새로운 기회 이직?

인생은 여러 갈래길이 존재하며 선택의 연속이다.

인생을 살면서 여러 기회가 찾아온다.

열어 보기 전까지 그것이 기회인지 아닌지는 모르며 열어 보아야 비로소 기회인지 아니었는지 알 수 있다.

이직 하기 전에 충분히 생각해 보아야 하는 항목을 간단히 정리해 본다.

Q1. 믿고 의지하고 있는 사람을 배신할 수 있습니까?
-> 이직이라는 카드를 생각하고 결정하기 전에 나를 믿고 의지하는 사람과 충분한 상의가 필요 하다.  왜 이런 결정을 하게 되었는지 이야기를 하고 또 내가 내린 결정이 어리석지는 않은지 상대방의 조언을 들어 보는 것이 좋다.
나를 아끼고 믿어주는 사람 입장에서는 보다 객관적으로 조언해 줄 수 있을 것이다.

Q2. 당신은 담당해왔던 분야의 전문가 입니까?
-> 충분히 배우고 느끼고 개선하였는지 돌아보라.  No라면 당신은 아직도 배울 것이 많다.

Q3. 이직할 준비가 되었습니까? 언제 이직할 때가 올까?
-> 더이상 나를 원하지 않을 때 쿨하게 떠나라.
나를 원하는 자리가 생기면 곰곰히 생각해 보아야 한다.
(사람을 잃는 것 만큼 큰 손실은 없다.)

Q4. 회사에서 대우가 좋지 않으며 이직을 고려 한다면?
-> 왜 회사에서 대우가 좋지 않을까요?  내가 하는 일과 나의 성장방향과 다르지 않나?
자신의 성장 방향과 회사의 성장이 일치하는지 되돌아 보자.
회사보다 자신의 인생이 중요 합니다.
물론 지금 가지고 있는 일자리를 잃었을 경우에 어떻게 할 지 곰곰히 생각해 본 다음에 행동한다.
회사 업무에 연연하지 말고 자기 개발을 비밀리? 몰래? 충실히 한다.

기회는 반드시 오며 눈 앞에 지나갔어도 반드시 다음에 또 온다.

그 기회를 확실히 잡을 수 있는 자격을 갖춰 놓는 것이 중요하다.

충동질로 잘못된 선택을 하지 않도록 다시한번 자신을 돌아볼 수 있는 시간을 가져보자.

광고

[통계] 중심극한정리(Central Limit Theorem)

Head First 통계에서 중심극한정리에 대해 간단하게정리한 내용은 다음과 같다.

중심극한 정리 Central limit theorem
정규 분포를 따르지 않는 모집단 X에서 어떤 표본을 추출했을 때
표본의 크기가 충분히 크면 X’의 분포가 근사적으로 정규 분포를 따른다.

http://en.wikipedia.org/wiki/Central_limit_theorem
위키에 나와 있는 정리를 빌리면
central limit theorem(CLT)은 독립적인 random variable들의 표본이 클 수록 각각의 유한한 평균과 분산은 normal distribution(가우시안 분포)에 근접하게 된다.

즉 중심극한정리(Central Limit Theorem)을 이용하면은 정규분포를 따르지 않는 집단의 표본을 추출하면 각 표본들의 평균과 분산은 정규 분포를 이룬다.(단 각 표본은 독립 이어야 한다.)

X’ ~ N(mu, sigma^2/n)

N이 충분히 클 때(head first에서는 30정도로 보고 있다) 정규 분포를 따를 것으로 가정한다.

그럼 각 표본들의 평균 및 분산을 알고 있다고 가정하면 각 표본들의 평균 및 분산은 정규 분포를 이룬다고 가정하면
특정 평균 값을 벗어난 값들이 존재할 확률에 대해 계산할 수 있겠지..

적용하기 전에 반드시 기억해야 할 것은 다음 한가지
-> 데이터는 편항되지 않는 sample이어야 한다.
-> 데이터가 편향되지 않으려면 sampling을 어떻게 해야 하는지 방법들은 별도로 참고.(http://apcalculus.tistory.com/173)

표본들을 이용해서 모집단에 대한 점추정을 한 뒤
모집단이라 가정되는 대상을 기준으로
표본의 분포 확률을 계산할 수 있다.