산업공학 대입,편입 면접[산업공학 편입/전과/대입] 면접 총정리, 요약본 [예상문제 + 해설] (산업경영, 산공, 기초 통계학 , 6시그마,기계공학 편입, 공대)내용 총요약본 산업공학 개념, 기초확률론, 통계학
본 자료는 3페이지 의 미리보기를 제공합니다. 이미지를 클릭하여 주세요.
닫기
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
해당 자료는 3페이지 까지만 미리보기를 제공합니다.
3페이지 이후부터 다운로드 후 확인할 수 있습니다.

소개글

산업공학 대입,편입 면접[산업공학 편입/전과/대입] 면접 총정리, 요약본 [예상문제 + 해설] (산업경영, 산공, 기초 통계학 , 6시그마,기계공학 편입, 공대)내용 총요약본 산업공학 개념, 기초확률론, 통계학에 대한 보고서 자료입니다.

목차

Ⅰ 산업공학 개념 문제 part 1
Ⅱ 통계학관련 면접대비(산업공학 포함) 문제 part 2
Ⅲ 산업공학개론 문제 part 3
Ⅳ 기초확률론 문제 part 4

본문내용

쓰였다.
일본에서 시작된 QC(품질관리)는 처음엔 생산현장이 그 타켓이었으나 TQC(전사적품질관리), TQM(종합적품질관리)로 발전해 생산현장 이외의 부문에서도 이용됐다. 지금도 여러나라에서 활용되고 있는 이 기법은 80년대 일본 제조업이 세계를 제패할 수 있게 해준 원천의 하나로 평가받는다.
그러나 이러한 기존의 품질관리기법은 에러가 발생한 부분이나 지점의 부분최적화에 관심을 갖거나 생산자 위주의 제조중심 관리기법인 반면에 6시그마는 사업전체의 프로세스 즉 전사최적화가 목표인 전사적품질경영혁신운동이여서 21세기에 좀더 적합하다는 평을 받고 있다.
즉, 6시그마 경영은 제조뿐만 아니라 제품개발과 영업 등 기업활동의 모든 요소를 작업공정별로 계량화하고 품질에 결정적인 영향을 미치는 요소의 오차범위를 6시그마내에 묶어두는 것이다.
품질관리의 정도를 시그마로 나타내는 이유는 제품과 공정에 따라 달라지는 목표값과 규격한계값을 통일해 품질수준을 표시하는 단일한 기준으로 편리하기 때문이다. 서로 다른 공정의 품질수준을 비교하는데도 유용할 뿐만 아니라 품질개선의 정도도 객관적인 수치로 측정할 수 있다.
● 통계학 관련 면접대비
(산업공학 포함)
0. 평균과 분산을 설명하시오
평균 : 확률분포에 있어서 분포의 특징을 측정하는 두 모수가 평균과 분산이다.
평균:확률분포에 무게중심위치를 말하며, 확률치를 가중치로 하는 확률변수의 가능한 값에 대한 가중평균
1)이산확률변수
이산형 확률변수 X의 가능한 값이(x1,x2, .. xn)이며, P(X=xi)=(Pi, i=1,2,...,n)일때,
X의 기댓값 E(X)는
E(X) =XiPi
2)연속확률변수
연속형 확률변수 X의 확률밀도함수가 f(x)다면, X의 기댓값 E(X)는
E(X)=xf(x) dx
분산: 분포의 특징을 측정하는 모수. 확률분포의 흩어진 정도를 측정하는 것으로, 평균이 같은 경우에도 크깅 따라 분포모양이 다름.
확률변수 X의 분산은 E(X)=μ라 할때, X와 μ의 편차의 제곱, 즉 (X-μ)²의 기댓값으로
Var(X) 또는 로 표현되며,
= E(X-μ)²
E(X)²-μ²의 계산은 아래와 같다.
1)이산확률변수
X²pi
2)연속확률변수
X²f(x) dx
1. 확률의 공리 ( axioms of probability )
- 확률실험에서 Ω를 표본공간, E를 사건,를 공집합이라 할 때, E ⊂Ω, ⊂Ω이며, 확률은 항상 다음 조건을 만족한다.
1) 0 ≤ P(E) ≤ 1
2) P(Ω) = 1, P() = 0
3) 모든 i≠j에 대해 Ei∩Ej = 이면, 즉 모든 i≠j,
ii, j= 1, 2, ... 에 대해 Ei와Ei가 상호배반사건이면
P(Ei)
2. 조건부 확률 ( conditional probability )
- 사건 A가 주어졌을 때 사건 B의 조건부 확률은 P(A)≠0이라는 전제 하에서 다음과 같이 정의한다.
p(B | A) = P(AB)/P(A)
3. Bayes ( 베이즈 정리 )
베이즈 정리 : Ei를 사전확률 P(Ei)를 갖는 사건이라 하고 A는 어떤 새로운 사건이나 정보라 하자. 그러면 Ei의 사후확률은 다음과 같이 주어진다.
4. 확률변수
- 변수 X가 갖는 값을 확실히 예측할 수 없을 때 변수 X는 확률변수이다. 확률변수 X가 어떤 구간에 있는 유한개의 서로 다른 값을 가지면 이산확률변수이고 확률변수 X가 어떤 구간에 있는 모든 값을 가지면 연속확률변수이다.
- 확률변수란 실험의 표본공간으로부터 실수값으로의 변환함수이다. 따라서 확률변수가 특정 실수값을 가질 확률은 표본공간의 원소에 대한 확률로부터 유도된다.
5. 누적 분포함수 ( cumulative distribution function )
- x를 어떤 실수값이라 할 때 X의 누적분포함수는 함수 F(x)=P(X≤x)이다.
이산형 확률변수 Fx(a)=∑P(X=xi)
연속형 확률변수 Fx(a) dx 이다
6. 두 확률변수의 분포
- 3차원 공간 상에서 표현한다.
1) 결합확률분포
- 이산형 확률변수인 경우
확률변수 X의 가능한 값이 X1,...,Xn이고 확률변수 Y의 가능한 값이 Y1,...,Yn이라면,(X,Y)의 결합분포는 다음과 같이 정의한다.
Pr(X=xi, Y=yj) = Pij, i= 1, 2...,n j= 1, 2,....,m
여기에서 함수 Pr(X=xi, Y=yj) = Pij를 결합확률질량함수라고 정의하며, 모든(i,j)에 대해 Pij≥0Pij = 1
- 연속형 확률변수인 경우
- 두 확률변수 X, Y의 결합확률밀도함수를 f(x,y)라 정의할
  • 가격5,000
  • 페이지수9페이지
  • 등록일2023.11.24
  • 저작시기2023.11
  • 파일형식한글(hwp)
  • 자료번호#1231167
본 자료는 최근 2주간 다운받은 회원이 없습니다.
다운로드 장바구니