사하여평균생산량을비교 독립변수 : 다른변수에의해영향을주는변수 종속변수 : 다른변수에의해영향을받는변수 요인 (Factor): 독립변수 예에서의요인 : 기계의종류 (I, II, III) 요인수준

More information

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선

Gray level 변환 및 Arithmetic 연산을 사용한 영상 개선 Point Operation Histogram Modification 김성영교수 금오공과대학교 컴퓨터공학과 학습내용 HISTOGRAM HISTOGRAM MODIFICATION DETERMINING THRESHOLD IN THRESHOLDING 2 HISTOGRAM A simple datum that gives the number of pixels that a

More information

Microsoft PowerPoint - C++ 5 .pptx

Microsoft PowerPoint - C++ 5 .pptx C++ 언어프로그래밍 한밭대학교전자. 제어공학과이승호교수 연산자중복 (operator overloading) 이란? 2 1. 연산자중복이란? 1) 기존에미리정의되어있는연산자 (+, -, /, * 등 ) 들을프로그래머의의도에맞도록새롭게정의하여사용할수있도록지원하는기능 2) 연산자를특정한기능을수행하도록재정의하여사용하면여러가지이점을가질수있음 3) 하나의기능이프로그래머의의도에따라바뀌어동작하는다형성

More information

목차 1. 통계학이란무엇인가? 2. 통계학의응용분야 3. 통계학의분야들 4. 강의소개 5. 그리고..

목차 1. 통계학이란무엇인가? 2. 통계학의응용분야 3. 통계학의분야들 4. 강의소개 5. 그리고.. 경영통계학 경영통계학에서는무엇을배우게될까? 2014 년도 2 학기 목차 1. 통계학이란무엇인가? 2. 통계학의응용분야 3. 통계학의분야들 4. 강의소개 5. 그리고.. 1. 통계학이란무엇인가? 매일접하는통계적결과들 연극티켓의평균가격은 18,670원이며우리나라가정의연평균관람횟수는 3.4회이다. 지난해투신사들의평균수익률은 26.5% 였으며투신사에예금한금액은 230억원이증가하였다.

More information

Microsoft PowerPoint - Analyze

Microsoft PowerPoint - Analyze Pre-Control 방법론 단계 3: 생산을개시한다. 그리고미리정해진횟수 ( 단계 4에자세하게정의되어있음 ) 만큼연속적으로 2개의단위를취한다. 그리고다음의규칙을따른다 : 두개의부위둘다초록색구역에있으면 > 생산을계속해서진행한다 부위한개는초록색구역에있고나머지하나는노란색구역에있으면 > 생산을계속해서진행한다 두개의부위가둘다동일한노란색구역에있으면 > 공정세팅을조정한다

More information

?읜춎킴잖?

?읜춎킴잖? 口 특집/갑오경장 100 년 기념 캅오경장기의 문법 우 교수) 1. 서 론 개화기싼 팍써사얘서는 정흉서1 국어와 근대국어에서 현대픽써 단계효 넙써가는 중요한 과도기작 성쩍윷 밀 썩 q 그동안 중세국어와 현대꽉어쩌11 엽꾸어l 비해서 근 대국어에 대한 연구는 상대척으로 소흘하였으며 특히 개화기 시대는 과도기로 취급되 어 독자적인 연구대상으로 주목율 크게 받지

More information

Making a True Business Solution ANNUAL REPORT 2013 I. I. I I II. II. II II II II II II II II II II II II II II II II II III. III III III III III III III III III III III

More information

슬라이드 1

슬라이드 1 UNIT 08 조건문과반복문 로봇 SW 교육원 2 기 학습목표 2 조건문을사용핛수있다. 반복문을사용핛수있다. 조건문 3 조건식의연산결과에따라프로그램의실행흐름을변경 조건문의구성 조건식 실행될문장 조건문의종류 if switch? : ( 삼항연산자 ) if 조건문 4 if 문의구성 조건식 true 또는 false(boolean 형 ) 의결과값을갖는수식 실행될문장

More information

Survey Analyst 2012 년하반기사회조사분석사 2 급필기 제 1 과목조사방법론 1 1. 다음중일반적으로가장높은응답률을확보할수있는조사방법은? 2. 다음중우편조사의특성과가장거리가먼것은? 3. 연구방법으로서의연역적접근법과귀납적접근법에관한설명으로틀린것은? 4. 참여

