용왕산공주일기방

남자는 매력적인 여자에게 끌리지만, 여자의 매력이란 주관적인 것이고 상

2009-11-27T00:14:01Z

남자는 매력적인 여자에게 끌리지만, 여자의 매력이란 주관적인 것이고 상대적인 것이기 때문에 여자가 호감있는 남자의 마음을 사로잡으려면 자신의 매력을 최대한으로 발산하여 호감있는 남자에게 자신을 자주 노출시키는 것이 좋을 것입니다.
남자를 첫눈에 반하게 만들 정도의 매력을 지닌 여자는 그렇게 많지 않기 때문에 여자가 호감있는 남자를 매력으로 사로잡으려면, 자신을 자주 보게 만들어 호감있는 남자의 눈에 익숙해지게 만들어야 되기 때문이지요.

여자의 매력이 주관적이고 상대적이라는 것은 상식이지만, 여자는 여자의 매력이 주관적이고 상대적이라는 상식을 생각하지 못하여 자신의 매력을 지나치게 과신하거나, 자신의 매력에 자신감을 잃어버릴 때가 많습니다.

하지만 여자의 매력에 대한 상식이 있다면 자신감이 지나치게 넘치는 것도, 자신감이 지나치게 부족한 것도 좋지 않다는 사실을 알 수 있을 것입니다.

연애를 잘하는 여자는 여자가 어떤 행동을 할 때 남자에게 매력적으로 보이고, 남자가 어떤 여자를 좋아하는지 잘 아는 경우가 많은데, 한마디로 연애에 대한 상식이 많은 것이지요.

'아는 것이 힘'이라는 에머슨의 말처럼 여자가 여자의 매력에 대한 여러가지 상식들을 안다면, 호감있는 남자의 마음을 사로잡는데 큰 힘이 될 것입니다.

여자가 알면 힘이 되는 여자의 매력에 대한 10가지 상식을 살펴보겠습니다.

1. 여자의 매력지수는 자신감에 따라 달라진다.

여자는 자신이 좋아하는 남자를 만났을 때 긴장하여 자신감을 잃을 때가 많은데, 여자가 자신감을 잃으면 매력지수가 낮아질 때가 많아 매력이 있어도 매력이 없어 보일 수 있겠지요.

여자는 연애가 뜻대로 잘 안되면 자신의 매력에 자신감을 잃을 때가 많은데, 사실 여자의 매력은 주관적이고 상대적이기 때문에 자신감을 가지고 자신의 매력을 최대한으로 발산하는 것이 가장 중요하지요.

"대부분의 여자에게 가장 필요한 것은 성형수술이 아니라 자신감이다."

자신감은 최고의 성형수술이라는 말이 있습니다.

자신감이 넘치는 여자는 보톡스를 맞은 여자보다 더 매력적으로 보일 때가 많기 때이지요.

여자는 연애가 뜻대로 잘 안되면 자신감을 잃을 때가 많지만, 자신감을 잃으면 매력이 감소하는 경향이 있기 때문에 연애가 잘 안되도 실망하지 말고 자신감을 가지고 호감있는 남자에게 다가가야 될 것입니다.

2. 여자의 매력지수는 예쁘게 미소지을 때 높아진다.

자신감이 넘치는 여자의 예쁜 미소는 여자의 매력지수를 크게 높일 때가 많습니다.
반면에 매력적인 여자라도 미소를 짓지 않거나 무뚝뚝한 표정을 짓는다면, 매력이 크게 감소하여 매력적으로 보이지 않을 때가 많지요.

자신감이 넘치는 여자의 미소는 남자의 마음을 사로잡거나 남자에게 좋은 인상을 줄 때가 많습니다.

남자는 연인과 헤어진 후에 연인의 매력적인 미소를 떠올리면서 그리워 할 때가 많은데, 여자의 미소는 이처럼 남자의 마음에 깊이 새겨질 때가 많지요.

자신감이 넘치는 여자가 빵긋하고 미소지을 때 남자는 왠지 모르는 미소의 매력에 끌려 사랑에 빠질 때가 있지만, 자신감이 없는 여자는 보톡스를 맞아도 미소가 그다지 매력적이지 못한 경우가 많을 것입니다.

여자의 미소는 여자의 인상을 부드럽게 만들어 성형수술을 한 것보다 더 좋은 미용 효과가 있다고 합니다.

여자가 남자에게 매력적으로 보이고 싶다면, 예쁘게 미소짓는 습관을 가져야 되겠지요.

3. 여자의 매력지수는 남자의 눈에 익숙해졌을 때 높아진다.

여자가 매력적이라고 해도 남자를 첫눈에 반하게 만들기는 쉽지 않기 때문에 여자가 호감있는 남자의 마음을 사로잡으려면, 자신의 매력을 최대한으로 발산하여 호감있는 남자에게 자신을 자주 노출해야 될 것입니다.

매력적인 여자들은 자신의 매력을 지나치게 과신하여 호감있는 남자가 처음부터 자신에게 반하지 않으면 실망하여 포기할 때가 많은데, 여자의 매력은 눈에 어느 정도 익숙해져야 매력적으로 보일 때가 많다는 사실을 간과하면 안되겠지요.

학창시절 때 보면 학기 초반에는 남학생들이 "우리 반에 예쁜 여자가 하나도 없네."라고 말하다가 학기말이 되면 "우리 반에 예쁜 여자가 정말 많네."라고 말하는 경우가 많은데, 여자의 매력지수는 눈에 익숙해져야 높아지는 경우가 많기 때문이지요.

4. 여자의 매력지수는 지나치게 눈에 익숙해지면 감소한다.

여자의 매력지수는 남자의 눈에 익숙해지면 높아지는 것이 사실이지만, 지나치게 눈에 익숙해지면 실증이 나서 매력이 떨어져 보일 때가 많기 때문에 매력적인 여자라도 연인의 눈에 지나치게 익숙해지면 매력이 떨어져 보일 수 있겠지요.

남자는 연인이 대단히 매력적이라도 시간이 지나면 연인의 매력에 실증이 나서 권태기에 빠질 때가 많은데, 매력적인 여자들은 자신의 매력을 지나치게 과신하다 이러한 이유로 연인에게 뒤통수를 맞을 때가 많습니다.

그렇기 때문에 매력적인 여자라도 자신의 매력을 지나치게 과신하지 말고 연인과 어느 정도의 거리를 두고, 긴장감을 유지하면서 가끔은 새로운 매력을 보여주는 것이 좋을 것입니다.

5. 여자의 매력지수는 애교나 여성스러운 행동에 따라 달라진다.

여우같은 여자는 그다지 예쁘지 않아도 남자에게 인기있는 경우가 많은데, 그 비결은 애교를 잘 떨어 매력적으로 보이기 때문입니다.

여자가 예뻐도 여자답지 못한 말이나 행동을 하면 매력지수가 크게 떨어질 때가 많지만, 여자가 그다지 예쁘지 않아도 애교를 잘 떨고 '예쁜 짓'을 잘하면 매력지수가 크게 올라가 매력적으로 보일 때가 많습니다.

여우같은 여자가 남자들에게 인기가 많은 이유는 여우같은 여자는 교태스러운 애교와 앙증맞은 아양같은 '예쁜 짓'을 잘하기 때문인데, 여우같은 여자는 '예쁜 짓'을 통해서 남자의 마음을 사로잡을 때가 많지요.

6. 남자는 내숭을 잘 떠는 여자에게 매력을 느낄 때가 많다.

남자는 내숭을 잘 떠는 여자에게 끌릴 때가 많은데, 내숭을 잘 떠는 여자는 좋으면서도 관심없는 척하거나 괜히 수줍어 하거나 부끄러운 척하면서 왠지 모르게 남자의 마음을 끌 때가 많습니다.

남자는 여자가 수줍어 하거나 부끄러워 하는 모습에 끌릴 때가 많은데, 여자가 지나치게 솔직하여 수줍음을 타지 않으면 왠지 모르게 끌리지 않을 때가 많지요.

남자는 이상할 정도로 내숭을 잘 떠는 여자에게 끌릴 때가 많습니다.

여우같은 여자들은 이러한 사실을 잘 알기 때문에 일부러 수줍어 하거나 부끄러운 척하면서 남자의 마음을 사로잡을 때가 많지요.

7. 여자의 매력은 상대적이다.

여자의 매력은 상대적이라서 모든 남자에게 매력적으로 보이기는 어려울 것입니다.

매력적인 여자는 세상의 모든 남자의 마음을 사로잡을 수 있을 것이라는 착각에 빠질 때가 있지만, 여자의 매력에 대한 남자의 관점은 남자마다 다르기 때문에 여자가 아무리 매력적이라고 해도 모든 남자에게 매력적으로 보일 수는 없겠지요.

자신의 매력을 지나치게 과신하는 여자들은 자신이 짝사랑하는 남자가 언젠가는 자신을 사랑하게 될 것이라는 착각으로 오랫동안 짝사랑에 대한 미련을 버리지 못할 때가 많은데, 여자의 매력은 상대적이라는 사실을 잊으면 안되겠지요.

8. 여자의 매력은 주관적이라서 정이 들면 매력적으로 보일 수 있다.

여자의 매력은 주관적이기 때문에 여자가 그다지 매력적이지 않다고 해도 정이 들거나 사랑하게 되면 대단히 매력적으로 보일 수도 있습니다.

남자는 사랑에 빠지면 자신이 사랑하는 여자가 세상에서 가장 매력적이고, 세상에서 가장 아름답게 느껴질 때가 있으니까요.

그렇기 때문에 예쁘지 않은 여자도 호감있는 남자가 자신에게 깊은 정이 들게 만든다면 호감있는 남자의 마음을 사로잡을 수도 있겠지요.

9. 여자의 매력지수는 화장이나 패션에 영향을 받는다.

여자의 매력은 화장이나 패션에 큰 영향을 받을 때가 많기 때문에 여자의 외모가 그다지 뛰어나지 않아도 화장을 잘하거나 패션 감각이 뛰어나면 매력적으로 보일 수도 있을 것입니다.

화장이나 패션이 여자의 매력에 미치는 영향은 한계가 있어 제한적인 것이 사실이지만, 화장이나 패션도 잘 활용하면 호감있는 남자의 마음을 사로잡는데 큰 도움이 될 수 있겠지요.

10. 여자가 매력적이라도 신비감을 잃으면 매력이 크게 감소한다.

여자가 매력적이라도 남자가 여자에 대한 신비감을 잃으면 매력이 크게 감소할 수 있습니다.

남자는 여자에 대해서 신비감이나 환상을 가지는 경향이 있기 때문이지요.

남자는 연인의 육체적인 아름다움에 대한 신비감이나 환상이 깨졌을 때 권태기에 빠지면서 다른 여자에게 한눈 팔 때가 많기 때문에 여자가 연인의 변함없는 사랑을 받으려면 어느 정도의 거리를 두어 신비감을 유지하는 것이 좋을 것입니다.

어르신들과함께

2009-11-27T00:00:38Z

조건부 확률과 Naive Bayes Classifier

2009-11-26T23:41:54Z

예를 들어,
설문 조사 결과 모든 소비자를 놓고 봤을 때 냉면을 좋아할 확률이 70%라고 하는데, 전체가 아니라 남자가 냉면을 좋아할 확률이 궁금해 졌다.
"남자의 경우 냉면을 좋아할 확률은?"

