수요에는 다양한 변수들이 영향을 미친다. 변수들의 영향에 의해 특정 가격에서의 재화의 수요량은 늘어나거나 줄어든다. 그래프 상에서 보면 수요 곡선이 전체적으로 오른쪽으로 이동하거나 왼쪽으로 이동한다. 수요가 증가하면 오른쪽, 감소하면 왼쪽으로 이동한다. 소득은 수요에 영향을 준다. 소득이 증감에 따라 수요 또한 증감한다. 소득의 증감과 비례하는 수요 특성을 가진 재화를 정상재(normal good)라고 한다. 소득의 증감에 반비례하는 수요 특성을 가진 재화는 열등재(inferior good)라고 한다. 상품 간 연관성에 의해 한 재화의 가격이 변할 때 다른 재화의 수요량도 같이 변하는 재화가 있다. 이러한 재화들을 대체제(substitutes), 보완재(complements)라고 한다. 대체제는 한 재화..
시장에서는 구매자에 의해 수요가 결정된다. 구매자가 사고 싶은 혹은 살 수 있는 재화의 양을 수요량(quantity demanded)라고 한다. 수요량은 재화의 가격이 내려가면 증가하고 올라가면 감소하는 경향을 보인다. 이러한 현상을 수요의 법칙(law of demand)라고 한다. 사실 수요에는 가격 이외에도 다른 변수들이 영향을 미치는 데 이러한 변수들이 모두 일정하다고 가정하고 가격에 따른 수요량을 수요표(demand schedule) 형태로 정리할 수 있다. 이를 그래프에서 나타내면 수요 곡선(demand curve)라고 한다. 시장 수요는 개인들의 수요의 합으로 나타난다.
시장(market)은 특정한 재화나 서비스를 사고 파는 사람들의 집합을 의미한다. 시장에서 구매자는 수요를 결정하고 판매자는 공급을 결정한다. 시장의 종류 중 경쟁 시장(competitive market)은 판매자와 구매자가 굉장히 많아 소수의 판매자와 구매자에 의해 재화의 가격이 결정되지 않는 시장을 의미한다. 시장에서 재화의 가격에 영향을 미치기 위해서는 수요나 공급에서 지배적인 비율을 차지하고 있어야 한다. 그렇지 않으면 임의로 가격을 책정한 데 따라 역으로 손해를 입을 수 있기 때문이다. 완전경쟁시장에서는 가격은 거대한 시장에 의해 조정되므로 판매자와 구매자 모두 결정된 가격을 수용해야 한다.(price takers) 완전 경쟁 시장과 반대로 독점 시장이 있다. 소수의 판매자만이 시장에 재화를 공..
비교우위(comparative advantage)는 어떤 재화를 생산할 때 더 적은 기회비용으로 생산할 수 있는 상태를 의미한다. 똑같은 물건을 상대보다 더 적은 기회비용으로 생산할 수 있다면 비교우위에 있다고 할 수 있다. 비교우위는 절대우위와 다르게 한 주체가 모든 재화에서 상대에 비해 비교우위에 있을 수 없다. 비교우위는 각각의 재화의 생산에 따라 포기해야 하는 상품의 생산 정도이므로 어느 재화에서 비교우위를 가진다면 다른 재화에서는 그 역수만큼의 높은 기회비용을 가지므로 비교우위를 가질 수 없다. 비교우위가 존재한다면 전문화와 자유거래를 통해 경제 전체의 후생을 증가시킬 수 있다. 상대방에 대해 비교우위를 가진 재화를 집중적으로 생산하고, 비교우위에 있지 못한 재화를 상대방과의 자유거래를 통해 획..
경제학에서는 현상을 이해하고 상관관계를 분석하기 위한 수단으로 그래프를 많이 사용한다. 그래프를 분석할 때 간과하지 말아야 할 사항이 있다. 그래프를 통해 인과관계를 분석할 때는 누락변수가 없도록 해야 한다. 그래프 상의 변수로 인과관계를 묘사하기 위해서는 이외의 변수들은 변하지 않는 가정이 필요하다. 가정이 제대로 성립되지 않으면 그래프에 표현되지 않은 누락변수가 인과에 영향을 미치고 있는 것을 차단할 수 없다. 인과를 뒤집어 해석하는 것도 문제가 될 수 있다. 이 또한 의미 있는 결론을 내지 못하기 때문이다. 변수의 값 변화가 시간에 따라 달라지는 것을 관찰하여 인과를 결론지을 수도 있지만 인간은 미래에 대한 예측에 대응하여 반응하기도 한다는 점에서 반드시 가능하다고 할 수는 없다.
