- CASIO 공통
[fx-570][fx-350] STAT 통계 모드 진행 과정 (변수 분석, 회귀 분석 등 전반)
-
- 2025.09.23 - 14:40 2015.03.12 - 09:47 35957 21
1. 통계 변수 분석 (STAT) 모드란?
통계 계산 모드는 통계 데이터를 입력하는 것만으로, 각종 통계 결과를 쉽게 확인할 수 있는 모드입니다.
(350이나 570 등의) 기초형 계산기에서는 아주 기본적인 통계변수의 결과만 찾아줍니다.
* 국내 ES PLUS 계열에는 분포Distribution 기능이 빠져 있으니,
통계 목적으로는 fx-570EX 급을 구입하시는게 좋겠습니다. 결과 확인도 훨씬 수월합니다. fx-570 CW 도 비슷합니다.
(그래핑 계산기급 이상의) 고급형 계산기에서는 Graph / Plot / Datagram 등을 그려주는 기능이 있습니다.
2. 주의사항
- [fx-350]기종과 [fx-570]기종은 STAT 모드 진입 버튼이 다릅니다. 진입 후에는 차이가 없습니다.
예) 1-VAR(1변수분석)
[fx-570ES]는 【MODE】【3】【1】
[fx-570EX]는 【MENU】【6】【1】
[fx-350ES]는 【MODE】【2】【1】
이하, 본문은 [fx-570ES] 기종을 기준으로 설명되어 있으므로 감안하고 읽으시기 바랍니다.
- 모드가 변경되면 이미 입력한 데이터 값이 '초기화'될 수가 있습니다. 따라서 모드 변경시 주의하셔야 합니다.
예를 들어 【MODE】【3】【2】 로 선형회귀 결과를 확인하다가, 동일한 데이터로 다른 타입에 속하는 지수회귀 결과를 보려고 할 때, 【MODE】【3】【6】 을 누르면 선형회귀에서 입력해놓은 데이터가 다 날아갑니다. 따라서 【AC】 누른 후에 【SHIFT】【1】【1】 을 눌러서 STAT 모드 내부에서 Type만을 변경하여야 합니다.
- [MS] 기종은 [ES] 기종과 사용 방법이 약간 다를 수 있습니다. [EX] 기종도 마찬가지구요.
https://allcalc.org/8114
본문은 [ES] 기종을 기준으로 설명되어 있습니다.
3. 계산 진행 과정 (입력 순서)
계산기의 통계 모드는 처음 사용할 때 굉장히 복잡해 보일 수 있는데, 핵심과정만 구분할 수 있으면 하나도 어렵지 않습니다.
- TYPE 결정 【SHIFT】【1】 【1】
여러 통계 모드 중에서 어떤 (Type의) 기능을 사용할지 결정
https://allcalc.org/6167
* Type 은 통계 계산 과정 중 언제라도 변경할 수 있습니다. 이 때 DATA를 초기화할지 결정할 수 있습니다.
- DATA 입력/수정/확인【SHIFT】【1】 【2】
데이터를 입력하고 수정합니다.
입력한 데이터는 통계(STAT)모드 내에서 언제라도 수정 가능합니다.
모드 변경으로만 넘어가지 않으면 입력해 둔 DATA값이 초기화되지 않습니다.
- 결과 확인
【AC】 를 눌러서 통계 DATA 입력모드에서 나옵니다.
【SHIFT】【1】 을 눌러서 (Sum, Var 등의) 통계 변수값을 확인합니다.
(EX 기종은 【OPTN】 을 눌러서 통계 변수값을 확인합니다.)
4. 통계 분석 결과 (사용가능한 변수)
| Sum |
|
| Var |
|
| Reg |
|
※ 통계 모드에 따라 사용 가능한 변수 종류가 달라집니다.
-
25
댓글21
-
세상의모든계산기
예시 : 1-VAR(1변수 분석) [fx-570ES]
- 문제 : 데이터가 {1, 2, 3, 4, 5, 6} 일 때, 표본 표준편차를 구한다.
- 계산기 입력 :
【MODE】【3】【1】 : 1-VAR, DATA 입력 화면으로 이동
【1】【=】【2】【=】【중간생략】【6】【=】 : DATA 입력 완료
【AC】 : STAT 기본 화면으로 이동
【SHIFT】【1】【4】 Var : 원하는 통계 변수 선택 (문제에서는 표본의 표준편차)
【4】【=】 : sx (표본표준편차) 선택
- 결과의 확인
- 모표준편차와 표본표준편차를 구분하여 사용합니다.
