논문쓰기특강정리-Youtube 강의[LBC방송국] 1

* 논문주제 정하기
1) 너무 거창하게 생각마라
2) 너무 안일하게 생각마라
3) 하나의 주장을 하라

* 논문의 주제의 요건
. 타당성 : 논리적 근거를 가진것
. 독창성 : 새로울 것
. 기능성 : 결과를 낼 수 있는 것
. 유용성 : 시사점이 있는 것

*  주제를 잡는 요령 - 비빌 언덕에 비벼라
. 잘 아는 분야의 무언가를 개선
. 다른 논문에 1% 숟가락 얹기
. 선호 기법 + 최신 주제
. 최신 기법 + 기존 주제

* 하나의 메시지
? 당신의 논문은 어떤 논문입니까? 한문장으로 말해보세요
" 어떤 통계 기법을 이용해서 교통사고 사고율을 낮출 수 있는 .. "

* 제목 정하기
. 특별함,유용성,기법,결과를 드러내면서 명확한 제목으로 지정
. 키워드( 나열 관계) > 차별성/도구 > 문제-해결 드러나게 > 조합(분장화) > 정제(명확히)
. "제목은 나중에 수정할 수도 있고 거의 수정해야한다."


댓글

댓글 쓰기

이 블로그의 인기 게시물

확률 및 통계 - 한양대학교 이상화 교수님 강의 정리 - 4 [확뷸변수의 평균과 분산]

이미지
확률 및 통계  - 한양대학교 이상화 교수님 강의 링크 ( http://www.kocw.net/home/search/kemView.do?kemId=1056974 ) $$f(x)=x^4$$ 123 $$\frac{-b\pm\sqrt{b^2-4ac}}{2a}$$ ### 확률변수의 평균과 분산 * 포아송 분포 . 포아송 분포를 활용하여 단위시간당 시스템의 접속자 처리량을 계산하여 5% 정도가 사용자가 몰릴수 있다는 것에 활용할 수 있다. . 일정한 시간동안 이벤트가 얼마나 발생하는지에 대한 모델은 포아송 분산으로 가정하고 진행한다. * 지수함수 . life Time 에 대한 개념 모델링에 주로 사용 $$f\left( x \right) \quad =\quad \lambda { e }^{ -\lambda x }\quad ,\quad x\ge 0\\ \quad \quad \quad \quad \quad \quad \quad 0\quad ,\quad x\quad <0$$ * Parametric probability density estimation . 평균과 관련된 파라미터 \(\lambda \) 를 활용하여 여러가지 상황에 대해 모델링 할 수 있다. (ex : CDF , PDF , 포아송 분포 , 지수함수) * Moments of RV . \({ n }^{ th }\) - oder moment $$E[{ X }^{ n }]\quad =\quad \sum _{ i }^{  }{ { x }_{ i }P({ x }_{ i })\quad -\quad dicrete } \\ \quad \quad \quad \quad \quad =\quad \int _{ -\infty  }^{ \infty  }{ { x }^{ n }{ f }_{ x }(x){ d }_{ x } } \quad -\quad continuous$$ $$n\quad =\quad 1\quad =>\quad mean\quad =...
자세한 내용 보기

확률 및 통계 - 한양대학교 이상화 교수님 강의 정리 - 5 [조건부 평균]

복습 $$E[X]\quad =\quad \sum { { x }_{ i }P({ x }_{ i }) } \quad -\quad discreate\\ \quad =\quad \int _{ \infty  }^{ -\infty  }{ x{ f }_{ x }(x){ d }_{ x } } \quad -\quad continuous$$ E[{ (x-\mu  })^{ 2 }]\quad =\quad E[{ X }^{ 2 }]\quad -\quad { \mu  }^{ 2 } * Geometric distribution . RV K : # of trials until the 1st success ex) 주사위 6 나올때 까지 몇번 던지나 $${ P }_{ K }(k)\quad =\quad { (1-P) }^{ k-1 }P\quad (k=1,2,3,4...)$$ . 0은 포함되지 않고 1부터이다. $$P(K>5)=\sum _{ k=6 }^{ \infty  }{ P{ (1-P) }^{ k-1 } } \\ P(K\le 5)={ F }_{ K }(5)=\sum _{ k=1 }^{ 5 }{ P{ (1-P) }^{ k-1 } } $$ . 평균 구하기 $$E[K]=\sum _{ k=1 }^{ \infty  }{ kP{ (1-P) }^{ k-1 } } =\frac { 1 }{ P }  $$ >> 평균이 \(\frac { 1 }{ P } \) 구나 >> 아래 유도공식 $$\sum _{ k=1 }^{ \infty  }{ { (1-P) }^{ k }=\frac { 1-P }{ P }  } \\ \frac { d }{ dP } =>\sum _{ k=1 }^{ \infty  }{ k{ (1-P) }^{ k-1 } } =-\frac { 1 }{ P } $$ . 분산구하기 $${ \sigma  }_{ K }^{ 2 }=E[{ K }^{ 2 }]-{...
자세한 내용 보기