2026 ADsP 분석 학습 3 | 베이즈 확률·검사 결과 표 — 표·코드·풀이

학습 실습 · 직접 따라 하기

검사의 민감도와 양성 예측도를 같은 숫자로 혼동하지 않도록 실제 인원 표로 계산합니다. 어느 집단이 분모인지 먼저 적으세요.

데이터·Python·R 풀이 파일 내려받기 (.zip)

실습 준비

• ZIP을 풀고 데이터 파일과 풀이 코드를 같은 폴더에 둡니다. 원본은 합성된 연습 데이터입니다.
• Python 풀이는 pandas·NumPy와 해당 코드의 scipy 또는 scikit-learn을 사용할 수 있는 환경에서 실행합니다. R 코드가 포함된 경우 base R로 실행할 수 있습니다.
• 먼저 작업 지시만 보고 풀고, 아래 해설에서 결과·분모·자료형을 대조합니다.
• 이 표에서 빈 값은 미입력입니다. 숫자 0이나 문자 NULL로 임의 치환하지 않습니다.

원본 표

작업 1. 전체 인원

환자·비환자·전체를 구하세요.

작업 2. 민감도

실제 환자 중 양성 비율을 구하세요.

작업 3. 특이도

실제 비환자 중 음성 비율을 구하세요.

작업 4. 양성 예측도

양성 판정자 중 실제 환자 비율을 구하세요.

작업 5. 음성 예측도

음성 판정자 중 실제 비환자 비율을 구하세요.

작업 6. 사전확률

같은 검사에서 유병률이 바뀌면 양성 예측도도 바뀔 수 있는지 설명하세요.

전체 풀이 — Python

import pandas as pd
d=pd.read_csv("data.csv")
tp,fn,fp,tn=9,1,99,891
print("sensitivity",tp/(tp+fn))
print("specificity",tn/(tn+fp))
print("PPV",tp/(tp+fp))
print("NPV",tn/(tn+fn))

같은 계산 — R

tp<-9;fn<-1;fp<-99;tn<-891
print(c(sensitivity=tp/(tp+fn),specificity=tn/(tn+fp),PPV=tp/(tp+fp),NPV=tn/(tn+fn)))

제출 전 점검

• 요구한 열·행 수·순서·자료형이 맞는지 결과를 다시 읽습니다.
• 평균·분산·검정에서 분모와 보정 옵션을 확인합니다.
• 학습에서 정한 전처리를 검증·시험에 그대로 적용했는지 확인합니다.
• 설명 문장에서는 유의성과 효과 크기, 예측과 인과를 구분합니다.

범위 확인

2026년 학습 범위를 기준으로 구성했습니다. 시험 시행기관의 자격 안내·출제 기준에서 과목과 변경 공지를 확인할 수 있습니다.

예상 모의문제입니다.