Survey Analyst 2012 년하반기사회조사분석사 2 급필기 제 1 과목조사방법론 1 1. 다음중일반적으로가장높은응답률을확보할수있는조사방법은? 2. 다음중우편조사의특성과가장거리가먼것은? 3. 연구방법으로서의연역적접근법과귀납적접근법에관한설명으로틀린것은? 4. 참여 Survey Analyst 2012 년하반기사회조사분석사 2 급필기 제 1 과목조사방법론 1 1. 다음중일반적으로가장높은응답률을확보할수있는조사방법은? 2. 다음중우편조사의특성과가장거리가먼것은? 3. 연구방법으로서의연역적접근법과귀납적접근법에관한설명으로틀린것은? 4. 참여관찰 (participant observation) 에대한설명으로틀린것은? 제공카페 : Daum

More information

예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = B = >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = >> tf = (A==B) % A

예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = B = >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = >> tf = (A==B) % A 예제 1.1 ( 관계연산자 ) >> A=1:9, B=9-A A = 1 2 3 4 5 6 7 8 9 B = 8 7 6 5 4 3 2 1 0 >> tf = A>4 % 4 보다큰 A 의원소들을찾을경우 tf = 0 0 0 0 1 1 1 1 1 >> tf = (A==B) % A 의원소와 B 의원소가똑같은경우를찾을때 tf = 0 0 0 0 0 0 0 0 0 >> tf

More information

모수 θ의 추정량은 추출한 개의 표본값을 어떤 규칙에 의해 처리를 해서 모수의 값을 추정하는 방법입니다. 추정량에서 사용되는 규칙은 어떤 표본을 추출했냐에 따라 변하는 것이 아닌 고정된 규칙입니다. 예를 들어 우리의 관심 모수가 모집단의 평균이라고 하겠습니다. 즉 θ

모수 θ의 추정량은 추출한 개의 표본값을 어떤 규칙에 의해 처리를 해서 모수의 값을 추정하는 방법입니다. 추정량에서 사용되는 규칙은 어떤 표본을 추출했냐에 따라 변하는 것이 아닌 고정된 규칙입니다. 예를 들어 우리의 관심 모수가 모집단의 평균이라고 하겠습니다. 즉 θ 수리통계학(Mathematical Statistics)의 기초 I. 들어가며 지금부터 계량경제학이나 실험 및 준실험 연구설계 기법을 공부할 때 도움이 되는 수리통계 학의 기초에 대해 다룰 것입니다. 이 노트에서 다루게 될 내용은 어떤 추정량(estimator)이 지니고 있는 성질입니다. 한 가지 말씀 드릴 것은 이 노트에 나오는 대부분의 성질들은 지금까 지

More information

Microsoft PowerPoint - chap_2_rep.ppt [호환 모드]

Microsoft PowerPoint - chap_2_rep.ppt [호환 모드] 제 강.1 통계적기초 확률변수 (Radom Variable). 확률변수 (r.v.): 관측되기전까지는그값이알려지지않은변수. 확률변수의값은확률적실험으로부터결과된다. 확률적실험은실제수행할수있는실험뿐아니라가상적실험도포함함 (ex. 주사위던지기, [0,1] 실선에점던지기 ) 확률변수는그변수의모든가능한값들의집합에대해정의된알려지거나알려지지않은어떤확률분포의존재가연계됨 반면에,

More information

chap 5: Trees

chap 5: Trees 5. Threaded Binary Tree 기본개념 n 개의노드를갖는이진트리에는 2n 개의링크가존재 2n 개의링크중에 n + 1 개의링크값은 null Null 링크를다른노드에대한포인터로대체 Threads Thread 의이용 ptr left_child = NULL 일경우, ptr left_child 를 ptr 의 inorder predecessor 를가리키도록변경

More information

- 1 -

- 1 - - 1 - - 2 - - 3 - - 4 - - 5 - - 1 - - 2 - - 3 - - 4 - σ σ σ σ σ σ σ - 5 - - 6 - - 7 - - 8 - log - 9 - - 10 - - 11 - - 12 - m ax m ax - 13 - - 14 - - 15 - - 16 - - 17 - tan - 18 - - 19 - tan tan - 20 -

More information

<4D F736F F D20B1B8C1B6BFAAC7D0325FB0ADC0C7C0DAB7E15F34C1D6C2F75F76332E646F63>

<4D F736F F D20B1B8C1B6BFAAC7D0325FB0ADC0C7C0DAB7E15F34C1D6C2F75F76332E646F63> 구조역학 5. 모멘트분배법 (oment Distribution ethod) Objective of this chapter: 모멘트분배법의개념이해와 다차부정정구조물해석에 의적용. What will be presented: 모멘트분배법용어와개념이해 모멘트분배법을 모멘트분배법을 이용한연속보해석 이용한골조해석 Theoretical background 미국 Univ.

