문제 최종 검수

선택지1

선택지2

선택지3

선택지4

정답

개념 난이도 / 선택지 난이도 / 최종 난이도

키워드

해설

비기봇 해설

1. 선택

키워드

해설

정답은 2번입니다.

마할라노비스 거리는 통계학과 데이터 분석에서 두 점 사이의 거리를 측정하는 방법 중 하나로, 변수들 간의 공분산 구조를 고려하여 거리 계산 시 변수들의 단위 차이와 상관관계를 보정합니다. 이는 단순히 유클리드 거리처럼 각 변수의 차이를 제곱하여 더하는 것이 아니라, 공분산 행렬의 역행렬을 이용해 변수들 간의 분산과 상관관계를 반영함으로써 데이터 분포의 형태를 고려한 거리 척도를 제공합니다. 따라서 이상치 탐지, 군집 분석 등에서 변수들의 상관관계를 무시하지 않고 거리 측정을 할 때 유용하게 사용됩니다.

1. 마할라노비스 거리는 변수 간 공분산 구조를 고려하지 않는 단순 거리 척도이다.
: 마할라노비스 거리는 변수 간 공분산 구조를 반드시 고려하는 거리 척도입니다. 단순 거리 척도는 유클리드 거리 등이 해당하며, 공분산을 무시하는 것은 잘못된 설명입니다.

2. 마할라노비스 거리는 변수 간 상관관계와 분산을 고려하여 단위 차이를 보정한 거리 척도이다.
: 마할라노비스 거리는 변수 간 상관관계와 분산을 고려하여 단위 차이를 보정하는 거리 척도입니다. 이는 공분산 행렬의 역행렬을 이용해 계산되므로 변수들의 분포 특성을 반영합니다. 따라서 이 설명이 가장 정확합니다.

3. 마할라노비스 거리는 맨해튼 거리와 동일하다.
: 마할라노비스 거리는 맨해튼 거리와 동일하지 않습니다. 맨해튼 거리는 각 변수 차이의 절댓값을 합산하는 거리이며, 마할라노비스 거리는 공분산을 고려한 거리로 계산 방식이 다릅니다.

4. 마할라노비스 거리가 작을수록 이상값일 가능성이 높다.
: 마할라노비스 거리가 작을수록 두 점이 서로 가까운 것을 의미하므로 이상값일 가능성이 높다는 설명은 반대입니다. 이상값은 일반적으로 마할라노비스 거리가 클수록 나타날 가능성이 높습니다.

마할라노비스 거리는 변수들 간의 분산과 상관관계를 반영하여 단위 차이를 보정하는 거리 척도입니다. 이는 공분산 행렬의 역행렬을 이용해 계산되므로, 변수 간 상관관계를 무시하지 않고 거리 측정에 반영합니다. 따라서 2번 선지가 가장 적절한 설명입니다. 1번은 공분산을 고려하지 않는다고 하여 틀렸고, 3번은 맨해튼 거리와 동일하다는 점에서 틀리며, 4번은 마할라노비스 거리가 작을수록 이상값 가능성이 높다는 점에서 반대입니다.

따라서 정답은 '2. 마할라노비스 거리는 변수 간 상관관계와 분산을 고려하여 단위 차이를 보정한 거리 척도이다.' 입니다.

2. 선택

키워드

해설

마할라노비스 거리는 다변량 통계에서 두 점 간의 거리를 측정하는 방법 중 하나로, 변수들 간의 상관관계와 분산을 고려하여 거리 값을 계산합니다. 이는 단순히 각 변수의 차이를 계산하는 유클리디안 거리와 달리, 변수들의 공분산 행렬을 이용해 표준화된 거리를 구하기 때문에 변수 간 단위 차이나 분산 차이로 인한 왜곡을 줄일 수 있습니다. 따라서 마할라노비스 거리는 변수 간 공분산 구조를 반영한 거리 척도이며, 이상치 탐지나 군집 분석 등에서 활용됩니다. 거리가 작을수록 두 점이 서로 가까움을 의미하며, 이상값은 일반적으로 마할라노비스 거리가 큰 경우로 판단합니다.

1. 마할라노비스 거리는 변수 간 공분산 구조를 고려하지 않는 단순 거리 척도이다.
마할라노비스 거리는 변수 간 공분산 구조를 반드시 고려하는 거리 척도입니다. 따라서 변수 간 공분산을 무시하는 단순 거리 척도라는 설명은 틀렸습니다.

2. 마할라노비스 거리는 변수 간 상관관계와 분산을 고려하여 단위 차이를 보정한 거리 척도이다.
마할라노비스 거리는 변수들 간의 상관관계와 분산을 고려하여 공분산 행렬을 이용해 거리 값을 표준화합니다. 이렇게 함으로써 변수 간 단위 차이나 분산 차이의 영향을 보정할 수 있으므로 이 설명은 정확합니다.

