메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
정화민 (서강대학교) 박수용 (서강대학교) 권택원 (서강대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제26권 제2호
발행연도
2025.2
수록면
522 - 529 (8page)
DOI
10.5762/KAIS.2025.26.2.522

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
본 연구는 여론조사 및 설문조사의 신뢰성과 대표성을 강화하기 위해, 95% 신뢰수준과 ±3% 오차를 기준으로 최소 샘플 크기를 자동으로 산출하고 다중층화 샘플링을 구현하는 방법론을 제안한다. 국민건강보험공단의 2022년 건강검진 데이터 100만 건을 활용하여 데이터 전처리를 수행하였으며, Python 3.8 환경에서 PCA(주성분 분석)와 K-Means 알고리즘을 적용하여 모집단의 다양한 특성을 반영한 4개의 군집으로 분류하였다. 이러한 군집을 기반으로, 신뢰수준을 만족하기 위해 산출된 최소 샘플 크기 1,068명을 각 군집에 비례적으로 배분하여 군집 간 대표성을 효과적으로 확보하였다. 본 연구의 주요 공헌은 다음과 같다. 첫째, 신뢰수준과 표본오차를 기반으로 자동 샘플 크기를 산출하는 시스템을 설계하여 기존의 수작업 기반 오류를 줄였다. 둘째, PCA와 K-Means 알고리즘을 활용하여 모집단의 다양한 특성을 효과적으로 반영하는 층화 샘플링 구조를 구현하였다. 셋째, 본 연구에서 구현한 다중층화 샘플링은 기존 단순 무작위 및 층화 샘플링 방법론의 한계(과소/과대표본화, 모집단 구조 반영 부족 등)를 효과적으로 극복할 수 있음을 실증적으로 검증하였으며, 1,068개의 샘플을 4개의 층으로 비례 배분한 결과, 모집단의 특성을 충실히 반영할 수 있는 방법론임을 확인하였다. 본 연구에서 제안된 방법은 여론조사를 넘어 의료 데이터 분석, 정책 연구, 마케팅 조사 등 복잡하고 대규모 데이터셋이 요구되는 다양한 분야에서 신뢰성과 효율성을 보장하는 정밀한 조사 설계를 가능하게 한다.
#Survey Sampling #Machine Learning #Multi-Stratified Sampling #Confidence Level Automation #PCA #K-Means

목차

요약
Abstract
1. 서론
2. 본론
3. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092335637