교과목 개요

교과목 구분 : 전공선택   교과목 번호  :  326.513   학점 : 3   학년 : 대학원
측도론(measure theory)과 적분이론의 기본, 확률공간 및 확률변수, 독립성, 확률변수의 여러 가지 수렴성, 확률급수의 수렴, 대수의 측도(law of large numbers), 조건부 확률과 기대치, 마팅게일(martingale)의 기본 개념, 마팅게일 수렴정리, 정지시각 등의 이론을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :  326.516   학점 : 3   학년 : 대학원
분포의 수렴성, 헬리의 정리(Helly’s theorem), 특성함수, 중심극한정리, 반복대수의 법칙(Law of the iterated logarithm), 대편차이론(Theory of large deviation), 국부적 극한정리(Local limit theorem) 등의 이론을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :  *326.517A   학점 : 3   학년 : 대학원
통계상담에서 통계학자의 역할 및 통계 상담인이 갖추어야 할 자질 등에 대하여 토론 중심으로 진행하며 통계상담 실습을 통하여 사회과학 및 자연과학의 여러 분야에서 나타나는 통계적 문제를 해결하는 능력을 배양한다. 수강 학생은 통계학과를 통하여 의뢰된 통계상담을 담당교수의 감독 하에 수행하며 그 결과를 발표하여야 한다.
교과목 구분 : 전공선택   교과목 번호  :  326.519A   학점 : 3   학년 : 대학원
통계적 추정이론을 다룬다. 분포족, 충분성에 대하여 다루고, 최소오차추정량과 최대우도추정량과 이를 계산하는 방법에 대하여 다룬다. 베이지안 관점과 미니맥스관점에서의 평가, 불편추정량의 평가이론을 학습한다. 선형모형과 관련한 스펙트럴 분해, 다변량정규분포와 비중심 카이제곱분포, 비중심 F-분포를 포함한 다변량 분포이론, 최소제곱추정량의 기하학적 해석, 추정가능성, 가우스마코프 정리, BLUE 등을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :  326.520A   학점 : 3   학년 : 대학원
자료를 모형화하는 통계적 방법으로 선형모형의 중요성을 다루는 것이 이 과목의 목적이다. 이론적인 측면도 공부하지만 주로 모형선택, 추정, 모형검증과 같은 방법론을 강조한다. 다루는 모형은 단순회귀, 다중회귀, 일차분산분석, 이차 분산분석 등을 다룬다. 추론을 위해 최소제곱방법을 주로 사용하지만 이와 관련하여 우도에 기초한 방법도 다루게 된다. 선형모형을 통한 자료의 모형을 위해 R을 이용한다.
교과목 구분 : 전공선택   교과목 번호  :  326.521   학점 : 3   학년 : 대학원
최근의 중요한 통계적 방법론들을 소개하고 학생들로 하여금 각 방법의 이론적, 실용적 측면을 이해하도록 하는 것을 목적으로 한다. 다루고자 하는 주제들은 비모수회귀법, 시뮬레이션 방법, 공간통계, 분류법, 로버스트 방법을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :  326.522   학점 : 3   학년 : 대학원
통계적 검정이론과 점근이론을 다룬다. 최강력검정이론과 불편검정이론을 학습하고, 최대가능도법에 의한 검정이론을 다룬다. 점근이론으로는, 최대우도추정량과 최소오차추정량의 점근적 일치성, 최대우도추정량의 점근분포이론 및 효율성, 델타방법등에 대하여 다룬다. 점근적 검정방법으로 우도비검정, Wald 및 Rao 검정, Pearson 카이제곱 검정 등을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :  *326.621A   학점 : 3   학년 : 대학원
정규 과목에서 다루어지지 않는 새로운 통계이론분야를 세미나 형식으로 진행한다.
교과목 구분 : 전공선택   교과목 번호  :  326.626A   학점 : 3   학년 : 대학원
비모수적 함수 추정법 중에서 주로 커널을 이용한 확률밀도함수의 추정 및 회귀함수의 추정방법과 그 이론을 소개한다. 커널 추정량의 점근적 편의와 분산, 평활량의 선택 등에 대한 이론과 실제 계산 방법 등을 다룬다. 또한, 다차원으로의 확장도 소개한다.
