영국 정치가인 벤저민 디즈레일리(Benjamin Disraeli)는 ‘세상에는 세 가지 거짓말이 있다. 거짓말, 새빨간 거짓말, 그리고 통계’라고 하면서 남을 속이기 위한 하나의 도구로 통계를 비유했습니다. 하지만 통계(statistic)는 사회의 변모를 수치로 파악할 수 있으며, 미래의 불확실성(uncertainty)이 있더라도 앞으로 일어날 일을 예상할 수 있게 돕는 가장 객관적인 자료이기도 합니다. 통계학(statistics)은 국가와 사회에 필요한 정보를 과학적이고 체계적으로 분석하여 미래를 예측하는 수단을 제공하는 학문입니다.

우리는 4차 산업혁명으로 예전과 다른 삶을 살고 있으며, 빅데이터(Big Data), 인공지능(AI), 사물인터넷(IoT) 등과 같은 신기술은 우리의 일상을 빠르게 변화시키고 있습니다. 학문의 경계가 없어지는 ‘빅블러(Big Blur)’ 현상과 함께 융합학문의 시대가 도래한 뉴노멀 시대에는 무엇보다 통계적 사고를 바탕으로 합리적인 의사결정을 내리는 것이 중요합니다. 데이터를 읽고 그 안에 숨겨진 의미를 파악하는 데이터 리터러시(data literacy, 데이터를 읽고 그 안에 숨겨진 의미를 파악하는 데이터 해독 능력)와 통계를 제대로 이해하는 통계 리터러시(statistical literacy, 통계를 제대로 이해하는 능력)를 배양하는 것은 이제 필수적인 미래 기술 역량이 되었습니다.

이러한 시대적 요구에 맞춰 2022년에 집필된 본 교재는 기초통계학의 핵심 개념과 21세기 데이터사이언스 지식을 동시에 다루는 대학 교양 서적으로서 많은 사랑을 받아왔습니다. 2024년 1판 2쇄에 이어, 2026년 새롭게 선보이는 이번 개정판에서는 급격하게 변하는 기술 환경을 반영하여 학생들이 더욱 쉽고 명확하게 내용을 이해할 수 있도록 전면적인 보완 작업을 거쳤습니다. 먼저 1장부터 11장까지 각 장의 주요 내용을 충실히 보강함과 동시에, 학습한 내용을 충분히 연습할 수 있도록 연습문제를 더욱 풍부하게 수록하였습니다. 또한 텍스트 중심의 설명에서 벗어나 직관적인 이해를 돕는 다양한 그림과 실제 사회에서 적용되는 다채로운 사례들을 포함하여 저술하였습니다.

교재의 구성 면에서도 최신 트렌드를 대폭 반영하였습니다. 기초통계학을 다루는 1장부터 8장까지는 빅데이터 개념, 속성, 분류와 정형데이터 분석과 요약 및 시각화, 확률, 추정과 검정, 그리고 상관 및 회귀분석의 기본기를 탄탄히 다질 수 있도록 구성했습니다. 데이터사이언스 파트인 9, 10장에서는 인공지능의 단순한 정의를 넘어 인공지능의 진화 과정과 지도, 비지도학습을 함께 수행하는 하이브리드 학습, 그리고 스스로 최적의 해법을 찾아가는 강화학습의 개념과 구체적인 적용 사례를 새롭게 추가했습니다. 특히 11장에서는 최근 기술적 화두로 떠오른 '바이브 코딩(Vibe Coding)' 개념과 이를 활용한 실습 사례를 포함하여, 학생들이 데이터사이언스의 매력적인 알고리즘과 분석법을 직접 체감할 수 있도록 했습니다.

최선의 노력을 기울였으나 여전히 부족한 부분이 있을 수 있습니다. 이에 대한 독자 여러분의 양해를 구하며, 추후 수정사항과 연습문제 해답은 자유아카데미 홈페이지(www.freeaca.com) 자료실을 통해 제공할 예정입니다. 끝으로 본 개정판이 나오기까지 수고해 주신 자유아카데미 관계자 여러분과 편집부의 노고에 깊은 감사를 드리며, ‘아는 것이 힘이다’라고 말한 프랜시스 베이컨(Francis Bacon)의 지혜처럼, 이 책을 통해 학습한 대학생들이 통계적 사고와 데이터사이언스 지식을 갖춘 미래형 인재로 거듭나기를 진심으로 기원합니다.

[목 차]

1장 통계학과 빅데이터

01 통계학의 정의와 역사

02 데이터 축약과 변동

03 빅데이터의 정의와 역사

04 빅데이터 유형

05 빅데이터 수집 방법

06 연습문제

07 R, RStudio 설치

 

2장 정형자료 분포지표와 시각화

01 정형자료 분포지표

02 데이터 시각화

03 그룹화 자료의 중심위치와 산포

04 연습문제

05 R 실습

 

3장 확률과 확률변수

01 확률의 정의

02 확률변수와 확률분포

03 이산확률변수 종류

04 연속확률변수 종류

05 표준정규확률분포의 응용

06 연습문제

07 R 실습

 

4장 모집단과 표본

01 모집단과 표본의 정의

02 표본추출

03 중심극한정리

04 표본비율의 표본추출분포

05 오차의 개념

06 연습문제

07 R 실습

 

5장 추정

01 추정 문제

02 점추정과 구간추정

03 표본크기에 의존하는 모평균의 구간추정

04 모비율의 구간추정

05 표본크기 결정

06 연습문제

07 R 실습

 

6장 가설검정

01 가설검정 문제

02 기각역과 검정통계량

03 가설검정 절차

04 연습문제

05 R 실습

 

7장 두 모집단 비교와 두 변수 관계

01 두 모집단 비교

02 두 변수의 관계

03 연습문제

04 R 실습

 

8장 회귀분석

01 단순선형회귀모형

02 최소제곱추정량과 잔차제곱합

03 회귀직선의 설명력

04 회귀계수 추정과 검정

05 연습문제

06 R 실습

 

9장 데이터 사이언스

01 데이터 사이언스의 정의와 역사

02 인공지능 역사와 발전

03 디지털 세계와 메타버스

04 인공지능의 진화

05 연습문제

 

10장 데이터 사이언스의 학습과 사례

01 지도, 비지도, 하이브리드, 강화학습

02 인공지능 학습 평가

03 지도, 비지도, 하이브리드, 강화학습 적용 사례

04 연습문제

 

11장 데이터 사이언스의 매력적인 분석

01 기계학습 알고리즘 종류

02 텍스트 데이터 분석과 자연어처리

03 바이브 코딩

04 연습문제

05 워드클라우드와 R 실습

 

부록

01 누적이항분포표

02 포아송 분포표

03 표준정규분포표

04 t 분포표

 

찾아보기