가장 효과적인 방법으로 시각적 요소를 활용하는 방법이 있다. 인간은 눈으로 정보의 80%를 얻는 시각적 동물이다. 따라서 시각화는 이해를 돕는 데 큰 역할을 한다. 비즈니스에서도 그래프나 표를 적절하게 활용한 프레젠테이션이 좋은 평을 듣는다. 시각적으로 호소하면 발표자의 주장이 더 잘 이해되기 때문이다. 이처럼 눈에 보이는 형태로 변환하면 훨씬 이해가 빨라진다. 이럴 때 유용한 수학 분야가 바로 기하학이다. 이미지와는 다르게, 수학은 상당히 우리 삶과 밀접한 학문이다. 인간에게 이해하기 어려운 것을 알기 쉽게 번역해 주는 기능을 한다. 그중에서도 기하학은 데이터 같은 추상적인 대상에 형태(이미지)를 부여함으로써 이해를 돕는 학문이다. 원래 기하학은 형태를 연구하는 분야인데다, 무형의 것(데이터 등)을 유형의 것으로 변환하는 기능이 있기 때문이다. 기하학을 통해 추상적인 데이터를 ‘유형’의 것으로 변환함으로써 데이터 분석 또한 발전할 수 있었다.
_38쪽에서

경사가 심한 비탈길이 나오면 지나가기가 상당히 힘들다. 어떤 육교는 가운데 부분이 계단 대신 경사면으로 되어 있어서 자전거나 휠체어, 유모차가 통행할 수 있는데, 그 경사가 가파르면 올라갈 때도 체력이 필요하고 내려올 때도 주의를 기울여야 한다. 한편 큰 역사 안에 있는 경사로는 대체로 기울기가 완만하게 설계되어 있어서 안심하고 지나갈 수 있다. 이러한 경사로 설계에 삼각함수가 사용된다는 사실을 아는가? 역사 내 경사로나 육교를 설계할 때는 사용 가능한 면적과 편리성 등을 고려해서 기울기를 정해야 한다. 육교는 공간이 한정적인 도로에 설치하는 데다 자동차나 가로수에 닿지 않을 정도로 높아야 해서 어쩔 수 없이 경사를 가파르게 설계하는 경우가 많다. 반면 지하철역이나 병원 같은 공공시설에서는 배리어프리를 중시하므로 완만한 경사로를 많이 볼 수 있다. 이렇게 상황에 따라 경사를 적절하게 설계하기 위해 삼각함수를 사용한다. 경사는 지면에 접하는 부분의 길이(수평거리)와 지면으로부터의 높이(수직거리)의 비로 나타낸다.
_43쪽에서

주식 투자를 통해 자금을 불리고 싶을 때는 어떤 종목에 얼마를 투자할지 판단하는 것이 성패를 가른다. 왜냐하면 종목에 따라 주가 변동 유형이 다르기 때문이다. 예를 들어 철강, 화학, 유리 같은 소재 관련주, 공작 기계 같은 설비 투자 관련주 그리고 자동차 관련주는 경기의 영향을 쉽게 받아서
‘경기민감주’라고 불린다. 경기가 불황일 때는 설비 투자가 저조해지고 자동차 구매를 미루는 경향이 있어서 실적 악화 우려로 주가가 크게 떨어진다. 반대로 호황일 때는 실적 회복이 기대되므로 주가가 크게 오른다. 이러한 업종은 이렇게 주가 변동이 심한 것이 특징이다. 요령 있게 투자하면 큰 이익을 기대할 수 있지만, 그만큼 위험성도 크다. 반대로 경기의 영향을 잘 안 받는 종목은 ‘경기방어주’라고 부른다. 주로 식품, 의약품, 전력, 가스 같은 인프라 계열이다. 아무리 불경기라도 아무것도 먹지 않고 필요한 약도 사지 않고 냉장고 콘센트까지 뽑아 가며 절약할 수는 없는 노릇이다.
_74쪽에서

여러 함수의 그래프 모양을 머릿속에 넣어 두면 ‘이 상황에는 이 함수를 활용할 수 있지 않을까?’ 하고 직감적으로 깨닫게 되기 때문이다. 그래프 모양에서 아이디어를 얻은 예로 경제학 이야기를 빼
놓을 수 없다. 경제학이라고 하면 어떤 이미지가 떠오르는가? 이름 있는 대학교에는 반드시 경제학부가 있고, 노벨상에도 경제학 부문이 있을 정도로 고상한 학문이라는 이미지인데, 그런 학문의 대전제가 되는 가설의 존재를 알고 있는가? 그 가설은 바로 이것이다. ‘물건의 가격은 소비자가 얼마나 만족하느냐에 따라 정해진다’ 경제학에서는 소비자의 만족도를 ‘효용’이라고 하며, 이것을 함수로 나타낸다. 물건의 가격은 이 효용을 토대로 결정된다. 이 가설을 ‘효용가치설’이라고 한다.
_121쪽에서

