맨위로가기

파레토 법칙

"오늘의AI위키"는 AI 기술로 일관성 있고 체계적인 최신 지식을 제공하는 혁신 플랫폼입니다.
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
목차

1. 개요

파레토 법칙은 이탈리아 경제학자 빌프레도 파레토가 발견한 경험 법칙으로, 결과의 80%가 원인의 20%에서 발생한다는 것을 의미한다. 파레토는 소득 통계를 분석하여 소득 분포가 안정적이고 시대에 따라 변하지 않는다는 결론을 내렸고, 이 법칙은 소득 불평등, 사회 양극화, 기회 불균형 등 다양한 사회 현상에 적용된다. 파레토 법칙은 수학적 설명과 분석 기법을 통해 문제 해결과 효율성 증진에 활용되지만, 모든 상황에 적용되는 것은 아니며 경험 법칙으로 간주된다. 현대 사회에서는 경제, 경영, 컴퓨팅, 산업 안전 등 여러 분야에서 활용되며, 한국 사회에도 소득 불평등 심화, 사회 양극화 등의 문제점을 해결하기 위한 정책적 시사점을 제공한다.

2. 역사

1941년, 루마니아 출신 미국 엔지니어 조셉 M. 쥬란은 이탈리아의 빌프레도 파레토의 연구를 접하게 되었다. 파레토는 이탈리아 토지의 약 80%가 인구의 20%에 의해 소유된다는 점에 주목했다.[6][4] 쥬란은 문제의 80%가 원인의 20%에 의해 발생한다는 관찰을 품질 문제에 적용했다. 이후 쥬란은 나머지 80%의 기여를 완전히 무시해서는 안 된다는 점을 강조하기 위해 이를 "중요한 소수와 유용한 다수"로 설명하는 것을 선호했다.[7]

파레토는 소득 통계를 분석하여 소득 분포가 안정적이며, 시대에 따라 변화하지 않는다는 결론을 내렸다. 그러나 파레토가 발표했을 당시부터 저소득층에 적용되지 않는다는 문제점이 있었고, 파레토 자신도 이를 인정했다. 파레토가 사용한 통계는 이탈리아와 스위스의 몇몇 도시와 프로이센 왕국, 작센 왕국의 세금표였지만, 자료 기간은 1880년부터 1890년까지로 장기적인 격차 확인에는 적합하지 않았다. 또한 데이터에는 격차 확대 경향도 존재했지만, 파레토는 채택하지 않았다.

1900년대에 들어 파레토 법칙은 비판을 받았다. 경제학자이자 통계학자인 코스탄티노 브레시아니는 도시 지역이나 인구 밀집 지역에서는 소득 격차가 일정하지 않고 확대된다고 주장했다. 통계학자 코라도 지니는 소득 분포의 집중을 측정하기 위해서는 인원수와 소득 총액 데이터가 필요하다고 주장하며 파레토 법칙이 타당하지 않다고 비판했다. 파레토의 비판적 계승자인 지니는, 후에 로렌츠 곡선을 바탕으로 소득 분포의 지표로서 지니 계수를 고안했다.

오늘날에는 소득 분포에 대한 파레토의 법칙은 국소적으로만 유효하다고 여겨진다.

2. 1. 파레토의 초기 연구

1941년, 루마니아 출신 미국 엔지니어 조셉 M. 쥬란은 이탈리아의 빌프레도 파레토의 연구를 접하게 되었다. 파레토는 이탈리아 토지의 약 80%가 인구의 20%에 의해 소유된다는 점에 주목했다.[6][4] 파레토는 소득 통계를 분석하여 소득 분포가 안정적이며 시대에 따라 변화하지 않는다는 결론을 내렸다. 이 결론에서 사회의 소득 격차는 평등해지지 않지만, 불평등도 강화되지 않는다는 것을 알 수 있다. 파레토 법칙은 함수의 파라미터(파레토 지수)에 따라 소득 분포를 시간・공간적으로 비교한 것으로, 빈곤에 대한 최초의 수학적 연구라고도 불린다.

그러나 파레토가 발표했을 당시부터 난점이 있었다. 파레토 법칙은 저소득층에는 적용되지 않는다는 문제가 있었으며, 파레토 자신도 이 점을 인정했다. 파레토가 사용한 통계는 이탈리아와 스위스의 몇몇 도시와 프로이센 왕국, 작센 왕국의 세금표였지만, 자료의 기간은 1880년부터 1890년까지로, 장기적인 격차를 확인하기에는 적합하지 않았다. 또한 데이터에는 격차의 확대 경향도 존재했지만, 파레토는 이를 채택하지 않았다.

