2026 ADP 실기 2 | IQR 이상값·상한 절단·영향 비교 — 표·코드·풀이

실기 · 컴퓨터 작업형

극단값을 찾는 규칙과 실제 오류 판정은 다릅니다. 이 실습은 선형 보간 사분위수를 사용해 IQR 경계를 구하고, 삭제와 상한 절단이 합계·평균에 주는 영향을 비교합니다.

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. 사분위수

선형 보간 방식의 25%·75% 분위수를 구하세요.

작업 2. 경계

1.5IQR 하한·상한을 구하세요.

작업 3. 후보

경계를 벗어난 id를 찾으세요.

작업 4. 삭제 결과

후보 행을 제외한 평균을 구하세요.

작업 5. 절단 결과

100을 상한 22.125로 바꾼 평균을 구하세요.

작업 6. 선택 근거

고액 거래가 실제 유효한 값이면 무조건 삭제해도 되는지 설명하세요.

전체 풀이 — Python

import pandas as pd
d=pd.read_csv("data.csv")
q1,q3=d["value"].quantile([.25,.75])
iqr=q3-q1
lo,hi=q1-1.5*iqr,q3+1.5*iqr
print(q1,q3,lo,hi)
print(d.loc[(d.value<lo)|(d.value>hi)])
print(d.loc[d.value.between(lo,hi),"value"].mean())
print(d.value.clip(lo,hi).mean())

같은 계산 — R

d<-read.csv("data.csv")
q<-quantile(d$value,c(.25,.75),type=7)
iqr<-q[2]-q[1]; lo<-q[1]-1.5*iqr; hi<-q[2]+1.5*iqr
print(c(q,lo=lo,hi=hi))
print(mean(d$value[d$value>=lo & d$value<=hi]))
print(mean(pmin(pmax(d$value,lo),hi)))

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.