실증적 주장(positive statements)과 규범적 주장(normative statements)의 의미는 다음과 같다. 실증적 주장은 자료를 분석하여 경제의 움직임을 이해하고 이를 설명하고자 시도하는 자세를 포함한다. 규범적 주장은 실증적 분석에 더해 가치관이 추가되어 특정한 목표를 이루기 위해 어떤 것을 해야 하는 지 주장하는 것을 의미한다. 실증적 주장과 규범적 주장은 그 의미에 차이가 있지만 개인에게 있어서 실증적 분석이 규범적 주장의 근거가 될 수 있다는 점에서 관련이 있다고 할 수 있다.
생산가능곡선(production possibilities frontier)는 경제 내의 생산요소를 투입하여 생산할 수 있는 최대의 재화의 조합을 표현하는 모델이다. 한정된 생산요소를 이용하여 여러가지 재화를 생산하기 위해서는 모든 재화를 원하는 대로 생산할 수 없다. 특정 재화를 많이 생산한다면 어떠한 재화의 생산은 제한될 수 밖에 없다. 따라서 반비례하는 곡선의 형태를 가진다. 생산가능곡선을 통해 특정한 재화 생산에 따른 기회비용을 분석할 수 있다. 생산가능곡선 위에서 경제활동이 이루어지고 있다면 특정 재화를 더욱 생산하기 위해서는 어떠한 재화들은 생산을 줄여야 한다. 이것이 기회비용이다. 이 기회 비용은 곡선의 접선의 기울기에 해당한다. 곡선은 대개 밖으로 볼록한 형태를 취한다고 생각된다. 어떠한 재..
시장에 통화량이 증가하면 화폐가치가 떨어지면서 물가가 상승한다. 이러한 물가 상승 현상을 인플레이션(inflation)이라고 한다. 인플레이션은 사회적으로 많은 비용을 발생시키기 때문에 많은 국가에서는 인플레이션이 일어나지 않도록 통화정책을 조정한다. 인플레이션이 발생하면 장기적으로는 물가가 올라가지만 단기적으로는 실업률을 낮아진다. 통화량이 증가하여 사람들의 수중에 돈이 많이 생기면 곧바로 수요의 증가로 이어진다. 기업들은 수요 증가에 따라 물건의 가격을 올리지만 동시에 수요에 대응하기 위해 생산량을 늘리려고 노력한다. 기업들이 많은 사람들을 고용하게 되는 것이다. 이러한 논리는 경제 부양을 위해 통화량 증가 정책을 사용할 수 있다는 사실을 시사한다
오토인코더(Autoencoder)는 비지도학습 유형의 딥러닝 모델 중 하나이며 입력된 데이터를 신경망에 통과시켜 똑같이 출력하는 기능을 한다. 입력 재건 자체보다는 입력을 잘 표현할 수 있는 은닉 표현(hidden representation)을 찾는 것을 목적으로 한다. 이를 통해 입력 크기를 더 적은 차원으로 요약할 수 있다. 유의미한 정보는 모든 가능한 경우의 극히 일부분만을 차지하며 집중되어있다는 다양체 가정이 모델의 가능성을 뒷받침한다. 은닉층의 노드를 증가시킨다면 당연히 입력 데이터를 완벽하게 표현할 수 있지만 이는 오토인코더를 사용하는 목적을 퇴색시킨다.(over-fitting) 물론 더 적은 노드를 사용하면 완벽하게 입력데이터를 묘사할 수 없을지 모르지만 그럼에도 어느 정도 입력 데이터의 특..
입력이 가변적이고 순차적인 sequential data인 경우 RNN을 사용한다. RNN은 순차적인 데이터가 입력이나 출력으로 사용된다는 특징을 가지고 있다. feed-forward neural network의 일종이며 매개변수 공유를 통해 매개 변수 학습의 비용이 적다는 특징을 가지고 있다. 명칭에서 알 수 있듯이 이전 은닉층의 출력을 다음 은닉층의 입력으로 반복하여 사용한다. 출력층의 출력이 은닉층의 입력으로 공급되는 경우도 있다.(teacher forcing) 은닉층의 출력이 이전 은닉층의 입력으로 되돌아가는 경우도 있다. 대표적인 예로 Encoder-Decoder Architecture, Deep RNN가 있다. RNN은 feed-forward neural network로서 기울기 하강 방식으로 ..