More information

슬라이드 1

슬라이드 1 UNIT 07 조건문과반복문 로봇 SW 교육원 3 기 학습목표 2 조건문을사용핛수있다. 반복문을사용핛수있다. 조건문 3 조건식의연산결과에따라프로그램의실행흐름을변경 조건문의구성 조건식 실행될문장 조건문의종류 if switch? : ( 삼항연산자 ) if 조건문 4 if 문의구성 조건식 true 또는 false(boolean 형 ) 의결과값을갖는수식 실행될문장

More information

C프로-3장c03逞풚

C프로-3장c03逞풚 C h a p t e r 03 C++ 3 1 9 4 3 break continue 2 110 if if else if else switch 1 if if if 3 1 1 if 2 2 3 if if 1 2 111 01 #include 02 using namespace std; 03 void main( ) 04 { 05 int x; 06 07

More information

<32303134C0FCB8C15FC0A5BFEB2E696E6464>

<32303134C0FCB8C15FC0A5BFEB2E696E6464> I D G D e e p D i v e 무단 전재 재배포 금지 본 PDF 문서는 IDG Korea의 프리미엄 회원에게 제공하는 문서로, 저작권법의 보호를 받습니다. IDG Korea의 허락 없이 PDF 문서를 온라인 사이트 등에 무단 게재, 전재하거나 유포할 수 없습니다. 1. 2. 3. 4. 1 5. 6. 7. 8. 2 9. 10. 3 1. 2. 3. 4

More information

쉽게 풀어쓴 C 프로그래밍

쉽게 풀어쓴 C 프로그래밍 제 5 장생성자와접근제어 1. 객체지향기법을이해한다. 2. 클래스를작성할수있다. 3. 클래스에서객체를생성할수있다. 4. 생성자를이용하여객체를초기화할수 있다. 5. 접근자와설정자를사용할수있다. 이번장에서만들어볼프로그램 생성자 생성자 (constructor) 는초기화를담당하는함수 생성자가필요한이유 #include using namespace

More information

숫자 서로 서로 할머니 확률과통계 1. 순열 중복순열 중에서중복을허락하여네개를택해일렬로나 열하여만든네자리의자연수가 의배수인경우의수는? [3점][2017( 가 ) 수능 5] 사전식배열 03 두집단을배열하는순열, 아버지, 어머니, 아

숫자 서로 서로 할머니 확률과통계 1. 순열 중복순열 중에서중복을허락하여네개를택해일렬로나 열하여만든네자리의자연수가 의배수인경우의수는? [3점][2017( 가 ) 수능 5] 사전식배열 03 두집단을배열하는순열, 아버지, 어머니, 아 장미 세 1. 순열 Ⅰ 순열과조합 01 합의법칙과곱의법칙 01 순열의수 1. 송이, 카네이션 송이, 백합 송이가있다. 이중 송이를 골라꽃병 A 에꽂고, 이꽃과는다른종류의꽃들중꽃병 B 에꽂을꽃 송이를고르는경우의수를구하시오. ( 단, 같은종류의꽃은서로구분하지않는다.) [4점][2016( 가 ) 10월 / 교육청 26] 3.P 일때, 자연수 의값을구하시오. [3

More information

제 11 장포인터 유준범 (JUNBEOM YOO) Ver 본강의자료는생능출판사의 PPT 강의자료 를기반으로제작되었습니다.

제 11 장포인터 유준범 (JUNBEOM YOO) Ver 본강의자료는생능출판사의 PPT 강의자료 를기반으로제작되었습니다. 제 11 장포인터 유준범 (JUNBEOM YOO) Ver. 2.0 jbyoo@konkuk.ac.kr http://dslab.konkuk.ac.kr 본강의자료는생능출판사의 PPT 강의자료 를기반으로제작되었습니다. 이번장에서학습할내용 포인터이란? 변수의주소 포인터의선언 간접참조연산자 포인터연산 포인터와배열 포인터와함수 이번장에서는포인터의기초적인지식을학습합니다.

More information

Microsoft PowerPoint - chap-11.pptx

Microsoft PowerPoint - chap-11.pptx 쉽게풀어쓴 C 언어 Express 제 11 장포인터 컴퓨터프로그래밍기초 이번장에서학습할내용 포인터이란? 변수의주소 포인터의선언 간접참조연산자 포인터연산 포인터와배열 포인터와함수 이번장에서는포인터의기초적인지식을학습한다. 컴퓨터프로그래밍기초 2 포인터란? 포인터 (pointer): 주소를가지고있는변수 컴퓨터프로그래밍기초 3 메모리의구조 변수는메모리에저장된다. 메모리는바이트단위로액세스된다.

