2026 빅데이터분석기사 실기 9 | 작업형3 카이제곱 독립성·기대도수 — 표·코드·풀이

실기 · 컴퓨터 작업형

두 집단과 응답 범주의 관련성을 교차표로 검정합니다. 연속성 보정 없이 피어슨 카이제곱 통계량을 계산한다는 조건을 고정해 도구 기본값 차이를 피합니다.

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. 가설

독립성 검정의 귀무가설을 쓰세요.

작업 2. 주변합

행합·열합·전체를 구하세요.

작업 3. 기대도수

독립 가정의 각 셀 기대도수를 구하세요.

작업 4. 통계량

Σ(관측-기대)²/기대를 구하세요.

작업 5. 자유도·판정

자유도와 p값,5% 판정을 구하세요.

작업 6. 해석

이 결과가 집단이 응답의 원인임을 증명하는지 쓰세요.

전체 풀이 — Python

import pandas as pd
from scipy.stats import chi2_contingency
d=pd.read_csv("data.csv")
obs=d[["yes","no"]].to_numpy()
stat,p,df,expected=chi2_contingency(obs,correction=False)
print(stat,p,df,expected)

같은 계산 — R

d<-read.csv("data.csv")
x<-as.matrix(d[,c("yes","no")])
res<-chisq.test(x,correct=FALSE)
print(res);print(res$expected)

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.