비슷한 예로,
"한국인의 경우 키가 180 이상일 확률은?"
"두산 베어스가 9회에 지고 있는 상황에서 경기에 이길 확률은?"
이렇게, 그냥 확률이 아니라, 어떤 조건하에서, 어떤 경우, 어떤 상황이 주어진(given이라고 읽는다) 상태에서의 확률이 조건부 확률(Conditional Probability)이다. 그리고, 식으로는

P(냉면이좋아 | 남자)

이렇게 쓴다.

통계 기반 언어처리에서 이 조건부 확률은 무수히 많이 쓰인다.
예를 들어, 문서 분류기(Document Classifier)에서는 다음과 같은 조건부 확률이 쓰인다.
문서에 구글, 야후라는 단어가 나타난 경우 그 문서의 카테고리가 IT일 확률은? 식으로는

P(Category=IT | 구글, 야후)

자, 그럼 본격적으로 저 확률을 계산을 해보겠다.
조건부 확률의 정의에 의해서,

P(Category=IT | 구글, 야후) = P(Category=IT, 구글, 야후) / P(구글, 야후)

이다.
식에서 분자 부분을 읽어보면, Category=IT이고, 구글, 야후 라는 단어가 나올 확률이다. 용어로는 Joint Probability라고 한다. 우리말로는 잘 모르겠다. -.-;;
난 사실 이 부분을 맨 처음 들었을 때, 조건부 확률과 Joint 확률의 의미 차이가 정말 마음에 와 닿지 않았다.

A가 주어진 경우, B이고 C일 확률(조건부 확률) 이랑,

A이고 B이고 C일 확률(Joint 확률) 이랑

뭐가 달라?

그런데, 저 위의 조건부 확률의 정의, 즉, 계산 방법을 곱씹어 보면 의미 차이가 조금씩 와 닿는다.
만일 전체 샘플이 1000개라고 하면, 1000개중에서 카테고리가 IT이고, 구글이랑 야후라는 단어가 나타나는 문서가 5개가 있다면 P(Category=IT, 구글, 야후) = 5/1000 = 0.005 이다.
만일 전체 샘플이 1000개 인데 그중에 야후, 구글이라는 단어가 나타나는 문서가 10개이고, 10개중에 카테고리가 IT인 문서가 5개 라면, P(Category=IT | 구글, 야후) = 5 / 10 = 0.5 이다.
구글, 야후가 나온 문서로 한정 지으면 카테고리가 IT일 확률은 0.5라는 얘기다. 참 쉽다. 정말?

자자, 이제 진짜 문서 분류 얘기를 해보자. 진짜 문서에 구글, 야후 처럼 달랑 두 단어 있는 문서를 만나는 행운이 과연얼마나 있을까? 실상은 이렇다.

P(Category=IT | 구글, 야후, 네이버, 다음, ... 그외 수백 단어)

조건부 확률의 정의에 의해

P(Category=IT | 구글, 야후, 네이버, 다음, ... 그외 수백 단어)
= P(Category=IT, 구글, 야후, 네이버, 다음... 그외 수백 단어) / P(구글, 야후, 네이버, 다음, ... 그외 수백 단어)

말로 풀자면 이렇다. 우린 지금, 문서에 구글, 야후, 네이버, 다음, ... 그외 수백 단어가 나타난 상황하에서 문서의 카테고리가 IT인 확률을 알고 싶다. 정의에 의해서 샘플 중에서 구글, 야후, 네이버, 다음, ... 그외 수백단어가 똑같이 나온 문서들 중에서, 카테고리가 IT인 문서를 세보면 조건부 확률을 구할 수 있다.
그런데 과연, 샘플에 구글, 야후, 네이버, 다음, ... 그외 수백단어가 똑같이 나온 문서가 1개는 있을까? 있는게 이상하다. 결론! 조건부 확률 정의 식은 무용지물이다.

이 시점에서 어디서 주워들은 독립가정을 들이 미는 사람이 있을 법하다. 그러니까, 정의식의 분자에 독립가정을 적용하면, 즉, '각 단어의 출현은 서로 아무 인과 관계가 없어' 라고 가정하면, 각 단어 출현 확률의 곱으로 바꿀 수 있다 뭐 이런거 말이다. 그렇게 해볼까?

P(Category=IT | 구글, 야후, 네이버, 다음, ... 그외 수백 단어)

= P(Category=IT, 구글, 야후, 네이버, 다음... 그외 수백 단어) / P(구글, 야후, 네이버, 다음, ... 그외 수백 단어)
= P(Category = IT) x P(구글) x P(야후) x P(네이버) x P(다음) x P(... 그외 수백 단어) / P(구글) x P(야후) x P(네이버) x P(다음) x P(... 그외 수백 단어)
= 약분하면 --> P(Category = IT)

결론 : P(Category=IT | 구글, 야후, 네이버, 다음, ... 그외 수백 단어) = P(Category = IT) --> 조건이 있으나 없으나 확률은 똑같다는 모순에 도달!

응? 결국 저 독립가정의 결론은 수백 단어가 나오든 수천 단어가 나오든 '카테고리가 IT일 확률은 그냥 카테고리가 IT일 확률이다.' 라는 가정을 해버렸다는 뜻이다. 이 가정은 옳지 않다. 문맥을 보고 카테고리를 결정하려고 하는게 애초의 목적이니까.

그래서, 필요한게 Bayesian Rule이다. Bayesian Rule에 의하면

P(Category=IT | 구글, 야후, 네이버, 다음, ... 그외 수백 단어)
= P(Category=IT) x P(구글, 야후, 네이버, 다음, ..., 그외 수백 단어 | Category=IT) / P(구글) x P(야후) x P(네이버) x P(다음) x P(... 그외 수백 단어)

로 쓸 수 있다. 여기서 두번째 확률
P(구글, 야후, 네이버, 다음, ..., 그외 수백 단어 | Category=IT) 은 구할 수 있나? 즉, 샘플에서 Category=IT인 문서들 중에서 구글, 야후, 네이버, 다음, ..., 그외 수백 단어가 똑같이 나오는 문서는 몇개? 역시나 샘플에는 수백개의 단어가 똑같이 나오는 문서는 없을 것이니 이거 역시 불가!
하지만, 여기서 저 위에서 처럼 어설프지 않은 제대로 된 독립가정을 할 수 있는데 이름하여 '조건부 독립(Conditional Independence)' 가정이다. 말로 풀어 쓰자면 이렇다.
Category가 IT인 조건 아래에서는 구글, 야후, 네이버, 다음, 그외 수백 단어의 출현은 독립적인 사건이라고 가정한다. 이걸 식으로 쓰면

이다. P(구글|Category=IT) 는 샘플에서 (구글이란 단어가 있는 문서 수 / 카테고리가 IT인 문서 수)로 확률을 구하면 된다.

최종적으로 Naive Bayes Classifier는 이런 확률 계산을 모든 카테고리에 대해서 해본 다음 확률이 제일 높은 카테고리를 선택하게 된다. 마지막 정리는 뽀대나게 수식 편집기로.
세번째 줄에서 네번째 줄로 넘어 갈때 분모가 사라진 이유는 여기서는 argmax 카테고리 c를 구하는게 목적이므로, 모든 카테고리에서 같은 값인 분모는 생략해 버린 것이다.

P(A|B) = P(B|A)P(A)/P(B)

2009-11-26T23:39:32Z

P(A|B) = P(B|A)P(A)/P(B)

여기에서
P(A|B) - 사건B가 발생한 상태에서 사건A가 발생할 조건부 확률
P(B|A) - 사건A가 발생한 상태에서 사건B가 발생할 조건부 확률
P(A) - 사건A가 발생할 확률, B에 대한 어떠한 정보도 없는 상태에서 A가 발생할 확률
P(B) - 사건B가 발생할 확률, A에 대한 어떠한 정보도 없는 상태에서 B가 발생할 확률

간단하게 공식이 어떻게 유도되는 지 보자.

P(B|A) = P(A^B)/P(A) 이므로
P(A^B) = P(B|A)P(A)라고 쓸 수 있다.

따라서
P(A|B) = P(A^B)/P(B) = P(B|A)P(A)/P(B)

벤다이어그램을 통하여 정리자체를 이해하는 건 참 쉬워보인다.
그럼 이제 예제를 공부하여 확실하게 알아두자.

예제1) 하얀별사탕, 분홍별사탕

건빵 2봉지를 샀다. 그래서 별사탕도 2봉지다. 첫번째 봉지에는 하얀별사탕이 10개, 분홍별사탕이 30개 들었고, 두번째 봉지에는 각각 20개씩 들었다. 두봉지의 별사탕을 하나의 접시에 담고, 눈을 감은채 별사탕하나를 집어들었다. 눈을 뜨고 집어든 별사탕을 지그시 살펴보니 분홍별사탕이다. 이 별사탕이 첫번째 봉지에서 나왔을 확률은?

별사탕이 40개씩 들었다는게 알려지면 엄청 잘팔리겠군.
음... 첫번째봉지에 분홍별사탕이 더 많이 있었으니,
아무리못해도 50%이상의 확률이 나와야 한다.

풀어보자. 일단 문제를 확률적으로 표현해보면 아래와 같다.
P(첫번째봉지|분홍별사탕) = P(분홍별사탕|첫번째봉지)P(첫번째봉지)/P(분홍별사탕)

P(분홍별사탕|첫번째봉지) = 30/40
P(첫번째봉지) = 40/80
P(분홍별사탕) = 50/80

각각의 확률을 적용하면,
P(첫번째봉지|분홍별사탕) = (30/40) * (40/80) / (50/80)
= (30 * 40 * 80) / (40 * 80 * 50) = 30/50 = 60/100 = 60%

따라서, 답은 60%이다.

예제2) 불량 노트북 공장

두개의 노트북 조립라인을 가진 공장에서 생산된 1000대씩의 노트북들을 같은 화물 창고에 쌓아 놓았다. 각각의 조립라인을 정밀하게 조사하여, 1번 조립라인에서 생산된 노트북의 10%가 불량이고, 2번 조립라인에서 생산된 노트북의 15%가 불량임을 알았다. 화물 창고의 노트북을 하나꺼내 조사한 결과 불량이었을 때, 이 노트북이 1번 조립라인에서 생산되었을 확률은?

P(1|불량) = P(불량|1)P(1)/P(불량)

= P(불량|1)P(1)
P(불량|1)P(1) + P(불량|2)P(2)

P(1) = P(2) 이므로 분자와 분모에서 P(1),P(2)를 제거하고
값을 대입하면

P(1|불량) = 0.1 / (0.1 + 0.15) = 0.4

답은 40%

예제3) 99% 폐암진단시약

우리나라 충청,전북 등 자연적으로 우랴늄 함량이 높은 지역 일부에서 평생 1백명 가운데 1명이 폐암에 걸려 사망할 위험이 있는 등 라돈 농도가 위험수위인 것으로 밝혀졌다. 해당지역 주민한명이 폐암을 99% 진단하는 시약으로 진단한 결과 폐암 양성반응을 확인했을 경우, 이 주민이 실제로 폐암에 걸렸을 확률은?

가정이 많이 필요한 문제로군.
먼저, 흡연자 비흡연자 성별, 직업 등 다른 모든 조건은 별개로 하고
해당지역주민이 폐암에 걸릴 확률은 1%라고 하자.