2. 2. 파레토 법칙에 대한 비판

파레토가 법칙을 발표했을 당시부터 문제점이 있었다. 파레토 법칙은 저소득층에는 적용되지 않았으며, 파레토 자신도 이 점을 인정했다.[1] 파레토가 사용한 통계는 이탈리아와 스위스의 몇몇 도시와 프로이센 왕국, 작센 왕국의 세금 관련 자료였지만, 기간이 1880년부터 1890년까지로 짧아 장기적인 소득 격차를 확인하기에는 적절하지 않았다. 또한, 자료에는 격차가 확대되는 경향도 있었지만, 파레토는 이를 채택하지 않았다.[2]

1900년대에 들어 파레토 법칙은 비판을 받았다. 경제학자이자 통계학자인 코스탄티노 브레시아니는 도시 지역이나 인구 밀집 지역에서는 소득 격차가 일정하지 않고 확대된다고 주장했다. 통계학자 코라도 지니는 소득 분포의 집중도를 측정하려면 인원수와 소득 총액 데이터가 필요하다고 주장하며, 파레토 법칙이 타당하지 않다고 주장했다.[3] 파레토를 비판적으로 계승한 지니는, 이후 로렌츠 곡선을 바탕으로 소득 분배 불평등 정도를 나타내는 지니 계수를 고안했다.[4]

오늘날에는 소득 분포에 대한 파레토의 법칙은 국소적으로만 유효하다고 여겨진다.[5]

2. 3. 현대적 해석

조셉 M. 쥬란은 빌프레도 파레토의 연구를 참고하여 품질 문제의 80%가 20%의 원인에서 발생한다는 것을 발견하고, 이를 품질 관리에 적용했다.[6][4] 쥬란은 이후 "중요한 소수와 유용한 다수"라는 표현을 사용하며, 나머지 80%의 기여도 무시할 수 없음을 강조했다.[7]

오늘날 파레토 법칙은 소득 분배뿐만 아니라 다양한 분야에서 응용된다. 몇 가지 예시는 다음과 같다.

분야내용
통화통화한 사람 중 20%와의 통화 시간이 총 통화 시간의 80%를 차지한다.
의류즐겨 입는 옷의 80%는 옷장에 걸린 옷의 20%에 불과하다.
주식전체 주가 상승률의 80%는 상승 기간의 20%에서 발생한다.
교통20%의 운전자가 전체 교통 위반의 80% 정도를 차지한다.
범죄20%의 범죄자가 80%의 범죄를 저지른다.
업무성과의 80%는 근무 시간 중 집중력을 발휘한 20%의 시간에 이뤄진다.
두뇌두뇌의 20%가 문제의 80%를 푼다.
스포츠운동선수 중 20%가 전체 상금의 80%를 싹쓸이한다.
인터넷인터넷 유저의 20%가 80%의 양질의 정보를 생산한다.



이러한 현상들은 파레토 법칙으로 자주 언급되지만, 항상 성립하는 것은 아니다.

파레토 법칙은 일하는 개미의 법칙과 유사하게, 조직의 핵심 20%가 대부분의 이익을 창출하며, 이들이 제거되면 나머지 80%에서 새로운 20%가 핵심 역할을 한다는 의미로도 사용된다. 경제 외에도 자연 현상이나 사회 현상 등 다양한 분야에 적용되지만, 대부분은 법칙이라기보다는 경험 법칙에 가깝다.

현대 비즈니스에서는 파레토 법칙을 활용하여, 매출의 80%를 창출하는 20%의 고객에게 집중하는 전략을 사용하기도 한다. 또한, 상품 매출의 80%가 전체 상품의 20%에서 발생한다는 롱테일 현상과도 관련이 있다.

프로그램 개발에서도 파레토 법칙이 적용될 수 있는데, 처리 시간의 80%가 코드 전체의 20% 부분에서 발생한다는 것이다.[32]

3. 수학적 설명

파레토 법칙은 공정 변동의 상당 부분이 공정 변수의 작은 부분과 관련되어 있다는 설명으로 이루어진다.[2]

파레토는 소득 통계를 분석하여 소득 분포가 안정적이며 시대에 따라 변화하지 않는다고 결론 내렸다. 이로부터 사회의 소득 격차는 평등해지지도, 불평등이 강화되지도 않는다고 보았다. 파레토 법칙은 함수의 파라미터(파레토 지수)에 따라 소득 분포를 시간・공간적으로 비교한 것으로, 빈곤에 대한 최초의 수학적 연구라고도 불린다.