More information

III 3 0 0 03 04 6 «P! «C = 34= 343 r! r!(-r)! 3 5 0 6 7 8 9 0 4 8 4 0 A p A r «C p (-p) -r ( r=0y) () {()_() } = 3 ( ) 4 P(X=x)E(X)V(X)r(X) H T S S={(TT)(TH)(HT)(HH)} T H H H Tyy(TT) Hyy(TH) Tyy(HT)

More information

04_이근원_21~27.hwp

04_이근원_21~27.hwp 1) KIGAS Vol. 16, No. 5, pp 21~27, 2012 (Journal of the Korean Institute of Gas) http://dx.doi.org/10.7842/kigas.2012.16.5.21 실험실의 사례 분석에 관한 연구 이근원 이정석 한국산업안전보건공단 산업안전보건연구원 (2012년 9월 5일 투고, 2012년 10월 19일

More information

남자 두 서로 다음 그림과 확률과통계 1. 순열 01 순열의수 01 중복순열 6. 을한번씩만사용하여만들수있는여섯자리자연수중에서일의자리의수와백의자리의수가모두 의배수인자연수의개수를구하시오. [3점][2005( 나 ) 6월 / 평가원 21] 9. 다른과일 개를 개의그릇 A,

남자 두 서로 다음 그림과 확률과통계 1. 순열 01 순열의수 01 중복순열 6. 을한번씩만사용하여만들수있는여섯자리자연수중에서일의자리의수와백의자리의수가모두 의배수인자연수의개수를구하시오. [3점][2005( 나 ) 6월 / 평가원 21] 9. 다른과일 개를 개의그릇 A, 그림은 장미 다항식 집합 1. 순열 Ⅰ 순열과조합 1. 01 합의법칙과곱의법칙 어떤학생이작성한수행평가보고서의표지이다. 3. 를전개하였을때 항의개수는? [3점][2005( 나 ) 7월 / 교육청 5] 1 2 3 4 5 머리말, 제목, 인적사항의글꼴을표에서각각한개씩선택하여바꾸려고할때, 글꼴이모두다른경우의수를구하시오. [3점][2006( 가 ) 4월 / 교육청 23]

More information

에너지경제연구 Korean Energy Economic Review Volume 9, Number 2, September 2010 : pp. 19~41 석유제품브랜드의자산가치측정 : 휘발유를 중심으로 19

에너지경제연구 Korean Energy Economic Review Volume 9, Number 2, September 2010 : pp. 19~41 석유제품브랜드의자산가치측정 : 휘발유를 중심으로 19 에너지경제연구 Korean Energy Economic Review Volume 9, Number 2, September 2010 : pp. 19~41 석유제품브랜드의자산가치측정 : 휘발유를 중심으로 19 20 21 22 23 24 25 < 표 1> 석유제품속성과수준 26 [ 그림 1] 휘발유선택질문 27 ~ ~ < 표 2> 표본의특성 ~ ~ ~ ~ ~ ~

More information

Chapter 분포와 도수분석

Chapter 분포와 도수분석 2 χ Chapter 10 분포와도수분석 Chi-square dist n & the analysis of frequencies 2014/5/22 2 χ 10.2 분포의수리적특징 2 χ 의정의 (definition) Z,, Z ~ independent N(0,1) 1 n n i = 1 Z ~ χ 2 2 i n Y µ 2 eg.. Z = i Y ~ N( µσ,

More information

UI TASK & KEY EVENT

UI TASK & KEY EVENT 2007. 2. 5 PLATFORM TEAM 정용학 차례 CONTAINER & WIDGET SPECIAL WIDGET 질의응답및토의 2 Container LCD에보여지는화면한개 1개이상의 Widget을가짐 3 Container 초기화과정 ui_init UMP_F_CONTAINERMGR_Initialize UMP_H_CONTAINERMGR_Initialize

More information

歯엑셀모델링

歯엑셀모델링 I II II III III I VBA Understanding Excel VBA - 'VB & VBA In a Nutshell' by Paul Lomax, October,1998 To enter code: Tools/Macro/visual basic editor At editor: Insert/Module Type code, then compile by:

