예를들어 100명 가량의 점수 표본이 모였다면, (실제로, 최소 30명 정도의 표본만 모은다면 이는 통계적으로 의미가 있다.) 이를 토대로 모평균을 추정하고, 최근 몇년간 총 지원자 수와 경쟁률을 통해 몇명이 지원할지 예상하고, 몇명까지 합격 가능할지 계산해 낸다. 그리고 몇점 부터가 합격 가능선인지 계산해 내면, 그것이 바로 예상 커트라인이다. 그리고 작년, 재작년의 추가 합격자 수를 찾아 평균을 내고, 이를 통해 1차, 2차 합격 예상 커트라인까지도 만들 수 있다.
표본집단에서 표본의 수가 많아질수록 그래프가 정규분포에 가까워진다는 사실을 직접 확인하였고, 왜 모평균은 따로 계산하면서도, 표본집단의 표준편차는 그대로 모평균의 표준편차로 쓸 수 있는지 직접 깨달았다.(참고:표본평균의 표준편차를 모평균의 표준편차 대신 사용할 땐, 표준편차 계산시 n이 아니라 n-1로 나누어야 한다.)
남에게 의존하지만 말고 스스로 각종 사이트에서 등급 추정치를 모아 비교도 해보고, 과거엔 무엇이 더 정확했는지도 찾아보고, 내가 경험한 난이도와 실제 난이도의 차이도 생각해 보고, 목표 학과의 과거 모집 인원은 몇명이었고 경쟁률은 얼마였으며, 커트라인은 얼마였는지, 그리고 올해의 모집 인원과 경쟁률은 어떻게 변하고 있는지, 논술이나 내신 비중은 어떻게 달라졌으며, 실제 과거에서 논술로 얼마큼이나 뒤집을 수 있었는지, 등등... 찾아보고 분석해 봐야 할 것은 한도 없다.
[출처] Emong English
표본집단에서 표본의 수가 많아질수록 그래프가 정규분포에 가까워진다는 사실을 직접 확인하였고, 왜 모평균은 따로 계산하면서도, 표본집단의 표준편차는 그대로 모평균의 표준편차로 쓸 수 있는지 직접 깨달았다.(참고:표본평균의 표준편차를 모평균의 표준편차 대신 사용할 땐, 표준편차 계산시 n이 아니라 n-1로 나누어야 한다.)
남에게 의존하지만 말고 스스로 각종 사이트에서 등급 추정치를 모아 비교도 해보고, 과거엔 무엇이 더 정확했는지도 찾아보고, 내가 경험한 난이도와 실제 난이도의 차이도 생각해 보고, 목표 학과의 과거 모집 인원은 몇명이었고 경쟁률은 얼마였으며, 커트라인은 얼마였는지, 그리고 올해의 모집 인원과 경쟁률은 어떻게 변하고 있는지, 논술이나 내신 비중은 어떻게 달라졌으며, 실제 과거에서 논술로 얼마큼이나 뒤집을 수 있었는지, 등등... 찾아보고 분석해 봐야 할 것은 한도 없다.
[출처] Emong English