교과목 구분 : 전공선택   교과목 번호  :  *326.631A   학점 : 3   학년 : 대학원
정규 과목에서 다루어지지 않는 새로운 통계응용분야를 세미나 형식으로 진행한다.
교과목 구분 : 전공선택   교과목 번호  :  326.635   학점 : 3   학년 : 대학원
이 과목에서는 베이지안 통계학의 이론적인 배경에 대해서 공부한다. 이 과목에서 다루는 내용은 여러 가지 종류의 noninformative prior, 결정론에서 minimax theory, admissibility와 complete class theorem, 비모수 베이지안 통계, MCMC의 이론적인 배경 등을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :  *326.636   학점 : 3   학년 : 대학원
중도절단 생존시간 자료를 분석하는 고급 통계적 기법들을 다룬다. 생존함수의 추정을 위한 일반적인 방법인 KaplanㅡMeier 추정량의 정의 및 여러 성질들을 다룬다. 좌 절단 자료의 분석을 위하여 필수적인 셈 과정에 대한 이론을 배우고, 이를 이용한 위험함수의 추정방법을 설명한다. 생존시간 자료의 회귀모형을 위하여 비례위험모형에 대하여 다루고, 회귀계수의 점근적 일치성 및 근사분포를 유도한다.
교과목 구분 : 전공선택   교과목 번호  :  326.637   학점 : 3   학년 : 대학원
데이터마이닝에서 유용한 여러 가지 도구와 기법을 다룬다. 먼저 의사결정론의 이론에 대해서 배우고, 널리 쓰이는 데이터마이닝 알고리즘인 로지스틱회귀, 의사결정나무 그리고 신경망모형에 대해서 다룬다. 모형의 평가를 위한 여러 가지 개념 및 방법 들 (lift, score, hit ratio, 교차확인 등)과 거대자료로부터 자료를 추출하는 방법 (임의추출, 사후추출 등)에 대해서 다룬다. 고급 데이터마이닝 기법으로 앙상블기법 (bagging, boosting)과 서포트벡터머신 등에 대한 알고리즘 사용방법에 대하여 다룬다. 또한 자율학습방법인 연관성분석과 군집분석방법에 대하여 다룬다. 실제문제를 다루기 위한 소프트웨어로서 R-package, E-miner, Answer Tree, 및 Clementine 의 사용법을 익힌다.
교과목 구분 : 전공선택   교과목 번호  :  326.638   학점 : 3   학년 : 대학원
다양한 유전체자료를 분석하기 위한 통계적방법을 학습한다. 먼저 유전학 분야의 용어와 개념에 대해 소개한 후 이 분야에서 널리 사용되고 있는 기초적인 방법론을 살펴본 후 마이크로어레이자료분석과 연쇄분석, 연관성분석과 같은 유전역학분야에서 사용되는 통계기법을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :  326.723A   학점 : 3   학년 : 대학원
이 과목은 석사과정 대학원생을 위한 회귀분석 입문과정이다. 기초적 행력 및 통계이론, 기초적 회귀분석, 단순회귀에 관한 추론, 회귀분석의 기타 논제, 기초적 중회귀분석, 추정과 가설검정, 다항회귀, 일반화 회귀분석, 가변수의 사용, 분산분석에의 응용, 반응표면분석, 혼합물 실험분석, 변수의 선택, 회귀진단, 편의추정, 비선형회귀 등을 다룬다. 이 과목의 선수과목으로는 기초통계학 수준의 통계학 및 실습과 행렬이론에 필요한 선형대수 정도의 수준이 요구된다.
교과목 구분 : 전공선택   교과목 번호  :  326.725A   학점 : 3   학년 : 대학원
일변량 시계열자료의 분석을 위해 시간영역에서의 분석모형인 ARIMA 모형의 설정, 적합, 진단 및 예측 방법과 진동수 영역에서의 Spectral theory 이론을 학습하고 실제자료의 분석을 통해 모형을 수립하는 방법을 배운다.