- ∑x 나 ∑x² 와 같은 변수는 【SHIFT】【1】【3】 Sum 항목에서 찾아볼 수 있습니다.
- 문제 : 데이터가 {1, 2, 3, 4, 5, 6} 일 때, 표본 표준편차를 구한다.
-
세상의모든계산기
편차 제곱합(SSy) 구하는 방법
문제
회귀(REG) 계산에서 DATA를 입력하고,
y의 편차 제곱합 = ∑((yi-y바)²) 을 구하려 함.
(1 변수 DATA 라면 REG 모드로 갈 필요없이 1-VAR 에서 구하시면 됩니다.)방법 (택1)
- 표준편차를 이용
$ \sigma_x = \sqrt{\frac{SSX}{n}} $ 이기 때문 - 수정항(CT) 를 이용하여 구할 수 있음.
S = ∑ vi2 = ∑ ( xi - x )2
= ∑ (xi2 - 2 xi x + x2 )
= ∑ xi2 - 2 x ∑ xi + n x2
= ∑ xi2 - 2 ( ∑ xi ) / n × ∑ xi + n ( ∑ xi / n )2
= ∑ xi2 - ( ∑ xi )2 / nhttp://q-engineering.pe.kr/6_1.htm
- 표준편차를 이용
-
1
세상의모든계산기
SSx 예제
http://kin.naver.com/qna/detail.nhn?d1id=11&dirId=1131&docId=288088531
- 【MODE】【3】【1】 : 1-VAR 모드로 진입
- DATA 입력
입력 마쳤으면 【AC】
- 【SHIFT】【1】【4】【3】
【x²】【×】【5】
(변량이 5개로 많지 않으므로, n을 찾아서 입력하기 보다 숫자로 대입하는 편이 좋겠습니다.)
- 【MODE】【3】【1】 : 1-VAR 모드로 진입
- 1
- 1
- 1
-
1
세상의모든계산기
제가 정확한 답변을 드릴 수 없어서 ChatGPT-4o 의 답변을 대신 달아드립니다.
편차의 제곱합(SSX)을 계산할 때 모표준편차를 사용하는 이유와 표본표준편차를 사용하는 이유는 통계 분석의 맥락에 따라 다릅니다.
1. **모표준편차와 모분산**:
- 모표준편차(\(\sigma\))는 전체 모집단의 분산과 표준편차를 계산할 때 사용됩니다.
- 모표준편차를 사용할 때는 모집단의 모든 데이터를 알고 있는 경우에 해당하며, 모분산 \(\sigma^2\)를 이용하여 **SSX**를 계산할 수 있습니다:
\[
SSX = \sigma^2 \times n
\]
- 이 방법은 모집단 전체를 대상으로 하는 경우에 적용됩니다.2. **표본표준편차와 표본분산**:
- 표본표준편차(s)는 모집단의 일부인 표본에서 계산된 표준편차로, 표본의 데이터만 가지고 분석을 수행할 때 사용됩니다.
- 표본표준편차를 사용할 때는 표본의 분산을 구하는 데 필요하며, 표본의 분산 \(s^2\)를 사용하여 표본 데이터의 편차 제곱합을 계산할 수 있습니다:
\[
SSX = s^2 \times (n - 1)
\]
- 이 방법은 표본에서 모집단을 추정할 때 적합합니다.따라서, **모표준편차**를 사용하는 것은 모집단 전체를 대상으로 하는 경우이고, **표본표준편차**는 표본을 대상으로 하는 경우입니다. 분석의 맥락에 따라 적절한 값을 사용해야 합니다.
- 1
- 2
- 3
- 4
-
5
세상의모든계산기
현재 입력된 DATA Set
-----------------------------
DATA Set 으로 계산된 변량
1) 변량을 하나하나 확인하거나,
2) 변량을 이용해 계산을 하거나뭘 하더라도
이미 입력되어 있는 DATA Set 은 계속 남아 있습니다.따라서 현재 입력되어 있는 DATA는 언제라도 확인 가능합니다.
이미 입력된 DATA가 없어지는 것은,
1) 모드를 변경할 때
2) 리셋할 때 (Setup Data / Initialize All)
뿐입니다.
"계산기를 OFF 할 때 / 자동 OFF 될 때" 도 없어지는 줄 알았는데, fx-991EX 로 해보니 남아 있네요.
