무료 온라인 액세스 CompTIA.DA0-001.v2025-08-20.q294 모의 시험 (Page 13)

DA0-001 문제 56

다음 중 플랫 파일의 예는 무엇입니까?

A. CSV 파일

B. PDF 파일

C. JSON 파일

D. JPEG 파일

DA0-001 문제 57

데이터 정의는 쉬운 언어로 작성해야 합니다.

A. 그렇죠.

B. 거짓.

DA0-001 문제 58

데이터 분석가는 아이스크림 소비가 가격, 온도, 소득 수준 등 다양한 속성에 어떻게 영향을 받는지 파악하려고 합니다. 이러한 관계를 파악하기 위해 데이터 분석가는 다음 중 어떤 회귀 분석을 수행해야 할까요?

A. 물류

B. 일반 최소 제곱법

C. 콕스

D. 다항식

정답: B

일반 최소 제곱법
보통최소자승법(OLS)은 하나 이상의 예측 변수와 수치형 반응 변수 간의 관계를 설명하는 회귀 모형을 적합하는 데 사용되는 선형 회귀 분석의 한 유형입니다. 다음과 같은 경우에 사용합니다. 예측 변수와 반응 변수 간의 관계가 상당히 선형적일 때. 반응 변수가 연속형 수치형 변수일 때.
이 경우, 데이터 분석가는 아이스크림 소비량(반응 변수)이 비용, 온도, 소득 수준(예측 변수)과 같은 다양한 속성에 의해 어떻게 영향을 받는지 이해하는 데 관심이 있습니다.
이러한 변수들이 선형 관계를 가지고 있다고 가정하면, OLS를 사용하여 데이터에 가장 적합한 회귀 방정식의 계수를 추정할 수 있습니다. OLS는 또한 R 제곱 및 조정된 R 제곱과 같은 적합도 측정값을 제공하고 t-검정 및 F-검정을 사용하여 계수의 유의성을 검정할 수 있습니다.
옵션 A는 틀렸습니다. 로지스틱 회귀는 하나 이상의 예측 변수와 이진 반응 변수 간의 관계를 설명하는 회귀 모형을 적합하는 데 사용되기 때문입니다. 다음 경우에 사용하세요. 반응 변수가 이진 변수입니다. 즉, 두 개의 값만 가질 수 있습니다. 1. 아이스크림 소비량은 이진 변수가 아니라 연속형 숫자 변수입니다.
옵션 C는 틀렸습니다. 콕스 회귀 분석은 하나 이상의 예측 변수와 생존 시간 반응 변수 간의 관계를 설명하는 회귀 모형을 적합하는 데 사용되기 때문입니다. 사용 시기: 반응 변수는 사망, 장애 또는 회복과 같은 관심 사건이 발생할 때까지의 시간입니다. 아이스크림 소비량은 생존 시간 변수가 아니라 연속형 수치 변수입니다.
옵션 D는 틀렸습니다. 다항 회귀는 하나 이상의 예측 변수와 수치형 응답 변수 간의 관계를 설명하는 회귀 모형을 적합하는 데 사용되기 때문입니다. 사용 조건: 예측 변수와 응답 변수 간의 관계가 비선형인 경우1. 데이터에 비선형성이 없다는 증거가 없는 경우, 다항 회귀는 데이터를 과대적합하여 신뢰할 수 없는 추정값을 생성할 수 있으므로 적절하지 않을 수 있습니다.

DA0-001 문제 59

분석가는 신규 고객 설문조사에서 얻은 정보를 사용하여 고객 연락처 데이터베이스를 업데이트하고 있습니다. 다음 중 분석가는 어떤 데이터 조작 기법을 사용해야 합니까?

A. 추가

B. 블렌드

C. 변형

D. 가입

DA0-001 문제 60

다음 중 모집단 내의 각 작은 하위 그룹에서 데이터 요소를 무작위로 선택하는 표본 추출 방법을 설명하는 것은 무엇입니까?

A. 단순 난수

B. 클러스터

C. 체계적인

D. 계층화

정답: D

층화 표본 추출은 연령대, 성별, 소득대와 같이 모집단 내 각 하위 집단에서 데이터 요소를 무작위로 추출하는 표본 추출 방식이기 때문입니다. 층화 표본 추출은 표본이 모집단을 대표하고 비례하도록 보장하고, 표본 오차나 편향을 줄이는 데 사용할 수 있습니다. 예를 들어, 층화 표본 추출은 모집단 내 비율에 따라 여러 정당의 유권자를 표본으로 추출하는 데 사용할 수 있습니다. 다른 유형의 표본 추출은 모집단 내 각 하위 집단에서 데이터 요소를 무작위로 추출하는 유형이 아닙니다. 그 이유는 다음과 같습니다.
단순 무작위 추출은 모집단을 부분집단으로 나누지 않고 전체 모집단에서 데이터 요소를 무작위로 추출하는 표집 방법입니다. 단순 무작위 추출은 모집단의 모든 요소가 추출될 확률이 동일하도록 하고, 체계적 오류나 편향을 방지하는 데 사용할 수 있습니다. 예를 들어, 단순 무작위 추출은 복권이나 컴퓨터 생성 번호를 사용하여 학교의 학생 표본을 추출하는 데 사용할 수 있습니다.
군집 표본 추출은 지역, 지구, 학교 등 모집단 내 몇몇 큰 하위 집단에서 데이터 요소를 무작위로 추출하는 표집 방법입니다. 군집 표본 추출은 표집 비용과 복잡성을 줄이고, 표집의 실현 가능성과 편의성을 높이는 데 사용될 수 있습니다. 예를 들어, 군집 표본 추출은 지도나 목록을 사용하여 몇몇 지역에서 가구 표본을 추출하는 데 사용될 수 있습니다.
체계적 표본 추출은 모집단 내의 순서가 있는 목록이나 시퀀스에서 데이터 요소를 일정한 간격으로 추출하는 표본 추출 방식입니다(예: n번째 요소 또는 k번째 요소). 체계적 표본 추출은 표본 추출 과정을 간소화하고 속도를 높일 뿐만 아니라, 표본이 모집단의 전체 범위를 포괄하도록 보장합니다. 예를 들어, 체계적 표본 추출은 알파벳순이나 번호순을 사용하여 도서관에서 도서 표본을 추출하는 데 사용할 수 있습니다.

다른 버전: 1934CompTIA.DA0-001.v2025-07-11.q127; 936CompTIA.DA0-001.v2023-06-28.q75; 1081CompTIA.DA0-001.v2022-11-04.q51

최근 업로드: 651Cisco.300-435.v2026-09-03.q259; 331Oracle.1Z0-1045-26.v2026-09-03.q17; 596IIA.IIA-CIA-Part1.v2026-09-03.q627; 443Fortinet.NSE6_OTS_AR-7.6.v2026-09-03.q95; 449Snowflake.DAA-C01.v2026-09-03.q67; 3465Salesforce.AP-223.v2026-09-01.q94; 2564Splunk.SPLK-5001.v2026-09-01.q60; 3871Cisco.300-540.v2026-09-01.q62; 5147Microsoft.MS-102-KR.v2026-09-01.q239; 3524Microsoft.AI-900-KR.v2026-09-01.q162