시간대 가중치 · 학과 패턴 · 베이지안 업데이트
3가지를 결합한 독자적인 복합 예측 모델
지원 고려 중인 학과들을 한 번에 비교해보세요.
세 단계 보정을 순서대로 적용합니다.
베이지안 업데이트: 기록 2개 이상이면 이전 예측값을 30% 반영해 보정합니다. 기록이 쌓일수록 정확도가 높아집니다.
초반 (×1.08): 적극적인 상위권이 먼저 참여하는 경향 → 보수적으로 보정
중반 (×1.00): 기본값, 보정 없음
후반 (×0.94): 하위권도 참여해 데이터 고른 단계 → 낙관적으로 보정
참여율 0~20% → 초반 / 20~60% → 중반 / 60%+ → 후반
• 의약계열 ×0.92: 참여율 높고 상위권 집중 → 실제 등수 더 좋은 경향
• 교육계열 ×0.95: 안정 지원 비율 높아 이탈 적음
• 자연계열 ×0.98: 기본값에 가까움
• 인문계열 ×1.02: 교차지원 영향으로 소폭 낮게 나올 수 있음
• 예체능 ×1.05: 참여율 낮아 불확실성 큼
※ 실제 데이터 축적 후 매년 조정하면 더 정확해집니다
Q. 예비번호가 나오면 추가합격되나요?
아닙니다. 점공 기준 예상 순위만 산출합니다. 실제 추가합격은 이월 인원 등 별도 변수에 달려 있습니다.
Q. 낮은 점수 학생이 들어왔는데 등수가 밀렸어요.
점공 미참여자 중 상위권이 아직 남아 있을 가능성이 반영된 결과입니다.
Q. 얼마나 믿어야 하나요?
참고용 도구입니다. 후반부·기록 누적일수록 정확도가 높아집니다. 신뢰구간 전체를 보고 판단하세요.
코드 안의 두 줄만 수정하면 됩니다:
정시 결과 발표 후 오르비·수만휘에서 "점공 ○등 → 실제 ○등" 후기를 계열별로 20~30개 수집하면, 예측값 대비 실제값의 오차 방향을 보고 계수를 0.01~0.03씩 조정하면 됩니다.