(음... 폐암에 걸려 사망한 사람을 전체주민에서 빼게되면,
문제가 복잡해진다. 폐암에 걸려도 사망하지 않는다고 하고)
문제를 좀 더 간단히 해서 전체주민의 1%가 폐암환자라고 하자.

99% 진단이라는 건 무슨 뜻일까?
알려진 폐암환자 100명을 대상으로 했을 때 99명을 양성으로 판정하고,
알려진 정상인 100명을 대상으로 했을 때 1명을 양성으로 판정한다고 보면 되겠군.

풀어보자. 문제를 확률적으로 표현해보면 아래와 같다.

P(폐암|양성) = P(양성|폐암)P(폐암)/P(양성)

P(양성|폐암) = 99/100
P(폐암) = 1/100
P(양성) = ??? 여기서 한번 생각을 해야하는군...

모든 주민을 대상으로 진단했을 때 양성반응이 나올 확률은?
(주민은 99%의 정상인과 1%의 폐암환자로 구성됨을 기억하자)
P(양성) = P(양성|정상)P(정상) + P(양성|폐암)P(폐암)
= (1/100)*(99/100) + (99/100)*(1/100) = 198/10000
따라서 대략2%정도가 된다

여기서 잠깐! 베이스의 정리의 형태를 조금 수정해보자.
베이스의 정리에서 P(B) = P(B|A)P(A) + P(B|~A)P(~A) 로 쓸 수 있으므로

P(A|B) = P(B|A)P(A)/P(B)

= P(B|A)P(A)
P(B|A)P(A) + P(B|~A)P(~A)

공식의 새로운 형태는 P(B)의 계산을 아예 공식에 적용한 것이다.

이제, 각각의 확률을 적용하면,
P(폐암|양성) = (99/100) * (1/100) / (198/10000) = 1/2 = 50%

따라서, 답은 50%이다. 양성반응이 나와도 조금만 겁먹자.
확률은 반반이니까...

예제4) 두명의 자식

전경헌씨에게는 두명의 자식이 있다. 한명이 아들이라는 것만 알고 있을 때, 다른 한명이 아들일 확률은?

음... 실제 전경헌씨한테 사랑스런 아들이 둘 있다는 것을
알고 있는 상태에서 문제를 풀어야 하는 게 좀 그렇군.

내가 모르는 동명이인이라고 하고, 문제를 풀어보자.

복잡한 확률 계산이전에 상식수준에서 문제를 보면
전씨가 두명의 자식을 낳았을 경우 동일한 확률의 4가지 경우가 있다
첫째가 아들,둘째도 아들
첫째가 아들,둘째는 딸
첫째가 딸,둘째는 아들
첫째가 딸,둘째도 딸
이제 한명이 아들이라는 정보를 알고 있으므로 4번째 경우는 제거된다.
(아들,아들), (아들,딸), (딸,아들)의 3가지 경우에서 한명이 아들일 경우
나머지 한명이 아들인 경우는 (아들,아들) 1경우 이므로 답은 1/3 = 33.33..%

베이스정리를 이용하여 문제를 풀어보자.
P(둘다아들|한명이아들) = P(한명이아들|둘다아들)P(둘다아들)/P(한명이아들)

P(한명이아들|둘다아들) = 1
P(둘다아들) = 1/4
P(한명이아들) = 3/4
이 값을 원식에 대입하면

P(둘다아들|한명이아들) = 1 * (1/4) * (4/3) = 1/3
그러므로 답은 1/3 = 33.33..% 이다.

이 문제를 확률이 반반인 다양한 경우로 변형할 수 있다.

동전2개를 던져서 한면이 앞면임을 알았을 때
다른 한면이 앞면일 확률은?

주사위 두개를 던져서 하나가 홀수임을 알았을 때
다른 하나도 홀수일 확률은?

예제5) 전자회로 스위치

아래 그림처럼 전류가 a에서 b로 흐르도록 회로를 구성하였다.

즉, 2개의 스위치 1,2중 하나만 on 되면 전류가 흐르는 병렬회로이다. 스위치가 불량일 확률이 10%라고 하자. 만약 두개의 스위치를 모두 켰을 때 전류가 흘렀다면, 1번 스위치가 정상일 확률은?

스위치가 정상이라면 켰을 때 전류가 흐르는 것이고, 불량이라고하면 켰을 때도 전류가 흐르지 않는다고 봐야겠군.

스위치 1이 정상일 확률을 P(1)이라하면 문제에서 P(1) = 0.9 이고,
병렬회로이므로 전류가 흐를 확률 P(전류) 는 1 - (0.1)(0.1) = 0.99 이다.

베이스정리에 의하여,

P(1|전류) = P(전류|1)P(1)/P(전류) 이므로
= 1 * 0.9 / 0.99 = 0.909... = 90.91 %

병렬회로에서 전류가 흘렀음을 알고 있다고 해도 정상일 확률은 단1%도 안 올라간다.
답은 대략 90.91%이다.

위 그림처럼 스위치를 하나 더 붙여서 회로를 구성하였고, 스위치를 모두 on 시켰을 때 a에서 b로 전류가 흘렀음을 확인하였다면 이 경우 스위치 1이 정상일 확률은?

예제6) 범죄현장의 DNA

살인사건의 용의자 3명이 잡혔다. 이중에 한명의 소행임이 분명하나, 세명다 범행을 완강히 부인하고 있어 진범을 못찾고 있는 가운데 국과수에서 연락이 왔다. 범죄현장에서 살인자의 것으로 추정되는 DNA가 발견됐고 용의자중 1명의 DNA와 일치한다고 하며, 이런 일치는 100만명중 1명꼴이라고 한다. 해당 용의자가 진범일 확률은?

잡혔는데도 자백안하다니 일도이부삼백사전을 아는 놈 아닌가? 나쁜 놈.
어째튼 문제를 풀자.

P(진범|일치) = P(일치|진범)P(진범)/P(일치)

P(일치|진범) = (10**6 - 1)/10**6
P(진범) = 1/3, (용의자 3명중 한명이므로)
P(일치) = ??? 그러고보니 항상 이게 쉽지 않군...

P(일치) = P(일치^진범) + P(일치^무죄)
= P(일치|진범)P(진범) + P(일치|무죄)P(무죄)
= ((10**6 - 1)/10**6)*(1/3) + (1/10**6)*(2/3)
= (10**6 + 1) / 3 * 10**6

좀 복잡해 보이긴 한데... 대입해보자
P(진범|일치) = (10**6-1)/10**6 * 1/3 * 3*10**6 /(10**6 + 1)
= (10**6 - 1)/(10**6 + 1) = 0.999998...

그렇군, 99.9998%이상의 확률로 범인이군.
빽이나 돈써서 빠져나가지 못하기를...

문제를 푸는 김에 조금 더 해보자. 이 사건이 서울에서 발생했고,
서울시민이 딱 1000만이며 서울시민만이 이 사건에 관계된다고 하자.
용의자가 한명도 없는 상태에서 지하철로 집에가는 당신을 붙잡아
DNA검사를 했는 데 우연히도 일치 했다면 당신이 범인일 확률은?

얼라리요? 애거사크리스티의 추리소설 분위기네...
내가 범인으로 몰리는 불상사가 생길 수도 있군...

P(당신|일치) = P(일치|당신)P(당신)/P(일치)

P(일치|당신) = (백만 - 1)/백만, 이것은 변함없고
P(당신) = 1/천만, (천만 서울시민중 한명이므로)
P(일치) = P(일치^진범) + P(일치^무죄)
= P(일치|진범)P(진범) + P(일치|무죄)P(무죄)
= ((백만 - 1)/백만)*(1/천만) + (1/백만)*((천만-1)/천만)
= (천만 + 백만 - 2) / (백만*천만)

대입해서 계산해보자.
P(진범|일치) = (백만 - 1)/(천만 + 백만 - 2) = 999999/10999998 = 0.0909...

그렇다면, 대략 9.1%의 확률로 당신이 범인일 수 있겠군요.

대충 생각해도 백만분의 1의 일치도에 천만명이라면
10명은 일치한다는 뜻이니, 그 10명중 1명이라면 범인인 확률은 10% 정도겠군

예제7) 몬티 홀(Monty Hall)

빨강,노랑,파랑 3개의 문이 있다. 이중 하나에만 상품이 있다. 당신은 단 하나의 문만 열 수 있고, 열어서 상품이 있다면 당신 것이다. 당신이 빨강문을 가르켰다. 어느 문에 상품이 들어있는 지 알고 있는 사회자가 노랑문을 열어보이며 상품이 없음을 보여준다. 당신은 선택을 바꿔 파랑문을 선택할 것인가? 아니면 그대로 빨강문을 고수할 것인가? 확률적으로 어느쪽이 유리할까?

이런 쑈에 나가보는 것도 재미있겠다.
상품으로는 우주여행 티켓을 받으면 좋겠군.

먼저 아무런 정보없이 당신이 골랐던 빨간 문에 상품이 있을 확률은?
셋중에 하나이므로 1/3 대략 33% 이다.

그렇다면, 사회자가 노랑문에 상품이 없음을 보여준 후에
파랑으로 선택을 바꾸었을 경우는?
그냥 생각해도 둘중에 하나니까 1/2 인데,
계산으로도 그렇게 나올까?

P(파랑O|노랑X) = P(노랑X|파랑O)P(파랑O)/P(노랑X)

P(노랑X|파랑O) = 1
P(파랑O) = 1/3
P(노랑X) = 2/3

따라서,
P(파랑O|노랑X) = 1 * (1/3) / (2/3) = 1/2 = 50% 이고,

결론적으로, 대충생각하나 계산해보나, 파랑으로 갈아타는 게 더 유리하다고 할 수 있겠다.

확신이 안든다고? 그렇다면 문이 100개 있을 때를 생각해보자.
먼저 아무런 정보도 없는 상태에서 당신이 그중 871번째 문을 선택했다.
이때 여기에 상품이 있을 확률은 1/100 즉 1% 이다. 그렇죠?
이제 사회자가 나머지 99개의 문중에서 상품이 없는 98개의 문을 열어 보여준 뒤
나머지 하나 남은 172번째 문으로 바꿀 수 있는 기회를 준다.
아직도 첫번째 선택을 계속 유지하고 싶은가?

P(172번O|98개X) = P(98개X|172번O)P(172번O)/P(98개X)

P(98개X|172번O) = 1
P(172번O) = 1/100
P(98개X) = 172번과 871번을 제외한 98개의 문이 모두 X일 확률
= 172번 또는 871번이 O일 확률 = 2/100

값을 적용해보면

P(172번O|98개X) = 1 * (1/100) * (100/2) = 1/2 = 50%

따라서 어째튼 몬티홀에서는 선택을 바꾸도록 하여라.

몬티홀 문제에 대한 개인적인 견해

몬티홀문제에 대해서는 여러가지 논쟁거리가 있지만,
나는 내가 계산한 조건부확률이 맞지 않다고 생각하는 사람중에 한명이다.

나의 상식적인 의견을 설명해 보자면 아래와 같다.

먼저, 문이 3개일 경우, 빨간문을 선택했다면 확률이 1/3이다.
이제 생각을 바꿔 빨간문이 아닐 확률을 따지면 2/3가 된다.
이때 노란문에는 상품이 없다는 것을 보여 줬다면
내가 보기에는 파란문에 상품이 있을 확률이 2/3 이다.