그러나 파레토가 법칙을 발표했을 당시부터 저소득층에 적용되지 않는다는 문제점이 있었고, 파레토 자신도 이를 인정했다. 파레토가 사용한 통계는 이탈리아와 스위스의 몇몇 도시와 프로이센 왕국, 작센 왕국의 세무표였지만, 자료 기간은 1880년부터 1890년까지로 장기적인 격차 확인에는 적합하지 않았다. 또한 데이터에는 격차 확대 경향도 있었지만, 파레토는 채택하지 않았다.

파레토 법칙은 1900년대에 비판을 받았다. 경제학자・통계학자 코스탄티노 브레시아니는 도시 지역이나 인구 밀집 지역에서는 소득 격차가 일정하지 않고 확대된다고 주장했다. 통계학자 코라도 지니는 소득 분포의 집중을 측정하기 위해서는 인원수와 소득 총액 데이터가 필요하다고 주장하며, 파레토 법칙이 타당하지 않다고 비판했다. 코라도 지니는 로렌츠 곡선을 바탕으로 소득 분포 지표인 지니 계수를 고안했다.[4]

현재는 소득 분포에 대한 파레토의 법칙은 국소적으로만 유효하다고 여겨진다.

3. 1. 파레토 분포와 멱법칙

파레토 법칙은 파레토 분포의 특별한 경우이며, 멱법칙 관계의 한 예시이다.[9] 파레토 지수 '''α'''를 '''α''' = log45 ≈ 1.16으로 설정하면, 20%의 원인에서 80%의 결과가 나타난다는 법칙이 성립한다.[8]

80/20 법칙은 작동하는 일반적인 원리를 간략하게 나타낸 것이다. 개별 사례에서 이 비율은 90/10 또는 70/30에 더 가까울 수도 있다. 파레토 원리는 멱법칙 관계를 따르므로, 산불이나 지진과 같은 현상에서도 관찰된다.[9] 이는 정규 분포 현상과는 완전히 다른 결과를 생성하며, 주가 변동과 같이 가우스 관계가 적합하다는 가정하에 모델링된 금융 상품이 실패하는 이유를 설명하기도 한다.[10]

3. 2. 지니 계수와 후버 지수

"''A'':''B''" 표기법(예: 0.8:0.2)을 사용하고 ''A'' + ''B'' = 1일 때, 불평등 지표인 지니 계수(G)와 후버 지수(H)는 다음과 같이 계산할 수 있고, 이 경우 둘은 같다.

:H=G=|2A-1|=|1-2B| \,

:A:B = \left( \frac{1+H} 2 \right): \left( \frac{1-H} 2 \right)

코라도 지니는 로렌츠 곡선을 바탕으로 소득 분포 지표인 지니 계수를 고안했다[4].

4. 분석



파레토 분석은 다양한 현상에서 나타나는 '80/20 법칙'을 활용하여 문제 해결의 우선순위를 정하는 데 유용한 기법이다. 몇 가지 예시는 다음과 같다.


  • 통화한 사람 중 20%와의 통화 시간이 총 통화 시간의 80%를 차지한다.
  • 즐겨 입는 옷의 80%는 옷장에 걸린 옷의 20%에 불과하다.
  • 전체 주가 상승률의 80%는 상승 기간의 20%에서 발생한다.
  • 20%의 운전자가 전체 교통 위반의 80%를 차지한다.
  • 20%의 범죄자가 80%의 범죄를 저지른다.
  • 성과의 80%는 근무 시간 중 집중력을 발휘한 20%의 시간에 이루어진다.
  • 두뇌의 20%가 문제의 80%를 해결한다.
  • 운동선수 중 20%가 전체 상금의 80%를 획득한다.
  • 인터넷 사용자의 20%가 80%의 양질의 정보를 생산한다.


이러한 현상들을 통해 알 수 있듯이, 파레토 분석은 문제 해결에 있어서 핵심적인 소수에 집중할 수 있도록 돕는다.

