최근 수십 년간의 컴퓨터 기술의 발전으로 인해 이전에는 불가능했던 복잡한 통계모형들을 사용할 수 있게 되었다. 이 과목에서는 R 프로그래밍 언어를 바탕으로 현대적 통계분석을 위한 컴퓨터 프로그래밍의 기본 개념과 통계적 자료분석의 기초를 배운다.

기본적인 표본설계와 추정이론을 기초로 하여 보다 다양하고 실용적인 설계와 추정이론을 다룬다. 주요 교과내용은 랜덤추출법, 층화추출법, 군집추출법, 층화다단추출법, 회귀추정 중복추출법, 비표본오차에 대한 고찰 등이다. 각 추출방법에서 모수의 추정과 표본의 크기 추정, 표본의 최적배분, 상대효율 등을 다룬다. 실습을 통하여 통계조사과정과 실측방법의 문제에 접근한다. 조별 사례연구로써 실제 현장에서 표본설계 및 조사실습을 실시한다.

이 과목에서는 통계학의 기본이 되는 확률의 정의 및 분포 함수, 확률밀도 함수에 대한 개념을 공부한다. 다양한 종류의 분포함수들에 대한 소개와 여러가지 성질에 대하여 공부를 한다. 또한 통계량의 분포인 표본분포에 대한 개념과 여러 가지 표본분포의 정의와 다양한 성질 그리고 표본본포의 근사에 관하여 공부한다.

이 과목에서는 두 가지 통계적 추론 방법들, 즉 추정과 검정의 기본 이론을 다룬다. 추정법으로 적률추정법, 최대가능도 추정법, 베이즈 추정법, 최소분산불편추정 등을, 검정법으로는 최대가능도 검정, 라오 검정, 왈드 검정, 베이즈 검정, 전역최강력 검정 등을 다룬다. 통계적 추론의 이론적 배경으로 충분통계량, 라오-블랙웰 정리, 크래머-라오 부등식 등을 다루고, 추정량들의 점근적 성질의 유도, 검정의 점근적 근사 등을 다룬다.

기본적으로 선형회귀모형을 주어진 자료에 적합시키는 방법을 소개하며, 모형모수에 대한 추론도 다룬다. 이 과목에서 다루는 주제를 나열하면, 단순선형회귀, 다중선형회귀, 모형적합진단, 가중선형회귀, 변수변환, 회귀진단, 레버리지 및 영향점 탐지, 범주형변수를 위한 회귀분석기법, 다중공선성, 변수선택 및 모형선택, 비선형회귀, 일반화선형모형, 인공신경망 등이다.

범주형 자료에 대한 이해와 분석 방법을 학습하는 과목이다. 범주형 자료는 사회과학, 보건의료 등 다양한 분야에서 일상적인 조사와 실험을 통해 널리 수집된다. 학생들은 분할표(contingency table) 분석을 포함하여, 일반화선형모형(generalized linear model), 로지스틱 회귀모형(logistic regression model), 로그 선형모형(log-linear model) 등 다양한 분석 방법을 학습한다. 이 과목을 통해, 자료의 특성을 이해하고, 적절한 분석 방법을 선택할 수 있는 능력을 개발한다. 또한 통계 소프트웨어를 통해 실제 데이터에 적용하고 구현하는 과정을 다룬다.

과학연구와 산업응용에서의 과정개선, 비용절감 및 복잡한 시스템에 대한 이해를 위한 효과적인 데이터 수집과 분석의 방법을 배운다. 하나의 요인에 대한 완전확률화법, 라틴방격법, 요인배치법, 블록계획, 일부실시법, 반응표면분석 등의 이론을 소개하고 각 계획법에 따라 수집된 자료의 분석 방법을 배운다.