문이 100개 있는 경우에도, 마음속으로 상품이 없을만한 문을 하나 고른다.
1/100의 확률이니 아무 문이나 선택해도 마찬가지일 것이다.
871번째 문에 상품이 없다고 생각하면서 871번째 문을 선택한다.
나머지 문 중 하나에 상품이 있을 확률은 99/100 이다.
이제 172번 문을 제외한 모든 문을 열어 상품이 없음을 보여 줬다면
나는 172번에 상품이 있을 확률은 여전히 99/100 이라고 본다.
처음부터 나는 상품이 있는 문을 99/100의 확률로 고른 것이다.

몬티홀 문제 만큼은 내 상식에 의존하여 문제를 푸는 게 맞는 것 같다.

정확히 말하자면 위의 조건부확률을 이용한 풀이는 그럴듯해보이나 틀렸다.
상식이 맞다. 왜 일까?

노랑문에 상품이 없음을 알고 나서 상품을 다시 섞는 게 아니라.
상품은 원래 위치에 그대로 있다.
상품을 다시 섞는다면 위의 조건부확률이 정확하다고 하겠지만
그렇지 않다면 경우의 수를 세어서 문제를 풀어야 한다.

좋은 풀이는 [위키피디아의 몬티 홀 문제]를 참조한다.

예제8) 스팸 필터

겨울연가를 성공적으로 마친 배용준씨는 인기만큼 스팸메일도 많이 받는 편이다. 지금까지 배용준씨가 받은 이메일의 80%는 스팸메일이었다. 메일의 단어들을 조사해보니 95%의 스팸메일에서 '대출'을 볼 수 있고, 정상메일의 2%에서도 '대출'을 볼 수 있었다. 방금전 받은 메일에 '대출'이라는 단어가 들어있을 경우 이 메일이 스팸일 확률은?

앞서 예제들을 다 풀어봤다면 매우 단순한 문제다.
먼저 수식화를 하자.

P(스팸|대출) = P(대출|스팸)P(스팸)/P(대출)

이제 각각의 값을 구하고

P(대출|스팸) = 0.95
P(스팸) = 0.80
P(대출) = P(대출|스팸)P(스팸) + P(대출|정상)P(정상)
=0.95 * 0.80 + 0.02 * 0.20 = 0.764

원식에 대입하면,

P(스팸|대출) = 0.95 * 0.80 / 0.764 = 99.5%

답은 99.5% 이다.

'대출'이 들어간 모든 메일을 스팸이라고 처리한다면,
정상메일의 2%는 스팸으로 분류되겠군요.(false positive)

파이썬으로된 오픈소스 베이지안 스팸필터 소스는 아래에서 받으실 수 있습니다.
Bayesian anti-spam classifier written in Python.

예제9) 스팸 필터 #2

2008년7월 은퇴할 모든 준비를 마친 빌게이츠(Bill Gates)씨는 남는 건 시간뿐이라서 자신이 지난 한달간 전세계로 부터 받은 10만통의 메일을 하나씩 조사해보았다. 조사 결과는 아래와 같다.

. 전체 메일의 70%가 스팸메일이다.
. 스팸메일의 90%는 단어 'click'을 포함하고 있다.
. 스팸메일의 80%는 단어 'teens'를 포함하고 있다.
. 정상메일의 20%는 단어 'click'을 포함하고 있다.
. 정상메일의 5%는 단어 'teens'를 포함하고 있다.

만약 새로운 메일이 click과 teens만을 포함하고 있다고 할때, 빌게이츠씨가 지난 한달간의 메일로 학습시킨 베이지안 스팸필터를 통하여 스팸이라고 판단할 확률은?

'큰 부는 사회에 되돌려 줄 큰 책임이 따르며, 또 최선의 방식으로 돌려줘야 한다'
빌게이츠가 자신의 말대로만 한다면 그는 노벨만큼 역사에 남을 정말로 멋쟁이 부자.

자~ 베이스의 정리에 맞게 수식을 적어보자.

P(스팸|click&teens) = P(click&teens|스팸)P(스팸)/P(click&teens)

=       P(click&teens|스팸)P(스팸)
   P(click&teens|스팸)P(스팸) + P(click&teens|~스팸)P(~스팸)

읔... 여기서 문제가 발생했다.

P(click&teens|스팸) 이걸 어떻게 구하지?
P(click|스팸)과 P(teens|스팸)은 주어졌는데...
그걸로 P(click&teens|스팸)을 구할 수 있을까?

이를 위해서는 한가지 커다란 가정을 해야한다.

두 단어 click과 teens는 서로 아무런 관계 없이 독립적으로 나타난다고 하자.

이 가정을 이용하면,

P(click&teens|스팸) = P(click|스팸)P(teens|스팸)

이라고 쓸 수 있다.

   P(click&teens|스팸)P(스팸)
   P(click&teens|스팸)P(스팸) + P(click&teens|~스팸)P(~스팸)

=       P(click|스팸)P(teens|스팸)P(스팸)
   P(click|스팸)P(teens|스팸)P(스팸) + P(click|~스팸)P(teens|~스팸)P(~스팸)

이제 값을 적용할 수 있는 수식을 만들어 냈으므로 값을 대입하면,

=    0.9 * 0.8 * 0.7
0.9 * 0.8 * 0.7 + 0.2 * 0.05 * 0.3

=99.41...%

따라서 답은 대략 99.41%이다.

예제10) 스팸 필터 #3

폴 그레이엄(Paul Graham)씨는 벤처기업 Viaweb을 창업하여 부자가 되긴 했지만 빌게이츠(Bill Gates)씨만큼의 돈과 시간을 가지진 않았기 때문에 자신의 전자메일함에 있는 모든 단어를 수작업으로 하나씩 검토하기 보다는 자신의 해커적 기질을 발휘한 간단한 리스프(lisp)프로그램을 작성하여 분석하기로 하였다.

폴그레이엄씨는 먼저 정상메일과 스팸메일에 각각에 대하여 등장하는 모든 단어에 대한 빈도수를 나타내는 해쉬테이블을 만들었다.

정상메일의 갯수를 ngood 라 하고,
정상메일에 대한 단어별 빈도수 해쉬테이블을 good 라 하자.
또한, 스팸메일의 갯수를 nbad 라 하고,
스팸메일에 대한 단어별 빈도수 해쉬테이블을 bad 라 하자.

그리고, 또 하나의 해쉬테이블을 만들어 특정한 단어가 포함된 이메일이 스팸일 확률을 담고 있도록 하였다. 이메일이 스팸일 확률은 아래 리스프 코드로 계산된다.

(let ((g (* 2 (or (gethash word good) 0)))
(b (or (gethash word bad) 0)))
   (unless (< (+ g b) 5)
   (max .01
(min .99 (float (/ (min 1 (/ b nbad))
   (+ (min 1 (/ g ngood))
(min 1 (/ b nbad)))))))))

이 세번째 해쉬테이블을 통하여 단어 '섹스'가 포함된 이메일이 스팸일 가능성이 97%이고 '섹시'가 포함된 이메일이 스팸일 가능성이 99%라고 했을 때, 두 단어를 모두 포함하고 있는 이메일이 스팸일 확률은?

폴그레이엄이 좋아하는 언어가 일반 프로그램들이 잘 모르는 리스프 코드라서 조금 설명이 필요할 것 같군. 리스프는 코드가 짧아서 좋긴 하지만, 상용제품이 너무 없고, 괄호가 너무 많아서, 초보자가 익숙해 지는데는 시간이 많이 필요할 것 같아.

let (g (* 2 (or (gethash word good) 0))) ...
g를 계산할 때 2를 곱해주는 것은 정상메일을 두번씩 수신한 효과가 있겠군. 다른 부작용은 없으니 일단 인정.

(unless (< (+ g b) 5) ...
단어의 등장횟수가 5번이상일 때만 확률을 따지게 했고,

(float (/ (min 1 (/ b nbad))
(+ (min 1 (/ g ngood))
(min 1 (/ b nbad)))))
위 코드를 수식으로 다시 쓰자면 아래와 같다.

   b/nbad
b/nbad + g/ngood

생김새는 베이지안처럼 보이는데, 살짝 다르다.
내가 간단히 계산해 본 바에 의하면, 베이지안에서 한가지 추가적인 가정
즉, n개의 이메일에 있는 단어갯수의 총합은 n**2에 비례한다를 해야만 한다.

폴그레이엄은 false positive를 피하기 위하여 이렇게 가정했다고 하는데,
선뜻 이해가 되지는 않지만, 그냥 폴그레이엄을 믿고 스팸일 확률을 따져보자.

폴 선생이 제시한 조합확률에 의하면 출현이 독립적인 단어들에 대하여
아래처럼 확률을 계산 할 수 있다는데...

P(스팸|섹스&섹시)
=    P(스팸|섹스)P(스팸|섹시)
P(스팸|섹스)P(스팸|섹시) + (1-P(스팸|섹스))(1-P(스팸|섹시))

허걱~ 지금까지 공부한 것과 영 다른 새로운 공식이다.
이 공식이 성립하기 위해서는 섹스와 섹시가 독립적이어야 한다는 독립조건외에도
황당하지만 P(스팸) = P(정상) 이라는 가정이 필요하다.
이 식에 대해서는 [팀 피터스의 공식분석]을 참조하기 바란다.

여기에 값을 대입하면,

= 0.97 * 0.99
0.97 * 0.99 + (1-0.97)(1-0.99)

= 99.97.. %

베이지안을 스팸탐지에 활용하는 것에 대한 폴그레이엄의 멋진 글은 아래에서 보세요.
A Plan for Spam

나이브 베이지안 분류기(Naive Bayesian Classifier)

지금까지 조건부 확률, 베이스의 정리에 대하여 배우고, 10개의 예제를 풀어보았다. 앞서의 예제가 어떤 사건이 일어나느냐 아니냐의 이분법적인 확률을 따졌다고 한다면, 여기서는 여러개의 카테고리 중에서 어느 카테고리에 가장 잘 매칭하는 가 하는 분류기법으로 베이지안을 사용하는 방법을 공부한다.

단어들로 이루어진 문서들을 미리 분류된 카테고리 중 하나로 분류하는 상황이라고 하자. 즉, 카테고리를 c라하고 특정문서에 들어있는 단어들을 w1,w2,...,wN 이라 한다면,
우리가 구해야 하는 값은 P(c| w1,w2,...,wN ) 이고, 베이스의 정리를 이용하면,

P(c| w1,w2,...,wN) = P(w1,w2,...,wN |c) P(c) / P(w1,w2,..., wN )

베이스의 정리를 이용하면, 이미 알고 있는 확률들을 이용하여 특정한 문서가 어느 카테고리에 들어갈 지를 결정할 수 있다. 즉, 확률이 가장 높은 카테고리에 들어갈 가능성이 가장 높은 것이다.

위의 공식들을 잘 살펴보자. 모든 카테고리에 대하여 확률을 계산하고, 이중 가장 큰 것을 찾아야 하는데, 모든 카테고리의 확률계산에서 분모는 모두 P(w1,w2,...,wN)으로 같다. 따라서, P(w1,w2,...,wN)을 계산할 필요가 없다.

그리고, P(w1,w2,...,wN | c)의 계산은 또 다시 어려운 문제이다. 그러나, 과감한 가정을 통하여 이 계산을 단순화 할 수 있다. 즉, 모든 w들은 서로 독립적이라고 가정하여,

P(w1,w2,...,wN |c ) = P(w1|c)P(w2|c)P(w3|c)...P(wN|c)

이렇게 쓸 수 있으며, 바로 이 조건이 베이지안을 Naive 하게 만든 요소이다.