4. 1. 파레토 분석의 활용

파레토 분석은 여러 해결 방안이 있을 때 가장 효과적인 방안을 선택하도록 돕는 공식적인 기법이다. 각 방안의 이점을 추정하고, 최대 이익에 가까운 총 이익을 제공하는 가장 효과적인 방안을 선택한다.

파레토 분석은 문제의 원인을 창의적으로 생각해보고 생각을 정리하는 데 유용하다. 그러나 초기에는 작지만 시간이 지나면서 커질 수 있는 중요한 문제를 배제할 수 있다는 한계가 있다. 따라서 고장 모드 및 영향 분석, 고장 트리 분석과 같은 다른 분석 도구와 함께 사용해야 한다.[12]

이 기법은 대부분의 문제를 해결하기 위해 해결해야 할 주요 원인을 식별하는 데 도움이 된다. 주요 원인이 식별되면 이시카와 다이어그램(특성 요인도)과 같은 도구를 사용하여 문제의 근본 원인을 찾을 수 있다. 파레토 법칙을 "80/20 규칙"이라고도 하지만, 이는 편리한 경험 법칙일 뿐이며 모든 상황에 적용되는 것은 아니다.[12]

위험 관리에서 파레토 분석을 활용하면 프로젝트에 가장 큰 영향을 미치는 위험에 집중할 수 있다.[11]

80/20 규칙을 사용하여 중요한 원인을 식별하는 단계는 다음과 같다.[12]

단계내용
1발생 빈도를 백분율로 나타낸다.
2원인의 중요도 순으로 행을 정렬한다(가장 중요한 원인을 먼저).
3표에 누적 백분율 열을 추가하고, 정보를 도표로 나타낸다.
4
5y 축에서 80% 지점에 수평 점선을 그어 곡선과 교차시킨다. 교차점에서 x 축까지 수직 점선을 그린다. 수직 점선은 중요한 원인(왼쪽)과 사소한 원인(오른쪽)을 구분한다.
6최소 80%의 문제에 대한 원인이 포함되었는지 확인하기 위해 차트를 명시적으로 검토한다.


4. 2. 파레토 분석의 한계

파레토 분석은 문제의 원인을 창의적으로 바라보는 데 유용한 기법이다. 사고를 자극하고 생각을 정리하는 데 도움을 주기 때문이다. 그러나 처음에는 작지만 시간이 지나면서 중요해질 수 있는 문제를 간과할 수 있다는 한계가 있다. 따라서 고장 모드 및 영향 분석, 고장 트리 분석 등 다른 분석 도구와 함께 사용해야 한다.

파레토 분석은 대부분의 문제를 해결하기 위해 해결해야 할 주요 원인을 식별하는 데 유용하다. 주요 원인이 파악되면 이시카와 다이어그램 등을 활용하여 문제의 근본 원인을 찾을 수 있다. 파레토 법칙을 "80/20 법칙"이라고도 부르지만, 이는 모든 상황에서 원인의 20%가 문제의 80%를 야기한다는 가정을 전제로 한다. 하지만 이 비율은 편리한 경험 법칙일 뿐, 자연의 불변 법칙으로 여겨서는 안 된다.

위험 관리에서 파레토 분석을 활용하면 프로젝트에 가장 큰 영향을 미치는 위험에 집중하여 관리할 수 있다.[11]

5. 여러 분야에서의 응용

파레토 법칙은 경제, 경영, 컴퓨팅, 산업 안전, 보건 등 다양한 분야에서 응용된다. 다음은 그 예시이다.


  • 통화한 사람 중 20%와의 통화 시간이 총 통화 시간의 80%를 차지한다.
  • 즐겨 입는 옷의 80%는 옷장에 걸린 옷의 20%에 불과하다.
  • 전체 주가 상승률의 80%는 상승 기간의 20%에서 발생한다.
  • 20%의 운전자가 전체 교통 위반의 80% 정도를 차지한다.
  • 20%의 범죄자가 80%의 범죄를 저지른다.
  • 성과의 80%는 근무 시간 중 집중력을 발휘한 20%의 시간에 이뤄진다.
  • 두뇌의 20%가 문제의 80%를 푼다. (우수한 20%의 인재가 80%의 문제를 해결한다.)
  • 운동선수 중 20%가 전체 상금 80%를 싹쓸이한다.
  • 인터넷 유저의 20%가 80%의 양질의 정보를 생산한다.