우리는 생활 속에서 일정한 주기로 왔다갔다하는 반복 운동을 흔히 볼 수 있다. 그 대표적인 예가 회전으로, 한 바퀴 돌 때마다 원래 위치로 돌아오는 운동이다. 자동차 바퀴의 회전, 팽이의 회전, 헬리콥터 날개의 회전처럼 친숙한 움직임부터 지구가 태양 주위를 도는 공전 운동까지 다양한 예가 있다. 빙글빙글 도는 모든 운동을 회전이라고 한다. 또 다른 유형의 반복 운동으로 진동이 있다. 진동은 회전하지는 않지만, 반복적인 패턴을 보이는 운동이다. 용수철 끝에 추를 달아 잡아당긴 뒤 손을 놓으면 추가 상하 운동을 반복하는데, 이런 운동을 진동이라고 한다. 밀려왔다 빠져나가는 바다의 파도, 지각의 진동으로 인해 발생하는 지진파, 혈관의 확장과 수축이 반복되는 맥박 등등. 그리고 우리가 듣는 소리의 정체도 공기의 진동이다. 주가는 오르내림을 반복하고 경기의 파도는 호황과 불황을 끊임없이 오간다. 그 밖에도 수없이 많은 진동이 있다. 진동이라는 말이 딱딱하게 느껴진다면 용수철이 위아래로 뿅뿅 튀어 오르는 모습을 떠올려도 좋다.
_161쪽에서

미적분학은 복잡한 움직임이나 변화를 단순화해서 파악하는 방법론이다. 미분은 ‘잘게 잘라서 계산하는 것’, 적분은 ‘잘게 잘라 계산한 결과를 다시 합쳐 원래대로 되돌리는 것’이다. 이 장에서는 이런 발상을 어떻게 구체화하는지 살펴본다. 미적분학은 그 자체로 계산 방법, 계산 기술이기도 해서 계산에 관한 설명이 길어질 수밖에 없다. 하지만 중요한 것은 세세한 계산이 아니라 사고방식을 익히는 것이다. 어쩔 수 없이 수식을 통해 설명하는 부분도 있을 테지만, 되도록 그림이나 그래프를 이용해서 시각적으로 설명하려고 한다. 수식의 배후에 있는 시각적인 이미지와 단순화라는 미적분학의 기본 사상을 의식하면서 읽으면 더 좋을 것이다. 미적분학을 이해하는 데 가장 중요한 것은 그래프와 연계해서 생각하는 것이다. 그래프를 통해 시각적으로 이해해야 이미지를 잡기가 쉽다. 그래서 미적분학의 접근법과 계산 절차를 그래프로 시각화하여 이해를 도우려고 한다.
_188쪽에서

아까는 원시함수에 적분 구간의 왼쪽 끝과 오른쪽 끝을 대입함으로써 넓이를 구했다. 그런데 실제로는 그 전 단계로서 원시함수를 구하는 절차가 존재한다. 즉, 넓이를 구하는 계산은 2단계로 구성된다. 1단계로 원시함수를 구하고, 2단계로 그 원시함수를 이용해서 넓이를 구한다. 1단계에서는 아직 적분 구간을 확실히 정할 필요가 없다. 그래서 적분 구간이 정해지지 않은 부정(不定) 상태에서 원시함수를 구하는 계산이라는 뜻으로 부정적분이라고 한다. 2단계에서는 적분 구간을 확실히 정한 다음 원시함수를 이용해서 넓이를 구하는데, 이 계산은 적분 구간이 정해진 상태로 이루어지므로 정적분이라고 한다.
_215쪽에서

범종 모양의 분포는 가장 흔하다고 할 수 있다. 이러한 분포를 정규분포라고 한다. 정규분포라는 용
어는 영어의 ‘normal distribution(보통의 분포)’을 직역한 것에 불과하다. 요컨대 보통의 가장 흔한 분포라는 뜻이다. 정규분포는 비교적 단순한 수식으로 나타낼 수 있어서 손쉽게 다양한 분석과 계산을 할 수 있다. 이 또한 정규분포가 요긴한 이유 중 하나다. 물론 실제 데이터에는 측정 오차가 있어서 수식에 정확히 들어맞지 않지만, 꽤 높은 정밀도로 실제 데이터를 나타낼 수 있다. 어떤 데이터 X의 분포가 정규분포 수식에 근접할 때 ‘데이터 X는 정규분포를 따른다’라고 표현한다. 이를테면 시험 점수의 분포는 대부분 정규분포를 따른다. 평균 점수 부근의 학생이 가장 많고 평균에서 멀어질수록 해당하는 학생 수가 줄어든다. 즉, 성적이 월등히 높은 학생이나 심하게 낮은 학생은 소수라는 뜻이다. 이 점을 이용해서 학생의 성적을 수치화한 것이 학력 편차치다. 흔히 ‘편차치’라고 부른다. 오늘날 교육 시스템에서 성적은 시험 점수로 측정하는 것이 일반적이나, 시험의 난이도에 따라 평균 점수가 달라지므로 점수 그 자체를 객관적인 지표로 삼기는 어렵다.
_251쪽에서

세 번째는 베이즈 통계학이다. 18세기 수학자 토마스 베이즈가 기초를 닦았다고 알려진 베이즈 통계학은 오랫동안 통계학계에서 주목받지 못했다. 주류인 기술 통계학이나 추측 통계학과는 접근 방식이 크게 다른 탓에 유력한 통계학자들로부터 이단 취급당했기 때문이다. 그러나 근래에 접어들어 베이즈 통계학은 급속도로 주목받고 있다. 컴퓨터의 발전으로 AI(인공지능)나 머신러닝에 관한 연구가 활발해지면서 베이즈 통계학이 그러한 분야와 상성이 잘 맞는다고 알려졌기 때문이다. 베이즈 통계학은 기술 통계학이나 추측 통계학 같은 전통적인 통계학과 비교해서 새로운 데이터가 끊임없이 밀려드는 상황에 잘 대처할 수 있다는 점이 크게 다르다. 수중에 있는 데이터를 분석하는 도중에 새로운 데이터가 추가되었다고 하자. 기술 통계학이나 추측 통계학에서는 새로 입수한 데이터를 기존 데이터에 추가한 뒤 처음부터 다시 분석해야 한다.
_278쪽에서