입력 데이터의 순서가 중요한 경우 CNN을 사용하여 task를 수행할 수 있다. CNN은 convolution layer(+detector stage), pooling layer, fully-connected layer로 구성된다. 입력(input)과 가중치(kernel)의 convolution(엄밀히 말하면 cross correlation이다.)을 통해 핵심적인 정보를 추출한다. 대개 출력의 수는 입력에 비해 작아지나 zero-padding을 통해 유지시킬 수 있다. convolution 연산은 입력과 그보다 작은 커널의 상호작용만으로 출력을 내기 때문에 결과적으로 특정 입력 노드 주변의 노드들만 기여를 한다.(sparse interaction) 기여하는 입력 노드들의 집합을 receptive fiel..
딥러닝은 알고리즘 특성상 복잡도가 높아 과적합이 발생하기 쉽다. 과적합 문제를 해결하기 위해 여러 가지 정규화(Regularization) 방법이 요구되었다. Parameter Norm Penalty는 파라미터의 페널티 항을 비용함수에 추가하여 파라미터 값에 제약을 주어 모델의 복잡도를 낮추는 방법이다. 노드 사이의 간선의 가중치만을 페널티 항에 포함시키고 바이어스는 포함시키지 않는다. 바이어스에 대한 제약은 모델을 전체적으로 움직여 과소적합을 발생시키기 때문이다. 또한 층마다 다른 종류의 페널티 항을 사용할 수 있지만연산에 오랜 시간이 걸리기 때문에 대개 공통 페널티 항을 사용한다. 대표적으로 릿지(Ridge) 스타일의 페널티 항인 L2 norm penalty와 라소(Lasso) 스타일의 L1 norm..
딥러닝(deep learning)은 딥 뉴럴 네트워크(deep neural network)를 기반으로 하는 학습 알고리즘이다. 딥 뉴럴 네트워크 중 심층 순방향 신경망(deep feedforward network)는 데이터가 입력층(input layer), 은닉 층(hidden layer), 출력 층(output layer)을 거쳐가면서 원하는 결과를 얻어낼 수 있는 신경망 구조이다. 이러한 층의 개수를 신경망의 깊이(depth)라고 하고 층에 있는 노드의 개수를 너비(width)라고 한다. 딥러닝은 각 층의 노드를 연결하는 가중치를 학습하는 과정이며 대개 기울기 하강법(gradient descent)을 사용하여 비용함수(cost function)을 최소화하는 방향으로 가중치를 조절한다. 이때 조절하는 ..
군집화는 레이블이 없는 데이터에 대한 비지도학습(unsupervised learning)의 일종이다. 입력 변수에 대해 유사한 데이터끼리는 같은 군집에 포함시키고 다른 데이터이면 다른 군집으로 묶는 기법이다. 서로 비슷한 데이터를 그룹화하여 이해하기 쉽게 데이터를 가공하는 데 사용되며, 데이터 셋을 요약, 압축하는 데도 활용된다. 데이터들을 군집화하는 방식에는 여러 가지가 있다. 대표적으로 계층적(hierarchical) 군집화와 분할적(partitional) 군집화가 있다. 계층적 군집화는 군집들이 포함관계를 통해 계층을 이루도록 구성하는 반면 분할적 군집화는 서로 중첩되지 않는 군집으로 데이터들을 나누어 가지도록 구성하는 방식이다. 이외에도 고려할 수 있는 군집화의 특성에는 여러 종류가 있다. 이외에..
- Total
- Today
- Yesterday
- 영화
- Git
- 재귀함수
- 베릴로그
- Verilog
- 취미
- BFS
- 메이플스토리
- 완전탐색
- 구현
- backtracking
- 백준
- BOJ
- 구조체
- recursive
- 정렬
- 스택
- 건이의 특제 떡국 끓이기
- 애니메이션
- 큐
- Push
- 이분법
- 이진탐색
- 백트래킹
- C언어
- 알고리즘
- gem5
- C++
- 영어 어휘
- 너비우선탐색
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 |