교과목 구분 : 전공선택   교과목 번호  :  *326.729A   학점 : 3   학년 : 대학원
C-공간과 D-공간 위주로 거리공간에서의 대한 weak convergence와 그 응용을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :   *326.739A   학점 : 3   학년 : 대학원
정규 과목에서 다루어지지 않는 새로운 통계학 분야를 세미나 형식으로 진행한다.
교과목 구분 : 전공선택   교과목 번호  :   326.743A   학점 : 3   학년 : 대학원
일반화 선형모형의 기본적인 개념과 이론을 다룬다. 주요 내용은 우도이론, 일반화선형모형, 이항자료, 다항자료, 로그선형모형과 그 변량효과를 통한 모형의 확장을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :   *326.746A   학점 : 3   학년 : 대학원
마코프 과정의 세미그룹이론, Hill-Yosida theorem, 브라운 운동과 경계치문제, Potential 이론 등을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :   326.747   학점 : 3   학년 : 대학원
범주형 자료를 분석하기 위한 통계기법들을 소개한다. 범주형 자료들은 대개 분할표를 이용해 정리할 수 있기 때문에 분할표를 분석할 수 있는 통계방법을 중점적으로 다룬다. 주된 주제들은 분할표분석, 로그 선형모형, 로지스틱모형이다.
교과목 구분 : 전공선택   교과목 번호  :   *326.748A   학점 : 3   학년 : 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.
교과목 구분 : 전공선택   교과목 번호  :   *326.750A   학점 : 3   학년 : 대학원
확률밀도함수, 회귀함수, 프론티어함수 등에 대한 최근의 연구내용들을 논문강독 중심으로 강의한다.
교과목 구분 : 전공선택   교과목 번호  :   M1399.000200   학점 : 3   학년 : 대학원
빅데이터 혹은 대용량 고차원 데이터의 출연으로 현대 통계학에서 계산의 중요성은 과거의 어떤 때보다 더 중요하게 되었다. 이 과목에서는 빅데이터를 다루는데 필요한 최신의 계산 기법들, 즉 GPU를 이용한 통계계산과 병렬처리를 활용한 통계계산의 이론과 실제를 다룬다.
교과목 구분 : 전공선택   교과목 번호  :   M1399.000300   학점 : 3   학년 : 대학원
본 교과목은 공간통계학 분야의 여러 통계적 방법들에 대해 중점을 둔다. 교육목표는 공간 및 시공간 자료를 분석하는데 사용되는 공간통계학의 여러 통계적 방법과 그 이론에 대해서 공부하고 적용해 보는 것이다. 다루는 내용은 다음과 같다. 자료의 공간 종속성 테스트, 공간 종속성 모형 및 추정, 공간회귀분석, 크리깅, 지역자료 분석, 질병 예측모형, 공간 점과정 모형 등이다.
교과목 구분 : 전공선택   교과목 번호  :   M1399.000300   학점 : 3   학년 : 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.
교과목 구분 : 전공선택   교과목 번호  :   326.803   학점 : 3   학년 : 대학원
교과목 구분 : 전공선택   교과목 번호  :   M0000.008700   학점 : 1   학년 : 대학원
이 강의는 대학원 신입생들에게 통계학과 교수진의 소개와 각 연구실의 주요 연구분야에 관한 소개, 학과와 대학의 연구시설, 연구윤리에 관해 소개한다. 또한 도서관과 eTL 사용법, 각종 유용한 컴퓨팅 사용법과 사용 가능한 통계 패키지에 대해서 소개한다.
교과목 구분 : 전공선택   교과목 번호  :   M0000.008800   학점 : 1   학년 : 대학원
통계학과에서 매주 교내외의 전문가를 초빙하여 대학원 석박사과정 학생들을 대상으로 통계학과 응용분야의 관심 있는 주제에 관한 강연을 한다.