조셉 M. 쥬란은 빌프레도 파레토의 연구를 참고하여 품질 문제에 파레토 법칙을 적용했다. 그는 문제의 80%가 원인의 20%에 의해 발생한다고 보았으며, 이를 "중요한 소수와 유용한 다수"라고 표현했다.[7]

(경제 및 경영, 컴퓨팅, 산업 보건 및 안전, 보건 및 사회적 결과는 하위 섹션에서 더 자세하게 다룬다.)

5. 1. 경제 및 경영

파레토 법칙은 경제 및 경영 분야에서 다양하게 관찰된다. 예를 들어, 소득 분배에서 상위 20%가 전체 소득의 80%를 차지하는 현상이 나타난다. 1992년 유엔 개발 계획 보고서에 따르면, 세계 인구의 상위 20%가 세계 소득의 82.7%를 차지했다.[13] 1989년 세계 GDP 분포는 다음과 같다.[15]

1989년 세계 GDP의 분포
인구 5분위소득
가장 부유한 20%82.70%
두 번째 20%11.75%
세 번째 20%2.30%
네 번째 20%1.85%
가장 가난한 20%1.40%



파레토는 소득 통계를 분석하여 소득 분포가 안정적이며, 시대에 따라 변화하지 않는다는 결론을 내렸다. 즉 사회의 소득 격차는 평등해지지도 않지만, 불평등도 강화되지 않는다는 것이다.[6] 그러나 파레토가 발표했을 당시부터 파레토 법칙은 저소득층에 적용되지 않는다는 문제가 있었으며, 파레토 자신도 이 점을 인정했다. 현대에는 소득 분포에 대한 파레토 법칙은 국소적으로만 유효하다고 여겨진다.

비즈니스 영역에서도 파레토 법칙은 흔히 활용된다. 예를 들면 다음과 같다.


  • 전체 매출의 80%는 상위 20%의 고객으로부터 발생한다.[32]
  • 전체 상품 매출의 80%는 상위 20%의 상품 품목에서 발생한다.
  • 전체 직원의 20%가 전체 매출의 80%를 창출한다.
  • 투입한 시간 중 20%의 시간으로 전체 업무 성과의 80%가 달성된다.


하지만 모든 상황에서 파레토 법칙이 적용되는 것은 아니다. 예를 들어, 상품 매출의 경우 롱테일 현상과 같이, 하위 80%의 상품이 상위 20% 상품보다 더 많은 매출을 발생시키기도 한다.

5. 2. 컴퓨팅

컴퓨터 과학에서 파레토 법칙은 최적화 노력에 적용될 수 있다.[19] 예를 들어, 마이크로소프트는 가장 많이 보고된 버그의 상위 20%를 수정함으로써 주어진 시스템에서 관련 오류 및 충돌의 80%가 제거될 것이라고 언급했다.[20] 로웰 아서(Lowell Arthur)는 "코드의 20%가 오류의 80%를 차지한다. 찾아내서 고쳐라!"라고 말했다.[21]

또한 일반적으로 소프트웨어의 80%는 전체 할당 시간의 20%로 작성될 수 있으며, 반대로 가장 어려운 코드의 20%가 시간의 80%를 차지한다는 사실이 밝혀졌다. 이 요소는 일반적으로 소프트웨어 코딩에 대한 COCOMO 추정의 일부이다.

5. 3. 산업 보건 및 안전

산업 보건 및 안전 전문가들은 위험 우선순위의 중요성을 강조하기 위해 파레토 법칙을 사용한다. 위험의 20%가 부상의 80%를 차지한다고 가정할 때, 안전 전문가들은 위험을 분류하여 부상 또는 사고의 80%를 유발하는 위험의 20%를 목표로 할 수 있다. 또는, 위험을 임의의 순서로 처리하는 경우, 안전 전문가는 나머지 부상의 20% 중 일부만 차지하는 80%의 위험 중 하나를 해결할 가능성이 더 높다.[22]

파레토 원리는 효율적인 사고 예방 관행을 보장하는 것 외에도 경제적인 순서로 위험을 처리하도록 보장한다. 이 기술은 활용된 자원이 가장 많은 사고를 예방하는 데 최적으로 사용되도록 보장하기 때문이다.[23]

5. 4. 보건 및 사회적 결과

보건 의료 연구 품질 관리국(Agency for Healthcare Research and Quality)의 2009년 연구에 따르면, 만성 질환을 가진 환자 중 20%가 전체 의료비의 80%를 사용했다.[28] 2021년의 한 분석에서는 의료비 분배가 불균등하며, 고령 환자와 건강 상태가 좋지 않은 환자들이 더 많은 의료비를 지출하는 경향을 보였다.[29]

80/20 규칙은 슈퍼 전파 사건에서 감염 분포를 설명하는 경험 법칙으로 제시되었다.[30][31] 그러나 실제 감염성은 인구 집단 내에서 연속적으로 분포하는 것으로 나타났다.[31] 슈퍼 전파가 일어나는 유행(epidemic) 상황에서, 대부분의 사람들은 비교적 적은 수의 접촉자 추적(contact tracing)을 통해 2차 감염을 일으킨다.