폴 그레이엄선생처럼 모든 c에 대하여 P(c)를 같게 만들면 계산이 훨씬 더 쉬워지지만,
거기까지는 가정하지 말자.

이제 결론이다.

Max P(c| w1,w2,...,wN) = Max Mul P(wi|c) P(c)
   c c

위 식에서 P 가 Max가 되는 c를 찾으면 Naive Bayesian Classifier 이다.

이를 프로그램으로 구현하기 위해서는...
각 카테고리마다 단어의 빈도수 해쉬테이블을 하나씩 가지고,
모든 카테고리에서의 문서빈도수를 알고 있어야 한다.

원형그래프

2009-11-26T23:25:15Z

제작자 : 아별닷컴 주인장 오주원

다운받기 : abyul.com_Exel_Chart_template003.xls

-------------------------------------------------------------------------------------------------------------

본 자료는 파워포인트로 발표자료를 작성할 때 활용할 수 있는 3D 원형그래프 디자인 템플릿입니다. 각종 데이터를 원형태의 그래프로 표현하고자 할 때 사용하면 효과적입니다. 파워포인트 자체에 있는 자동 원형차트 생성기능에서 구현하기 어려운 효과를 도형 등을 이용하여 만들었습니다. 파이형태, 원호형태, 둥근원, 반원, 원통 등에 3D효과를 적용하여 작성하였습니다. 필요 시 사용자는 자료에 포함된 각 도형에 대하여 파워포인트 2007의 도형스타일 기능에서 색, 크기, 투명도, 질감 등을 변경할 수 있습니다. 단, 일부 원형그래프의 개별조각에 대한 크기 조정은 3D효과를 제거(도형서식-3차원서식에서 제거)한 후 그룹설정을 해제하고 조정해야 합니다.(바로 그룹을 해제할 경우 일부 그래프의 배열이 흩어질 수 있으니 주의하시기 바랍니다. 그리고 3D효과는 제거한 후 다시 설정해야 하므로 기존의 각종 수치를 기억해 놓으시기 바랍니다.)

제가 만든 디자인 자료를 그림파일로 게시합니다.

*. 관련파일을 download하시려면 아래 주소를 클릭해주세요.(유료 !!) ^^;

http://mybox.happycampus.com/stmkywb/4601576

파워포인트템플릿, 3차원디자인서식, 파워포인트디자인, 원형그래프디자인, 다이어그램, 발표자료디자인, 비즈니스·경제

[출처] 파워포인트 2007로 만든 3D 원형그래프 다이어그램 디자인 템플릿입니다.|작성자 불곰

원그래프를 만들 수 있는 방법은 너무나도 많다.

2009-11-26T23:11:51Z

원그래프를 만들 수 있는 방법은 너무나도 많습니다.

저는 파워포인트 2007로 만들어 보겠습니다.

일단 파워포인트를 열어 첫째 슬라이드에서 마우스 오른쪽 버튼을 눌러 빠른 메뉴에서 레이아웃 > 콘텐츠 2개를 선택한다.

첫번째 그래프를 그리기 위해 왼쪽 창에서 차트를 선택합니다.

이제 나타난 차트 삽입 대화 상자의 왼쪽에서 원형을 선택하고 오른쪽에서 맘에 드는 모양을 고르세요. (저는 가장 기본형으로 작업합니다.) 그리고 확인을 누릅니다.

그러면 화면에는 판매라는 원그래프가 자동으로 그려지고 엑셀 창이 뜨게 됩니다.

엑셀 창의 내용을 원하시는 대로 변경합니다.

변경 후에 닫기를 선택하시면 파워포인트에는 원하는 그래프가 그려집니다.

같은 방법으로 우측도 작성하시면 됩니다.

완성된 모습은 다음과 같습니다.

같이 올려드리는 파워포인트 파일에 몇가지 변형된 그래프를 올려놓았으나

세부적인 것은 직접 고치시는 것이 좋을 것 같습니다.

한가지 더 덧붙이자면 다른 프로그램으로도 얼마든지 원그래프는 쉽게 그릴 수 있습니다.

엣지:영어 Edge는[날카로움, 뾰족함, 각이 섬, 모서리, (칼)날 등]을뜻해요

2009-11-25T21:34:41Z

1. 영어 Edge는 [날카로움, 뾰족함, 각이 섬, 모서리, (칼)날 등]을 뜻합니다.

탁구에서도 모서리에 맞는 경우를 엣지라고도 표현합니다.

미안하다고 인사 정도 합니다.

2. 엣지는 "개성있다, 완벽하다, 빈틈 없다"라는뜻이 있습니다.

남을 따라하지 말고 자신의 개성과 특성을 살려서 옷을 입는다는 뜻을 포함하고 있습니다.

감사합니다.

-------------------------------------------------------------------------------

★Trend의 한국어 표기법이 트렌드 or 트랜드인가요?

외래어이기 때문에 표기법은 정해지지 않았습니다.

일반적으로 트랜드라고 씁니다.

딱 맞는 말은 어렵고....굳이 직역하자면, "추이. 추세" 그런 뜻 아닐까요?

Statistical Analysis논문

2009-11-25T15:36:07Z

Statistical Analysis

We compared the baseline characteristics of the 2 groups
using independent t tests (for continuous variables) and chisquare
tests (for categoric variables).

We found that the arm
group had significantly greater impairment in the paretic upper
extremity at baseline than the leg group indicated by the
WMFT functional ability and FMA scores.

To test the overall
effect of treatment and to reduce the probability of type I error
due to multiple comparisons, a multivariate analysis of covariance
(MANCOVA) incorporating all outcome measures
(FMA, WMFT functional ability score, WMFT time score, grip
strength, MAL) was performed (within-subject factor time;
between-subject factor: group).

Baseline WMFT functional
ability and FMA scores were entered as covariates because of
the between-group difference in these measures.

If the MANCOVA demonstrated a significant effect, follow-
up analyses would be done using univariate 2-way analysis
of covariance (ANCOVA).46 While the MANCOVA could
detect whether there was a significant overall treatment effect,
it could not indicate what particular outcome variable showed
significant changes following the arm exercise therapy.

To determine the effect of arm therapy on individual outcome
variable, post hoc univariate 2-way ANCOVA was performed
for each outcome variable (within-subject factor: time; between-
subject factor: group), with the baseline measurement of
each respective outcome entered as the covariate.

To specifically
test the effect on performance of functional activities, a
separate univariate 2-way ANCOVA based on the mean score
from tasks 8 through 15 in the WMFT was also performed.
To calculate effect size, the mean change scores (posttest
scores – pretest scores) for each outcome variable in the arm
and leg groups were extracted.

For each outcome, the baseline
standard deviations (SDs) in the 2 groups were used to calculate
the pooled population SD.47 The standardized effect size
(SES) was established by calculating the difference between
mean change scores of the arm and leg groups divided by the
pooled population SD.47 The 95% confidence interval (CI) for
each SES was also computed.
It was also of interest to determine whether the level of
impairment at baseline had any impact on the amount of
improvement in the arm group.

The 30 participants in the arm group were thus stratified into 3 subgroups of 10 participants
based on the FMA score at baseline (FMA score range, 027:
severely impaired; FMA score range, 2857: moderately impaired;
FMA score range, 5866: mildly impaired). Pretestposttest
comparisons were made by using paired t tests. For
each participant, the pretest score was subtracted from the
posttest score to obtain the change score for each outcome
variable. These change scores were then entered into a
MANOVA (between-subject factor: level of impairment) to
assess the overall effect of initial upper-extremity impairment
on improvement obtained at the end of the trial.

A Tukey test was then used to analyze the data post hoc. Within each of the
3 subgroups, the change score for each outcome was divided by
the respective baseline SD to obtain the SES. An SES of 0.2 to
0.5 was considered as small, 0.5 to 0.8 as medium, and 0.8 or
higher as large.48 All statistical analyses were performed using
SPSS, version 11.5, softwared using a significance level of .05
(2-tailed).

Study Limitations
This was a pilot study to examine the effects of a community-
based program for improving upper-extremity function in
chronic stroke. Some limitations were identified in this study,
which could be used to improve the design of a large clinical
trial in the future. First, the baseline characteristics of the 2
groups were different. However, such differences were accounted
for by our statistical analysis (MANCOVA, ANCOVA)
and differences in results between groups remained
significant. Nevertheless, future trials may require further stratification
of the sample according to severity of upper-extremity
impairment. Second, some of the variables (eg, gains in grip
strength and MAL) showed trends of greater improvement in
the arm versus leg group, but the difference did not reach
statistical significance. The study was probably underpowered
to detect a significant difference for these variables between the
2 groups. A larger sample size is thus called for in the future
study. Additionally, the training protocol may not have been
optimal in producing a significant change in these variables.
Training at a higher intensity (ie, increasing resistance, repetitions,
duration or frequency of exercise) may be required in the
future. Third, future programs need to consider the diversity in
functional abilities among the participants. The key is to keep
the program challenging to promote improvement and maintain
interest while ensuring safety. One possibility is to divide the
participants into subgroups according to the level of impairment.
Different activities, exercise intensity, and progression
can be implemented to optimize upper-extremity function for
each subgroup. Finally, we found that the outcome was somewhat
dependent upon the initial level of impairment. Therefore,
the overall treatment effect may have been diluted because of
the inclusion of the severely impaired group.

Statistical Analysis

통계적 분석
We compared the baseline characteristics of the 2 groups using independent t tests (for continuous variables) and chisquare tests (for categoric variables).

우리는 독립적(지속적인 다양성을 위하여)이고 카이제곱(분류적 다양성을 위하여) 테스트들을 사용하여 2 그룹의 기준이 되는 특성들을 비교하였다.

We found that the arm group had significantly greater impairment in the paretic upper extremity at baseline than the leg group indicated by the WMFT functional ability and FMA scores.

우리는 손 집단은 기준에서 상위끝단 마비에서 WMFT 기능적 능력과 FMA 점수에 의해 나타난 다리 집단보다 현저하게 큰 손상을 보유하고 있다는 것을 발견하였다.

To test the overall effect of treatment and to reduce the probability of type I error due to multiple comparisons, a multivariate analysis of covariance (MANCOVA) incorporating all outcome measures
(FMA, WMFT functional ability score, WMFT time score, grip strength, MAL) was performed (within-subject factor time; between-subject factor: group).

전반적인 치료효과를 테스트하고 여러가지 비교에 의한 type I 실수의 가능성을 줄이기 위하여, 모든 결과 측정치들 (FMA, WMFT 기능적 능력 점수, WMFT 시간 점수, 악력, MAL)이 함께 결합되어 있는 공분산의 다변수 분석이 수행되었다. (주요 요수시간내; 주요 요소;집단 상호간)

Baseline WMFT functional ability and FMA scores were entered as covariates because of
the between-group difference in these measures.
WMFT 기능적 능력 기준과 FMA 점수들은 이러한 측정들에있어 상호 집단 차이때문에 공분산으로서 입력되었다.

If the MANCOVA demonstrated a significant effect, follow-up analyses would be done using univariate 2-way analysis of covariance (ANCOVA).46 While the MANCOVA could detect whether there was a significant overall treatment effect, it could not indicate what particular outcome variable showed
significant changes following the arm exercise therapy.