More information

슬라이드 1

슬라이드 1 Pairwise Tool & Pairwise Test NuSRS 200511305 김성규 200511306 김성훈 200614164 김효석 200611124 유성배 200518036 곡진화 2 PICT Pairwise Tool - PICT Microsoft 의 Command-line 기반의 Free Software www.pairwise.org 에서다운로드후설치

More information

마가오는 사건관 이해하기 위해서 다시 옛날로 돌아가 첫째 둘째 천사의 기벌을 받는 것이 중요한 일 이라고 생각하십니까? 위에 말한 문장이 그런 내용이 아니기 혜운에 내가 알지 뭇합 니마. 그러냐 위의 문장이 돗하는 것은 역사적으로, 연대적으로 또는 다른 방법으로 알아야

마가오는 사건관 이해하기 위해서 다시 옛날로 돌아가 첫째 둘째 천사의 기벌을 받는 것이 중요한 일 이라고 생각하십니까? 위에 말한 문장이 그런 내용이 아니기 혜운에 내가 알지 뭇합 니마. 그러냐 위의 문장이 돗하는 것은 역사적으로, 연대적으로 또는 다른 방법으로 알아야 쩔. : 세천사의 기별 : i (Three Angel's Message ) 우 리 가 오능 이 시 간에 처음으로 읽 어보고자 하는 말씀은 초기문집 264 페이지에 있 는 말씀 입 니 마. 나는 세 단계로 되어 있는 첫째, 둘째, 세째천사의 기멸을 보았다. 나와 할께한 천사가 말하였다. 이 기별들의 일점 일획이라도 더하거나 빼는 자에계 는 화가 있을 것이다.

More information

Á¾ÇÕ7-1¼öÁ¤

Á¾ÇÕ7-1¼öÁ¤ 6 Ver. 2010 ICT Standardization Roadmap 2010 7 8 Ver. 2010 ICT Standardization Roadmap 2010 9 10 Ver. 2010 ICT Standardization Roadmap 2010 11 12 Ver. 2010 ICT Standardization Roadmap 2010 13 14 Ver. 2010

More information

7-2¼öÁ¤

7-2¼öÁ¤ 60 Ver. 2010 ICT Standardization Roadmap 2010 61 62 Ver. 2010 ICT Standardization Roadmap 2010 63 64 Ver. 2010 ICT Standardization Roadmap 2010 65 66 Ver. 2010 ICT Standardization Roadmap 2010 67 68 Ver.

More information

5-5-Â÷¼¼µ¥¸ð¹ÙÀϼöÁ¤

5-5-Â÷¼¼µ¥¸ð¹ÙÀϼöÁ¤ 238 Ver. 2010 ICT Standardization Roadmap 2010 239 240 Ver. 2010 ICT Standardization Roadmap 2010 241 242 Ver. 2010 ICT Standardization Roadmap 2010 243 244 Ver. 2010 ICT Standardization Roadmap 2010 245

More information

c λ c -.5 0 7 /c 550 0-9 +.5 0 7 /c λ λ 578 nm ν 5 0 9 +4.67/c -4.67/c ν 500000470 Hz 5 GHz θ θ L 6-0.9 2 2.6 ft

c λ c -.5 0 7 /c 550 0-9 +.5 0 7 /c λ λ 578 nm ν 5 0 9 +4.67/c -4.67/c ν 500000470 Hz 5 GHz θ θ L 6-0.9 2 2.6 ft μ t-t o t(- -(v/c) 2 ) sec -(v/c) 2 2 c λ c -.5 0 7 /c 550 0-9 +.5 0 7 /c λ λ 578 nm ν 5 0 9 +4.67/c -4.67/c ν 500000470 Hz 5 GHz θ θ L 6-0.9 2 2.6 ft .3 L o -0.6 2 L o 0.8 -( v/c) 2 0.995 m L x - 0.7

More information

1-1-4GÀ̵¿Åë½Å-º¸°í¼Ł

1-1-4GÀ̵¿Åë½Å-º¸°í¼Ł 6 Ver. 2010 ICT Standardization Roadmap 2010 7 8 Ver. 2010 ICT Standardization Roadmap 2010 9 10 Ver. 2010 ICT Standardization Roadmap 2010 11 12 Ver. 2010 ICT Standardization Roadmap 2010 13 14 Ver. 2010

More information

Microsoft PowerPoint - e pptx

Microsoft PowerPoint - e pptx Import/Export Data Using VBA Objectives Referencing Excel Cells in VBA Importing Data from Excel to VBA Using VBA to Modify Contents of Cells 새서브프로시저작성하기 프로시저실행하고결과확인하기 VBA 코드이해하기 Referencing Excel Cells

More information