3. 마할라노비스 거리는 맨해튼 거리와 동일하다.
마할라노비스 거리는 맨해튼 거리와 다른 개념입니다. 맨해튼 거리는 각 변수 차이의 절댓값 합을 구하는 거리이며, 마할라노비스 거리는 공분산 행렬을 이용해 표준화된 거리입니다. 따라서 동일하다는 설명은 틀렸습니다.

4. 마할라노비스 거리가 작을수록 이상값일 가능성이 높다.
마할라노비스 거리가 작을수록 두 점이 서로 가깝다는 의미이므로 이상값일 가능성이 높다는 설명은 잘못되었습니다. 이상값은 일반적으로 마할라노비스 거리가 큰 경우로 판단합니다.

마할라노비스 거리는 변수 간의 공분산과 상관관계를 반영하여 거리 값을 표준화하는 통계적 거리 척도입니다. 따라서 변수 간 공분산 구조를 무시하는 단순 거리 척도(1번)나 맨해튼 거리와 동일하다는 설명(3번), 거리가 작을수록 이상값 가능성이 높다는 설명(4번)은 모두 틀렸습니다. 반면 2번은 마할라노비스 거리가 변수 간 상관관계와 분산을 고려하여 단위 차이를 보정한 거리 척도임을 정확히 설명하고 있어 정답입니다.

따라서 정답은 '2. 마할라노비스 거리는 변수 간 상관관계와 분산을 고려하여 단위 차이를 보정한 거리 척도이다.' 입니다.

3. 선택

키워드

해설

마할라노비스 거리는 통계학과 데이터 분석에서 중요한 거리 척도 중 하나로, 변수들 간의 상관관계와 분산을 고려하여 계산되는 거리입니다. 일반적인 유클리디안 거리와 달리 각 변수의 단위 차이나 분산 차이로 인한 왜곡을 보정할 수 있으며, 변수들 간의 공분산 행렬을 이용해 표준화된 거리를 산출합니다. 즉, 마할라노비스 거리는 두 점 사이의 차이를 단순한 차이로 보지 않고, 데이터의 분포 형태를 반영하여 거리를 측정합니다. 따라서 변수 간 상관관계가 존재하거나 변수들이 서로 다른 단위를 가질 때 유용하게 사용됩니다. 반면, 맨해튼 거리나 유클리디안 거리는 이러한 통계적 특성을 반영하지 않으므로 마할라노비스 거리와는 개념적으로 다릅니다. 또한 마할라노비스 거리가 작을수록 두 점이 서로 유사하다는 의미이며, 이상값 탐지에서는 거리가 클수록 이상값일 가능성이 높다고 판단합니다.

1. 마할라노비스 거리는 변수 간 공분산 구조를 고려하지 않는 단순 거리 척도이다.
마할라노비스 거리는 변수 간 공분산 구조를 반드시 고려하는 거리 척도입니다. 따라서 공분산 구조를 무시하는 단순 거리 척도라는 설명은 잘못되었습니다. 단순 거리는 유클리디안 거리 등이 해당합니다.

2. 마할라노비스 거리는 변수 간 상관관계와 분산을 고려하여 단위 차이를 보정한 거리 척도이다.
마할라노비스 거리는 변수 간 상관관계와 분산을 모두 고려하여 계산하는 거리 척도입니다. 공분산 행렬을 이용해 변수들의 단위 차이와 분산 차이를 보정하기 때문에, 서로 다른 단위를 가진 변수들 간에도 적절한 거리 측정이 가능합니다. 이 설명이 가장 정확합니다.

3. 마할라노비스 거리는 맨해튼 거리와 동일하다.
마할라노비스 거리와 맨해튼 거리는 서로 다른 개념입니다. 맨해튼 거리는 각 변수의 절대 차이의 합으로 계산되는 거리이며, 통계적 분산이나 상관관계를 고려하지 않습니다. 따라서 두 거리는 동일하지 않습니다.

4. 마할라노비스 거리가 작을수록 이상값일 가능성이 높다.
마할라노비스 거리가 작을수록 두 점이 서로 유사하다는 의미입니다. 이상값 탐지에서는 거리가 클수록 이상값일 가능성이 높다고 판단하므로, 거리가 작을수록 이상값일 가능성이 높다는 설명은 잘못되었습니다.

마할라노비스 거리는 변수 간의 상관관계와 분산을 반영하여 계산하는 거리 척도입니다. 공분산 행렬을 이용해 변수들의 단위 차이와 분산 차이를 보정하기 때문에, 단순 거리 척도와는 다릅니다. 또한 맨해튼 거리와 동일하지 않으며, 이상값 탐지에서는 거리가 클수록 이상값일 가능성이 높습니다. 따라서 보기 중 2번이 가장 적절한 설명입니다.

따라서 정답은 '2. 마할라노비스 거리는 변수 간 상관관계와 분산을 고려하여 단위 차이를 보정한 거리 척도이다.' 입니다.

입력 데이터

수정 가능 범위 확인