(선수과목 : 회귀분석 및 실습)

다변량 통계 방법은 응용 머신 러닝과 통계에서 중요한 도구 중 하나다. 이 과목에서는 다변량 정규 분포에 대한 추론에 배우고 주성분분석과 요인분석과 같은 고차원 자료에 대한 차원축소 방법에 대해 알아본다. 또한 분류 및 군집화 방법과 같은 데이터 마이닝 기법까지 다양한 접근 방식도 다룬다.

(선수과목 :  수리통계 1, 선형대수학 1, 회귀분석 및 실습)

베이즈 추론은 베이즈 정리를 이용하여 불확실성을 가진 정보를 확률로 표현하고 이를 이용하여 추론을 하는 방법이다. 이 과목에서는 베이즈 추론의 역사적 배경, 베이즈 추론의 기본 요소를 다루고, 현실적인 베이즈 추론을 위해 필요한 베이즈 계산 방법들, 즉 마르코프 체인 몬테 카를로와 변분방법 등을 다룬다. 또한 베이즈 추론을 이표본 검정, 선형 회귀모형, 로지스틱 회귀모형 등 기본적인 통계모형에 적용하여 데이터 분석하는 방법을 배운다.

(선수과목 : 수리통계 1, 수리통계 2 )

데이터 마이닝은 대규모 자료에서 숨겨진 구조를 발견하여 예측하는 학문 분야로 웹 페이지 검색, 추천 시스템, 영상 자료 분석, 암 발병 여부 예측 등 다양한 분야에서 활용된다. 이 과목은 학생들에게 다양한 데이터 분석 방법론을 소개하고 적용하는 기회를 제공하며, 특히 정보 검색, 차원 축소, 패널티 회귀, 모델 선택 및 검증, 분류, 클러스터링, 앙상블 방법 등을 다룬다. 학생들은 주어진 문제나 목적에 맞게 적절한 데이터 분석 방법을 선택하고 이를 통해 문제를 해결하는 능력을 향상시킬 수 있다.

비모수통계의 이론과 응용을 다룬다. 위치모수 및 척도모수를 추론하기 위한 순서통계량 및 순위통계량의 분포, 순열검정 방법과 비모수적 신뢰구간 및 점추정 방법을 모수적 방법과 비교하며, 붓스트랩 절차에 대해 학습한다. 또한, 다중선형회귀, 밀도함수추정 및 비모수회귀 등에서의 비모수 방법론을 다룬다. 

이산시간 마코프연쇄, 연속시간 마코프연쇄, 그리고 갱신과정에 대하여 다룬다. 마코프체인에서는 재귀성, 에르고딕 성질, 가역성, 흡수성, 그리고 MCMC로의 응용 등이 중요 주제이고, 갱신과정에서는 포아송 프로세스 및 여러 갱신과정에 대한 성질을 다룬다.

이 강의에서는 실질적 문제해결을 위한 다양한 자료분석 방법론의 이해와 적용을 경험한다. 해결하고자 하는 문제의 구체화를 포함하여, 데이터의 수집 및 정리, 탐색적 데이터분석, 시각화, 통계적 추론 및 예측 그리고 의사결정의 핵심원리를 배운다. 실습을 통해 배운 내용을 실제 문제에 적용하여 해결하는 일련의 자료분석과정을 경험한다. 학생들은 다양한 데이터의 구조를 이해하고 알맞은 자료분석방법을 선택하며, 나아가 문제해결능력을 향상시킨다.

이 과목은 실제 문제를 효과적으로 분석하고 해결하기 위한 고급 분석 기술에 중점을 둔다. 기본적인 데이터 관리, 탐색적 분석 및 시각화 방법을 넘어서, 복잡한 데이터 구조와 다양한 데이터 유형에 적합한 전문적인 분석 방법을 연구한다. 학생들은 고급 데이터 과학 기법을 통해 복잡한 문제에 대한 깊은 이해와 해결 전략을 개발할 기회를 갖게 된다. 더불어, 통계학의 다양한 분야를 통해 데이터 분석의 통합적인 접근법을 심도 있게 탐구한다.