만일 MANCOVA가 탁월한 효과를 구현하였다면, 이어지는 분석들은 공분산의 무변량 쌍방 분석 (ANCOVA)가 사용되고 있었을 것이다. MANCOVA가 탁월한 전반적 치료효과가 있는지 감지 할 수 있는 반면, 특정 변화가능 결과가 손 운동 물리치료에 따른 확연한 변화를 보여주었다는 것을 표시할 수 없었다.

**************************************************************************************

To determine the effect of arm therapy on individual outcome variable, post hoc univariate 2-way ANCOVA was performed for each outcome variable (within-subject factor: time; between- subject factor: group), with the baseline measurement of each respective outcome entered as the covariate.

다양한 개인적 결과상에서 팔 물리치료의 효과를 결정하기 위하여, 이 후에 일정한 양방향 ANCOVA가 각각 다양한 결과를 위하여 각 기대되는 결과의 기준 측정을 공분산으로 입력하면서 수행되었다.

To specifically test the effect on performance of functional activities, a separate univariate 2-way ANCOVA based on the mean score from tasks 8 through 15 in the WMFT was also performed.
To calculate effect size, the mean change scores (posttest scores – pretest scores) for each outcome variable in the arm and leg groups were extracted.

기능적 활동의 수행에 대한 효과를 특별히 테스트하기 위하여, WMFT에서 업무 8에서 15까지 평균 점수들을 기준으로 분리된 무변량 양방향 ANCOVA 또한 수행되었다.

효과 부위를 계산키 위하여, 팔과 다리 그룹에서 각각 다양한 결과를 위하여 평균 변화 수치들 (사후 테스트 수치 - 사전 테스트 수치)을 추출하였다.

For each outcome, the baseline standard deviations (SDs) in the 2 groups were used to calculate the pooled population SD.47 The standardized effect size (SES) was established by calculating the difference between mean change scores of the arm and leg groups divided by the pooled population SD.47 The 95% confidence interval (CI) for each SES was also computed.
It was also of interest to determine whether the level of impairment at baseline had any impact on the amount of improvement in the arm group.

각각의 결과를 위하여 2 그룹들에서 기준점 표준 편차들은 전체 인구 표준편차.47을 계산하는데 사용되었다. 표준화 효과 크기는 전체 인구 표준편차.47에 의해 구분된 팔과 다리 그룹들 사이의 평균 변화 수치 차이를 계산 함으로써 작성되었다. 각 표준화 효과 크기를 위한 95%의 신뢰구간 또한 계산되었다.

기준점에서 마비의 정도가 손 그룹에 있어 개선의 정도에 어떠한 영향을 가지고 있는지를 결정하는 상관점이기도 하였다.

그리하여, 팔 그룹의 30 참여인들은 기준선(FMA 수치 범위 027: 심하게 마비; FMA 수치 범위 2857 : 중간정도 마비; FMA 수치 범위 5888 : 가볍게 마비)의 FMA 수치를 기준으로 10명씩의 3개 소그룹으로 나뉘어 졌다. 사전 테스트/사후테스트 비교들은 두개의 테스트들을 사용하여 작성 되었다.

For each participant, the pretest score was subtracted from the posttest score to obtain the change score for each outcome variable. These change scores were then entered into a MANOVA (between-subject factor: level of impairment) to assess the overall effect of initial upper-extremity impairment
on improvement obtained at the end of the trial.

각 참여자를 위하여 사전테스트 수치는 각각 다양한 결과를 위한 변화 수치를 얻기 위하여 사후테스트 수치로부터 빼졌다. 그 후 이러한 변화 수치들은 실험의 마지막 단계에서 얻어지는 개선에서 초기 상위 끝단 마비의 전반적인 효과를 도출하기 위하여 MANOVA(상호 주 요소: 손상 정도)에 입력되었다.

A Tukey test was then used to analyze the data post hoc. Within each of the 3 subgroups, the change score for each outcome was divided by the respective baseline SD to obtain the SES. An SES of 0.2 to
0.5 was considered as small, 0.5 to 0.8 as medium, and 0.8 or higher as large.48 All statistical analyses were performed using SPSS, version 11.5, softwared using a significance level of .05 (2-tailed).

그 후 Tukey 테스트는 사후 데이타 분선을 위하여 사용되었다. 3 소그룹 각각에, 각 결과에 대한 변화 수치는 SES를 얻기위하여 예측되는 SD 기준점에 의해 분리되었다. 표준효과크기 0.2dptj 0.5는 .05의 특출한 수전을 사용하여 소프트웨어화 된 버젼 11.5의 SPSS를 이용하여 수행되었다.

Study Limitations

연구 제한사항들
This was a pilot study to examine the effects of a community-based program for improving upper-extremity function in chronic stroke.

이것은 만성발작에서 상체 말단 기능을 개선하기 위한 사회기준 프로그램의 효과들을 측정하기 위한 초기 연구였다.

Some limitations were identified in this study, which could be used to improve the design of a large clinical trial in the future.

일부 제한사항들이 이 연구를 통하여 판명되었고, 그것들은 미래에 큰 의학적 노력의 구성을 개선하기 위하여 사용될 수 있을 것이다.

First, the baseline characteristics of the 2 groups were different.

However, such differences were accounted for by our statistical analysis (MANCOVA, ANCOVA) and differences in results between groups remained significant.

Nevertheless, future trials may require further stratification of the sample according to severity of upper-extremity impairment.

첫째, 두 그룹들의 기준적 특성들은 달랐다.

그러나, 그러한 차이점들은 우리의 통계적 분선 (MANCOVA, ANCOVA)에 의해 그리고 확연하게 남겨진 그룹들 사이의 결과에 대한 차이점에 의해 설명되어졌다.

그럼에도 불구하고, 미래의 노력들은 상체 말단 마비의 정도에 따라 더 많은 샘플의 구분이 요구 될 것이다.

Second, some of the variables (eg, gains in grip strength and MAL) showed trends of greater improvement in the arm versus leg group, but the difference did not reach statistical significance. The study was probably underpowered to detect a significant difference for these variables between the 2 groups. A larger sample size is thus called for in the future study.

Additionally, the training protocol may not have been optimal in producing a significant change in these variables.
Training at a higher intensity (ie, increasing resistance, repetitions, duration or frequency of exercise) may be required in the future.

둘째, 일부 다양성들 (예를 들어, 악력의 평가와 MAL)은 다리그룹에 비하여 손그룹에서 더 많은 개선이 되는 경향을 보여주었지만, 그 차이는 통계적 차이까지 미치지 않았다. 연구는 아마도 두 그룹사이에 이러한 차이점을 대한 확연한 차이를 감지하도록 통제되었을 것이다. 그리하여, 커다란 샘플 크기는 향후 연구에서 요구되고 있다. 추가적으로 교육 프로토콜은 이러한 다양성들에서 확연한 차이를 만들기에 최적이 아니었던 것 갔다.

더 집중적 교육 (예로, 증가하는 저항, 반복, 운동의 시간이나 횟수등) 이 앞으로는 필요할 것 같다.

Third, future programs need to consider the diversity in functional abilities among the participants. The key is to keep the program challenging to promote improvement and maintain interest while ensuring safety. One possibility is to divide the participants into subgroups according to the level of impairment.
Different activities, exercise intensity, and progression can be implemented to optimize upper-extremity function for each subgroup. Finally, we found that the outcome was somewhat dependent upon the initial level of impairment.

셋째로, 향후 프로그램들은 참여자들 사이의 기능적 능력들에서 다양성을 고려해야 할 필요가 있다. 주요점은 프로그램이 개선을 향상시키는 기회가 되고 안전을 확식하는 반면에 흥미를 유지할 수 있어야 한다. 한 가능성은 참여자들을 마비의 정도에 따라 소 그룹으로 구분할 수 있다는 것이다. 다른 행동들, 운동의 집중과 진행등은 각 소그룹들을 위한 상체 말단 기능을 최적화 할 수 있도록 수행될 수 있다.

마지막으로, 우리는 결과는 어느정도 마비의 초기 정도에 의존한다는 것을 발견하였다.

Therefore, the overall treatment effect may have been diluted because of the inclusion of the severely impaired group.
따라서, 전반적 치료 효과는 심각한 마비 그룹의 포함 때문에 희석이 되었었을 것이다.

1층~40층까지

2009-11-25T15:22:17Z

First floor, second, third, fouth, fifth, sixth, seventh eighth, ninth, tenth floor.

eleventh floor, twelfth, thirteenth, fourteenth, fifteenth, sixteenth, seventeenth, eighteenth nineteenth twentieth floor.

나머지는 동일함

twenty-first floor, twenty-second floor

thirtieth floor, thirty-first floor,======================================= fortieth floor.

Liszt: Funérailles '장송곡'

2009-11-25T02:50:23Z

Liszt: Funérailles '장송곡'

Liszt의 "Funerailles(장송곡)" 입니다.

할머니 목도리 다떴다.

2009-11-22T00:38:23Z

목도리 다 떠서 목에 둘러 드렸다.

사물을 이해 못하시지만 다뜨기전에는 손에 쥐어드리면 잡아당겨 풀어버리셨시지만

목도리 형태로 완성된다음에는 머리를 들고 목에다 가져다대셨다.

내가 해석하는것이 맞는지 모르겠지만 가끔은 일상적이었던 과거의 습관적인 모습을 보인다..

La Dame De Coeur(슬픈운명)


La Dame De Coeur(슬픈운명) - Nana Mouskouri 
 
Si tu es le roi
Tu es roi des tricheurs
Tu dis je t'aime
Et puis tu t'en vas
 
Moi je suis la dame
Du roi des fous
J'en ris et j'en pleure
A quoi tu joues 
 
J'ai eu tout l'or tout l'argent du ciel
Je n'ai jamais rien voulu que l'amour
Mais la saison des arcs-en-ciel
La dame de cœur l'attend toujours 
 
Elle est prête à faire le tour de l'enfer
A vivre hors la loi pour être avec toi
Elle peut aussi pour l'as des tricheurs
Se changer en pique, la dame de cœur
 
Si tu es le roi
Tu es roi des tricheurs
Tu dis je t'aime
Et puis tu t'en vas
 
Moi je suis la dame
Du roi des fous
J'en ris et j'en pleure
A quoi tu joues 
 
그이는 하트의 여왕에게 슬픔의 에이스
오늘은 여기 있어도 내일은 가고 없네
젊은이들 많지만 사랑하는 이들 없어라
내 사랑 날 떠나면 나는 어떡해
 
금은 가득한 창고가 저 산에 있어
내가 그것을 헤아려야 한다 해도
당신 생각에 그것들 셈할 수 없네
눈물이 눈을 가려 볼 수가 없네
 
아버지도 사랑하고 어머니도 사랑하고
누이도 사랑하고 동생도 사랑하고
친구도 사랑하고 친척도 사랑하지만
모두 다 버리고 그대와 함께 가리
 
그이는 하트의 여왕에게 슬픔의 에이스
오늘은 여기 있어도 내일은 가고 없네
젊은이들 많지만 사랑하는 이들 없어라
내 사랑 날 떠나면 나는 어떡해

수출입절차

2009-11-20T19:37:36Z

수출입절차

1. 구매계약

1) 공급의사 타진 : Inquiry

우리가 필요로하는 것이 이런게 있으니 공급할의사가 있는 지 문의하는 것입니다. (규격, 색상, 수량, 희망가격 등)

2) 견적 ( Quotation ) :

제품의 가격(단가)을 흥정하는 겁니다. 공급자가 해줄 수 있는 가격을 보내주면 수입자가 확인.

