이번 학습에서는 데이터 유형을 수치형(이산형, 연속형)과 범주형으로 분류하고, 특히 이산형 데이터에 대한 다양한 확률 분포를 분석하였다. 

특히 산포 계산과 총변동 및 불편분산 개념을 적용하면서, 데이터의 변동성을 수치적으로 분석하는 것이 얼마나 중요한지 깨달았다. 단순히 평균값만으로 데이터를 해석하는 것이 아니라, 데이터의 흩어진 정도(산포)를 함께 고려해야 보다 정확한 분석이 가능하다는 점을 실감했다. 분산과 표준편차를 계산하는 과정에서 샘플과 모집단 간의 차이점을 이해하고, 불편분산이 표본 분산보다 더 정확한 모집단의 분산을 추정하는 역할을 한다는 점이 인상적이었다.

하지만 학습하면서 몇 가지 어려움을 느꼈다. 첫째, 확률 분포별로 기대값과 분산을 유도하는 과정이 수식적으로 복잡하여 직관적으로 이해하는 데 시간이 걸렸다. 둘째, 실제 데이터에 적용하는 과정에서 어떤 분포를 선택해야 하는지 판단하는 기준을 더 명확히 정리할 필요가 있다고 느꼈다. 단순한 개념적 이해를 넘어서, 실무에서 어떻게 활용할 수 있을지에 대한 연습이 부족했다.