참조

[1] 뉴스 Joseph Juran, 103, Pioneer in Quality Control, Dies https://www.nytimes.[...] 2018-01-25
[2] 논문 An Analysis for Unreplicated Fractional Factorials 1986
[3] 서적 Cours d'Économie Politique (in two volumes) https://archive.org/[...] F. Rouge (Lausanne) & F. Pichon (Paris) 1896–1897
[4] 논문 Power laws, Pareto Distributions, and Zipf's law https://arxiv.org/PS[...] 2011-04-10
[5] 뉴스 The 80/20 Rule of Sales: How to Find Your Best Customers https://www.entrepre[...] 2018-01-05
[6] 간행물 "Translation of Manuale di economia politica (\"Manual of political economy\")" A.M. Kelley
[7] 웹사이트 Pareto Principle (80/20 Rule) & Pareto Analysis Guide https://www.juran.co[...] 2021-02-27
[8] 간행물 The Pareto Principle https://pearl.plymou[...]
[9] 간행물 How Nature Works: the science of self-organized criticality Springer
[10] 간행물 The Black Swan
[11] 문서 Project Risk and Risk Management http://www.pmhut.com[...] 2010-05-16
[12] 웹사이트 Pareto Analysis http://erc.msh.org/q[...] 2012-01-12
[13] 간행물 1992 Human Development Report Oxford University Press
[14] 웹사이트 Poverty, Growth, and Inequality over the Next 50 Years ftp://ftp.fao.org/do[...] FAO, United Nations – Economic and Social Development Department 2009-06
[15] 간행물 Human Development Report 1992, Chapter 3 http://hdr.undp.org/[...] 2007-07-08
[16] 간행물 Two-class Structure of Income Distribution in the USA: Exponential Bulk and Power-law Tail Springer Milan 2005
[17] 문서 Paris Aéroport Paris Vous Aime Magazine 2023-04
[18] 뉴스 A Tight Squeeze at Video Stores https://www.nytimes.[...] 1988-05-01
[19] 간행물 Genetic Algorithms and Engineering Optimization Wiley
[20] 간행물 Microsoft's CEO: 80–20 Rule Applies To Bugs, Not Just Features http://www.crn.com/n[...] ChannelWeb 2002-10-03
[21] 서적 Software Engineering: A Practitioner's Approach McGraw-Hill
[22] 서적 Safety Evaluation Techniques http://www.ryerson.c[...] Ryerson University
[23] 웹사이트 Introduction to Risk-based Decision-Making http://www.uscg.mil/[...] United States Coast Guard 2012-01-14
[24] 간행물
[25] 서적 Quality control handbook McGraw-Hill
[26] 문서 “Strategies for Technical Problem Solving.”
[27] 간행물 Growing Artificial Societies: Social Science from the Bottom-Up https://books.google[...] MIT Press
[28] 웹사이트 Myrl Weinberg: In health-care reform, the 20-80 solution http://www.projo.com[...] 2009-07-27
[29] 웹사이트 How do health expenditures vary across the population? https://www.healthsy[...] Peterson Center on Healthcare and the Kaiser Family Foundation 2019-03-13
[30] 논문 Epidemiology: Dimensions of superspreading
[31] 논문 Superspreading and the effect of individual variation on disease emergence
[32] 서적 プリンシプル オブ プログラミング 3年目までに身につけたい 一生役立つ101の原理原則 秀和システム 2016-03-29
[33] 뉴스 Joseph Juran, 103, Pioneer in Quality Control, Dies https://www.nytimes.[...] 2018-01-25
[34] 논문 An Analysis for Unreplicated Fractional Factorials 1986
[35] 뉴스 Joseph Juran, 103, Pioneer in Quality Control, Dies https://www.nytimes.[...] 2008-03-03


본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.

문의하기 : help@durumis.com