3) 공급가격 확정 :

가격이 확정되면, 공급자가 견적송장(Proforma Invoice: P/I)을보내줍니다. 이경우에는 Offer Sheet는 생략 함

4) 주문( Purchase Order : P/O ) :

수입자가 필요한 수량과 내용을 적어서 보내주는것관리를 위해번호(No.)를 부여 Order No.나 P/O No.(#)라고 함.

5) 공급확약서 :

Offer Sheet라고 하는 겁니다. 공급자가 수입자의 주문을 이행하겠다는약속의 문서. 이것으로 수입자는

발생할 근거로 사용합니다.

2. 대금의 지불방법

1) 가격조건 :

가)FOB (Free on Board) : '본선인도가격'이라고 하는데, 배에다 실어주는 비용까지만판매상이 부담하고 배의

운임이나 보험료 및 이후의 비용은 수입상이 부담하는 조건입니다.

나) CIF (Cost, Insurance & Freight) : '비용, 보험료 및 운임'이라는 뜻입니다. 판매상이 도착항까지 위의

세가지 돈드는 것을 부담한다는것임물론 운송 중의 위험에 대한 책임도 포함되죠. 가격을 정할 때 FOB 물건

값에 이들 비용을 더하여 정합니다.

2) 결제방법 :

가) T/T (전신송금 Telegraphic Transfer )

은행에서 온라인처럼 외화를 외국은행으로보내주는 겁니다.그러나 그냥 보내는 것이 아니고, 외국에서 받은 수입근거( P/I나 Offer)나 지불근거( Letter)가 있어야 은행에서 해줍니다.

나) L/C (신용장 Letter of Credit) :

무역거래 등에 대하여 은행의 지급보증을 이용하는 방법입니다. 수출자는 선적후에 이 신용장을 이용하여 환어음을 보내서수출대금을 청구하는 겁니다. 여기서 돈을 먼저 받느냐에 따라 나누는데, Negotiation(NEGO 매입)은 환어음을 받는 곳이 먼저 돈을 내어주는 거고, Collection(추심)은 환어음이 원래의 지급인에게까지 가서 결제가 되면 그 돈을 중간에 전달해주는 은행 등을 통하여 환어음발행인(수출자)에게전달되도록 하는 것입니다.

3. 선적

1) 운송업자 : 자기 배를 갖고 있는 곳을 선사, 배는 없지만 여러 화주의 화물을 모아서 운송을 대행해주는 곳이

포워딩입니다. 항공인 경우에는 '항공화물대리점' 이라함

2) 선적서류 :

가) Commercial Invoice(상업송장) : 선적되는 물건에 대한 모든 정보를 함축해 놓은 '거래명세서' 같은 것입니다.가격조건이나 금액도 포함

나) Packing List(포장명세서) : 선적되는 물건의 포장상태, 포장 당 수량을 알아보기쉽게 만든 겁니다.

다) 기타 : 위의 두가지가 기본이고, 원산지증명서(Certificate of Origin: C/O)나 검사증(Inspection Certificate: I/c등이 있음.

3) 선하증권(Bill of Landing: B/L) : 선박회사에서 발행해주는 물건에 대한 증서입니다 선박회사는 이 증서나 그에 준하는 서류가 있어야만 화물을 내어 줍니다. 항공인 경우는 증권이 아니고 운송장으로 Air Waybill(AWB)라고 합니다.

가) 양수인 (Consignee ) : 화물을 받을 사람 또는 권리를 가진 곳

나) 통지인 ( Notify Party) : 화물의 도착을 통지해줘야 할 사람.(주로 수입상)

* 우리나라는 은행에서 신용장을 개설하면서 Consignee가 은행으로 되어 있거나은행의 지시에 따르게(항공인 경우) 되어 있습니다.

4) 보험증권 ( Insurance Policy )

수입조건이 FOB이면 수입상이 신용장을 개설할 때나 선적전에 들면 됩니다 CIF KOREA로 수입한다면 수출자가들도록 하면 됩니다. 보험금액은 거래금액(송장금액)에 부대비용 10%를 더하여 110%를 듭니다.

4. 통관

1) 통관에 필요한 서류

Invoice, Packing, B/L, 보험증권(FOB 등 수입자가 보험을 드는 경우) 이때, 다른 서류는 사본으로 통관이 가능하나, B/L은 Consignee가 원본을 가져와야 선사가 화물을 내어주는 것(Delivery Order: D/O)으로, 신용장 거래인 경우 대부분 NEGO에 의해 B/L이 오는 것 보다 화물이 먼저 오게 되므로 통관이 불가능한 바이를 Consignee이며 수입화물의 결제를 지급보증한 개설은행이 수입자로 부터신용장결제에 대한 확약을 받고 확인서로 내어주는 '수입화물선취보증서 (Letter of Guarantee: L/G)'로 B/L원본을 대신하여 인정해주는 제도가 있습니다.

2) 수입신고

법적으로야 수입자나 법으로 인정한 관세사가 대신 할 수 있지만, 절차나 EDI(전자 문서처리시스템)를 사용하는 부분때문에 관세사를 이용하여 수입신고서를 작성하여 세관에 신고하게 됩니다.

3) 수입승인

세관에서 수입신고서에 대한 서류상의 확인과 수입품에 대한 검사 등을 확인하고수입을 승인하면 관세 및 부가세와 기타 관련세금에 대한 고지서가 나옵니다. 이를 납부하고(유예나 기타의 방법도 있지만), 영수증을 제시하면 '수입면장'이 발급됩니다. 이를 보세장치장 (CY(Container Yard), CFS(Container Freight Station) 등) 에 제시하면 수입된 화물을 내어 줍니다.

* 보세운송

거리나 보관상의 문제로 통관을 진행하기에 어려운 곳에 있는 화물은 수입자가원하는 지역의 세관관할 및 허가된 보세장치장으로 옮겨서 통관을 진행할 수 있습니다. 포워딩이나 관세사를 통하여 신청하면 됩니다.

4) 입항, 접안, 입고

항구라 하면 방파제로 쌓인 내항과 그 바깥인 외항으로 구성됩니다 입항이라 하면 그 항구지역에 들어온 것을 말함. 부두가 혼잡하기에 컨테이너선 처럼 큰 배들은 외항에 머물며 항구의 지시를 대기 합니다.

부두에 배를 대는 것을 접안이라고 합니다. 큰 배는 도선사에 의해 작은 배들에 견인되서 부두에 배를 붙이게 됩니다. 아주 위험한 작업이죠. 배들이 크기에 밑바닥 이나 옆부분이 아주 작은 충돌에도 엄청나게 큰 손실을 입습니다.

물건을 내리는 것을 하역, 그리고 컨테이너를 열고 화물을 보세창고(CFS)에 넣는 것을 입고라고 합니다. 이 입고가 끝나고 세관에 (위치)등록이 끝나야 수입신고가 가능합니다.

* 도착전 신고

화물의 원활한 통관을 위하여 배가 도착하기 전에 수입신고 및 승인을 완료하고

도착과 동시에 검사를 하고 화물을 바로 찾아갈 수 있는 제도가 있습니다.

=====================================

우리나라 무역의 수출입절차에 대해서 서술하기에 앞서서 먼저 무역에 대한 정의와 의의, 목적에 대해서 알아볼 필요가 있다.
무역은 한마디로 국제상거래 현상이며, 이 상거래는 재화 및 용역의 교환을 목적으로 한 상업활동이며 또한 상행위이다. 따라서 무역은 상업의 일종이지만, 다만 그 거래의 대상을 외국시장에 두고 있다는 점이 국내상업과 다른 점이라 하겠다.
국내거래도 무역이라고 하는 경우가 있으나, 일반적으로 무역이라고 하면 외국과 교역하는 국제경제거래를 의미하는 것으로 사용되고 있으며, 이를 국제무역 또는 외국무역이라고도 한다. 무역은 또한 포함하는 범위에 따라서 협의와 광의의 의미로 사용되는데 협의의 무역은 상품거래만을 뜻하며, 광의의 무역은 상품거래뿐만 아니라 용역(노동)거래, 자본거래, 기술거래 및 해외건설 등 경제적인 가치가 있는 모든 대상의 국제간 거래를 의미하고 있다. 결국 무역이란 언어, 관습, 문화, 법률이 상이한 서로 다른 국가들 사이에서 나타날 수 있는 수요와 공급의 불일치를 해소하기 위해 분업의 원리에 의해 행해지는 국가간 거래활동으로 정의내릴 수 있다.
오늘날 세계의 모든 국가는 물자를 서로 교류시킴으로써 국민의 생활 수준을 향상시키고 국가경제를 발전시키고 있다. 그러하여 우리의 일상생활은 이러한 국제간의 물자교류를 떠나서는 생각할 수도 없게 되어 있다. 즉, 우리나라가 만든 컬러 TV는 미국인의 가정생활을 즐겁게 해주고, 국산자동차는 브라질의 시가지를 질주하고 있다. 반면에 우리가 매일 아침 사용하는 비누는 미국에서 들여온 우지가 그 원료이며 조간신문의 원료인 펄프는 캐나다 등에서 들여온 것이다. 또한 우리의 식탁에 오르는 쇠고기는 오스트레일리아 등에서 그리고 커피는 브라질에서 들어온 것이다.
이처럼 어느 나라를 막론하고 완전한 자급자족의 경제형태를 이루고 있는 국가는 없다. 다른 나라와 무역거래를 행하지 않고서는 그 나라의 경제를 유지· 발전시킬 수 없을 뿐만 아니라 생활수준도 향상시킬 수도 없다. 다시 말하면 각 국민경제는 서로 연관관계 속에서 국제경제 내지 세계경제를 형성하고 있는 것이다. 그러므로 모든 나라에 있어서 무역은 중요한 지위를 차지하고 있다. 다만 그 중요도는 나라마다 조금씩 다르다.
무역은 국가를 달리하는 국제상거래 현상이므로 더 많은 경비가 들거나, 결제에 따른 통화가 다르거나, 때로는 정부간섭이 있거나 하는 등의 몇 가지 특수한 조건을 제외하면 일반적인 국내거래와 다를 바 없다. 이러한 거래에 종사하는 사람들은 누구든지 이익을 쫓아 외국에 상품을 수출하며, 이익이 있기 때문에 외국에서 상품을 수입하려고 한다. 따라서 국내거래이든 국제거래이든 활동의 밑바닥에는 이윤동기가 있다는 점에서는 다를 바 없다.
생산활동은 인간의 욕구를 충족시키기 위해 발생하며 소비자의 욕구가 충족될 때 생산활동은 종료된다. 그러므로 생산의 체인은 ‘욕구→생산→분배→교환→소비→만족’의 패턴을 취한다