4단까지 댓글 가능 - 5
세상의모든계산기 님의 최근 댓글
뉴턴-랩슨 적분 방정식 시각화 v1.0 body { font-family: 'Pretendard', -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, Helvetica, Arial, sans-serif; display: flex; flex-direction: column; align-items: center; background: #f8f9fa; padding: 40px 20px; margin: 0; color: #333; } .container { background: white; padding: 40px; border-radius: 20px; box-shadow: 0 15px 35px rgba(0,0,0,0.08); max-width: 900px; width: 100%; } header { border-bottom: 2px solid #f1f3f4; margin-bottom: 30px; padding-bottom: 20px; } h1 { color: #1a73e8; margin: 0 0 10px 0; font-size: 1.8em; } p.subtitle { color: #5f6368; margin: 0; font-size: 1.1em; } .equation-box { background: #f1f3f4; padding: 15px; border-radius: 10px; text-align: center; margin-bottom: 30px; font-size: 1.3em; } canvas { border: 1px solid #e0e0e0; border-radius: 12px; background: #fff; width: 100%; height: auto; display: block; } .controls { margin-top: 30px; display: flex; gap: 15px; align-items: center; justify-content: center; flex-wrap: wrap; } button { padding: 12px 25px; border: none; border-radius: 8px; background: #1a73e8; color: white; cursor: pointer; font-weight: 600; font-size: 1em; transition: all 0.2s; box-shadow: 0 2px 5px rgba(26,115,232,0.3); } button:hover { background: #1557b0; transform: translateY(-1px); box-shadow: 0 4px 8px rgba(26,115,232,0.4); } button:active { transform: translateY(0); } button.secondary { background: #5f6368; box-shadow: 0 2px 5px rgba(0,0,0,0.2); } button.secondary:hover { background: #4a4e52; } .status-badge { background: #e8f0fe; color: #1967d2; padding: 8px 15px; border-radius: 20px; font-weight: bold; font-size: 0.9em; } .explanation { margin-top: 40px; padding: 25px; background: #fff8e1; border-left: 5px solid #ffc107; border-radius: 8px; line-height: 1.8; } .explanation h3 { margin-top: 0; color: #856404; } .math-symbol { font-family: 'Times New Roman', serif; font-style: italic; font-weight: bold; color: #d93025; } .code-snippet { background: #202124; color: #e8eaed; padding: 2px 6px; border-radius: 4px; font-family: monospace; } 📊 Newton-Raphson 적분 방정식 시뮬레이터 미분적분학의 기본 정리(FTC)를 이용한 수치해석 시각화 목표 방정식: ∫₀ᴬ (2√x) dx = 20 을 만족하는 A를 찾아라! 계산 시작 (A 추적) 초기화 현재 반복: 0회 💡 시각적 동작 원리 (Newton-Raphson & FTC) Step 1 (오차 측정): 현재 A까지 쌓인 파란색 면적이 목표치(20)와 얼마나 차이나는지 계산합니다. Step 2 (FTC의 마법): 면적의 변화율(미분)은 그 지점의 그래프 높이 f(A)와 같습니다. Step 3 (보정): 다음 A = 현재 A - (면적 오차 / 현재 높이) 공식을 사용하여 A를 이동시킵니다. 결론: 오차를 현재 높이로 나누면, 오차를 메우기 위해 필요한 가로 길이(ΔA)가 나옵니다. 이 과정을 반복하면 정답에 도달합니다! const canvas = document.getElementById('graphCanvas'); const ctx = canvas.getContext('2d'); const iterText = document.getElementById('iterText'); // 수학 설정 const targetArea = 20; const f = (x) => Math.sqrt(x) * 2; // 피적분 함수 f(x) = 2√x const F = (x) => (4/3) * Math.pow(x, 1.5); // 정적분 결과 F(x) = ∫ 2√x dx = 4/3 * x^(3/2) let A = 1.5; // 초기값 let iteration = 0; let animating = false; // 그래프 드로잉 설정 const scale = 50; const offsetX = 60; const offsetY = 380; function drawGrid() { ctx.strokeStyle = '#f1f3f4'; ctx.lineWidth = 1; ctx.beginPath(); for(let i=0; i 2026 04.11 참값 : A = ±2√5 근사값 : A≈±4.472135954999579392818347 2026 04.10 fx-570 ES 입력 결과 초기값 입력 반복 수식 입력 반복 결과 2026 04.10 파이썬 코드 검증 결과 초기값: 5.0 반복 1회차: 4.5000000000 반복 2회차: 4.4722222222 반복 3회차: 4.4721359558 반복 4회차: 4.4721359550 반복 5회차: 4.4721359550 초기값: 10.0 반복 1회차: 6.0000000000 반복 2회차: 4.6666666667 반복 3회차: 4.4761904762 반복 4회차: 4.4721377913 반복 5회차: 4.4721359550 2026 04.10 감사합니다. 주말 잘 보내세요. 2026 03.06