======================================================

수출입절차에 대한 과정과 그에관련한 국제무역법규(대외무역법, 관세법, 외국환거래법)를 설명하고 부가적으노 수출입절차에 중요한 문서들

1 수출 절차
1) 수출 절차의 개요
매매 계약이 체결되면 수출업자는 계약 물품의 수출을 위하여 계약에 정해진 물품을 구매하거나 제조하여야 하며 때로는 수출용 원자재를 수입할 필요가 있는 경우도 있다. 어떠한 방법을 이용하든 수출용 물품이 구비되면 수출업자는 국내법에 규정된 법규에 따라 소정의 절차를 밟아야 수출이 가능해지며 이 때에 거치게 되는 수출에 관련된 제반 절차를 수출 절차라고 한다. 수출절차에서는 수출계약의 체결, 신용장 내도, 수출승인, 수출물품의 확보(준비, 입수, 포장, 통관, 선적 및 조달), 원자재의 수입 또는 국내구매, 수출통관 및 물품 선적, 수출대금의 회수, 관세환급 및 사후관리 등 여러 절차를 거치게 된다.
이러한 제반 절차를 규정한 3대 법규로는 물품의 수출입에 관하여 총괄관리하는 대외무역법, 수출대금의 결제와 관련된 사항을 규정하는 외국환관리법, 물품의 통관에 관한 관세법규가 상호 유기적으로 적용되고 있다.
- 수출 절차
①해외시장 조사(overseasmarketingresearch)-방문, 소개, 문언
②거래 제의(businessproposal)
③신용 조회(creditinquiry) - 3 C's
④거래 상담(businessnegotiation) -면담, 화상회의, 통신문 등
⑤청약․승낙(offer․acceptance)
⑥주문․승낙(order ․acknowledgement)
⑦계약 체결(contracting)
⑧신용장 접수(receipt of L/C)
⑨수출 승인(해당 품목, export license for restricted items)
⑩내국 신용장(local L/C) 개설
- 소요량 발급 (외국환은행 →수출업자) ⇒외화 획득용 원료 조달 ⇒무역 금융 조달(원자재, 생산 자금, 포괄 금융) ⇒수출품 생산 및 국내 구매 ⇒운송 계약 (해상, 항공, 육상) ⇒적화 보험계약(수출업자→보험자) ⇒수출 신고․통관(E/D․clearance) ⇒선적 또는 기적(선사-B/L, 항공 화물- air waybill 발행) ⇒ 선적서류(shipping documents) 구비 ⇒수출대금 회수(수출업자 →외국환은행) ⇒관세환급, 외화획득용 원료의 사후 관리 매매 계약 체결 ⇒신용장 내도 ⇒수출 승인 ⇒수출 물품 확보 ⇒수출 신고 ⇒서류 심사 ⇒세관 화물검사 ⇒수출 신고 필증 ⇒선적 ⇒수출 대금 회수 ⇒사후 관리
2) 수출계약의 체결
무역계약은 수출업자는 수입업자에게 상품의 소유권을 양도하여 상품을 인도할 것을 약정하고 수입업자는 이를 받아들이고 그 대금을 지급할 것을 약정하는 매매계약이다.
오퍼(Offer)․반대오퍼(Count Offer)․승낙(Acceptance)․주문(Order) 등에 의해서 거래가 성립하면 수출상과 수입상이 서로 거래를 끝까지 성사되게 하기 위하여 지켜야할 모든 조건들을 기재하여 상호간 서명함으로써 계약(Contract)을 작성한다. 계약은 상대방을 묶기 위해서 자신도 함께 묶는 것이기 때문에 반드시 실현 가능한 것을 기재하여야 하며 정확하고 신중하게 다루어야 한다. 계약한 쌍방은 그 내용을 이행할 법적인 의무를 지는 것이므로 이때부터 확실한 행동에 들어가 수출사은 상품의 생산과 선적 준비에 착수하고 수입상은 L/C를 개설하고 대금결제를 준비한다.

미술매체치료

2009-11-20T00:24:47Z

죽음이 드리워진 방에서..

2009-11-19T00:05:31Z

오늘 요양보호시설에 봉사갔다. 오전에 다리를 다친어르신 노인 식사. 화장실. 기져기갈기. 식사를돕고 다른방으로 가보았다 그곳 할머니방엔 사람도 드나들지않고 홀로누워 마지막날만을 기다리는 분위기였다.처음엔 곁에가기가 무섭기도하고 설사를해서 기져기를 갈아드리는데 속이울렁거리고 뒤집혀서 구토가 올라왔다. 아~저 요양보호사는 너무 집이 가난한가?먹고살기가 너무 어려운가? 저렇게 힘들고 더러운일을 여기서 하고살다니..그렇게 생각이 들었다. 오후가 되도록 그 와상환자 할머니 방에는 간호사와 요양보호사가 미리짜놓은 프로그램 시간에맞춰서 왔가간다. 기져기를 갈고 배에 꼿혀있는 호스를통해 죽을 투여하는등 이외에일은 하지않고 있었다. 할머니가 너무나 가엾고 슬픈생각이 들었다!! 할머니 방으로 다시갔다. 어깨와 손을 주물러 드리자 요양보호사가 하지말라고 해서 중지했다.어떻게해서든 도와드려야겠다는생각에 그들몰래 회생의 한가닥 실오라기가 되어 드리고싶었다!내가 오늘 여기와서 뭔가 도움이되드려야하는데..나의 미래일수도 있지않는가??잠만주무시는 이할머니를 지켜보면서 침대곁에서 잠이 깨시기를 기다렸다. 드디어 실눈을 뜨셨다. 난 가까이 다가가서 귀에대고 말을하기시작했다. "할머니 깨셨네~ 내말 들리세요?"라고!! 그러자 맥없는 눈으로 멀거니 나를 바라보셨다. 할머니 팔과손을 연실 주물러대면서 다시 말을건넸다.TV에서 본것처럼 물었다!!"할머니~ 내말이 들리거나 맞으면 눈을 깜박이세요"라고 그러자 놀랍게도 눈을 깜박였다! 할머니 몸이 마비되어 움직이지 못하시더래도 어떻게든 움직여야 살수있어요.그냥 잠만주무시고 호스를통해 죽과 물과 링거만 흡수하시면 점점 마비되어 살은 더 썩고 뼈는 더 마비되고 고통스러워 진다니까요~!할머니 손가락을 움직여보세요 하나!둘!셋!......열까지 가까스로 접었다 폈다!난 신이났다.지난번 보았을땐 미동도없고 눈도뜨지않던 식물인간이었는데.요양보호사가 이리굴리고 저리굴려야만 기져기를 간신이 갈았지!!.또다시 손을 한참 주물러드린후 "할머니 말을 할수있는 방법이 있어요!손을들어 손벽을 쳐보세요?"하자 놀랍게도 실눈을뜨시더니 손을 들어 올리셨다.다시 한참을 주물러 드리고 손벽을 쳐보이자.소리없는 박수를 치신다!"이제 그손을 비벼보세요!"그러자 두손을 비비셨다."그리고 비빈손을 입에 꾹-갔다 데세요!그렇게하면 말을 하게될지도 몰라!"라고 말하자 입위에 갔다 데셨다! 난!감격해서 할머니 손을 잡고 울면서 "할머니 너무 잘하셨어요.지금처럼 하셔야해요.그래서 말도하시고요....." 난 가슴에 뭉쳐있던 한덩어리 눈물이 목을미여지도록 내밀어 흘러내린다.자꾸만 눈물이난다. 할머니도 손을 눈으로 갔다 데셨다. 메마른 한쪽 눈가에 반방울 의 눈물빛 이 반짝였다. 그리고 또다시 욕심을 부려보았다. 끈을 가져다가 할머니 중지손가락에 리본반지를 만들어 드렸다. 그러자 표정으론 전혀 알수 없으시지만 내가 할머니께 손을 내밀자 내손가락에 리본을 만들어주려고 애를 쓰셨다! 난 할머니와함께 내손가락에 리본반지를완성했다. 물리치료사가 어느새왔는지 내 등뒤에서 너무 놀라워 하며 "할머니곁에 꼭! 있어야할 사람이라고.. 나에게 어디서 왔느냐?직업은뭐냐?뭐하는분이냐?꼬치꼬치 물었다.할머니는 사고로 다쳐 머리를 수술하셨고..... 젊은날 수공예 바느질을 하셨다고.. 요양보호사는 알고있었을까?몰랐겠지!! 요양보호사는 할머니가 이런일 할줄 몰랐다 면서. 어머나~라고 놀라는것같았다!! 한참후 나는 가야한다며 할머니께 " "할머니~ 제가 할머니를 위해 기도 할께요~ 할머니 힘내세요?" 제가 며칠후 또올께요?하자 " 할머니는 약간은 유연해진 손을 들어 내 오른손을 잡더니 또다른 다른손으로 내 왼손을 잡고 눈으로 말씀하셨다! 또~오라는표현!꼭!와달라고 하시는것 같았다.난 속으로 며칠후 또 와서 곁에있어드려야지 생각 하면서. 또 한편 내어머니 생각에 죄송스럽고 미안했다. 내 어머니곁에서 내어머니도 챙겨드려야지!저렇게 되실라!!가족에게서 버려진 그 할머니 생각에 난 잠을 이룰수가없다.난 또 그 할머니께 가게될것이다.. -사랑해요 할머니 라고..-

*사고로 다치셔서 어떤것도 할수있는것이없다. 먹는것 말하는것 아무것도 할 수 없다!! 와상환자

리본을 만들고 신기한듯 바라본다.

손을 후들후들 떨면서 내손에 리본을..

내손에 리본을..

*장난감을 만지작거리며 이제 잠자는거 잊으신것 같다. 하루가 아니 시간시간이 다르다.

*드디어 할머니가 눈을 번쩍 뜨셨다!!

5 W=WWW Question=육하원칙

2009-11-17T23:08:27Z

5 W=WWW Question=육하원칙(영어의)

영어의 육하원칙은 Who, What, Why, Where, When, How가 있다.

Who- Person

What- Thing, Noun

Why- Reason ex)because

Where- Place, Location

When- Time

How- Explaination(give example): How to do this question? How to~?

이것 모르면 영어 못한다.

정말 기본적인 영어는 품사이다.

품사의 종류는 총 15가지 정도가 있다.

품사를 모르면 해석하는 것에 제한을 받는 것은 물론 영어 문장을 만들 수가 없다.

지금부터 품사를 알아보자. (몇 가지는 품사가 아니지만 모두 알아두시면 좋습니다...^^)

Noun- person, place, thing, animal

Verb- action word(something a person or animal can do)

Adjective- a word that describes(talks about) a noun

Adverb- a word that describes(talks about) haw a verb is being done, usually ends with ly or fast, hard, well

Pronoun- I, you, he, she, it, we, they

Possessive pronoun- mine, yours, his, hers, ours, theirs

Possessive adjective- my, your, his, her, its, our, their

Article- a, an, the - always before noun or adjective

Counjunction- connecting word - ex) and, or, so, but, because

Be verb- am, is, are, was, were, be, being, been

Imperative- Verb that starts a sentence, no subject in sentence(subject is 'you')-

ex) Go home! Subject is you, verb is go, object is home

Infinitve- to＋verb - ex) I have to go home. (to go) = infinitive

Question words- Who= person, What= many answers/thing, Where=place, When= time,

Why= reason, How= explanation/step by step way to do something, Which= choose right,

Whose= belong to person

Transition- word that connects 2 sentences

Demonstrative- this, that, these, those

제가 진하게 해 놓은 Transition은 영어를 잘 하게 만드는 도구입니다.

Transition을 잘 활용해야 영어를 잘 할 수 있습니다.

Transition은 일반 영어 본문에서도 찾아볼 수 있는 아주 유용하게 쓰이고 있는 것입니다.