best·average·worst case 분리

오늘의 질문

case가 실행 운이 아니라 같은 n에서 어떤 입력 family와 확률 모델을 뜻하는지 명시한다. 이를 생략하면 early exit의 best case를 일반 성능 또는 worst bound로 홍보한다.에서도 그럴듯한 Big-O나 벤치마크 숫자는 만들 수 있지만 실행 가능한 선택과 반증 가능한 근거를 남길 수 없습니다.

아직 답을 몰라도 괜찮아요. 아래 작은 예시를 보고 먼저 예상해 보세요.

01 · 같이 연습해요

작은 문제부터 하나씩 직접 풀어봐요

먼저 예상하고, 한 단계씩 확인하고, 막힌 곳을 고쳐 봐요. 도움을 열어도 괜찮아요. 도움을 본 문제는 나중에 모양을 바꿔 다시 풀어보면 됩니다.

연습에서 작성 중인 답0 / 8

01
찾아보기 · 기초
cx28 recognize · best·average·worst case 분리: best case·average case 표식 중 “case가 실행 운이 아니라 같은 n에서 어떤 입력 family와 확률 모델을 뜻하는지 명시한다.”을 만족하는 판정을 고른다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.
정답 대신 4단계 힌트 보기
1. 관찰
  early exit의 best case를 일반 성능 또는 worst bound로 홍보한다. 직전까지 참이었던 입력 계약과 처음 달라진 관찰값을 찾으세요.
2. 개념
  best case·average case·worst case를 정의·가정·관찰로 나눠 적으세요.
3. 다음 도움
  내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
정답과 비교
02
먼저 생각하기 · 기초
cx28 predict · best·average·worst case 분리: “early exit의 best case를 일반 성능 또는 worst bound로 홍보한다.” 조건에서 비용·메모리·판정이 어떻게 바뀔지 실행 전에 봉인한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.
정답 대신 4단계 힌트 보기
1. 관찰
  early exit의 best case를 일반 성능 또는 worst bound로 홍보한다. 직전까지 참이었던 입력 계약과 처음 달라진 관찰값을 찾으세요.
2. 개념
  best case·average case·worst case를 정의·가정·관찰로 나눠 적으세요.
3. 다음 도움
  내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
움직임과 비교
03
순서 따라가기 · 익힌 것을 써보기
cx28 trace · best·average·worst case 분리: best case → average case → worst case 순서로 입력 계약에서 case별 witness·cost·assumption matrix까지 최초 비용 모델 이탈을 추적한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.
정답 대신 4단계 힌트 보기
1. 관찰
  early exit의 best case를 일반 성능 또는 worst bound로 홍보한다. 직전까지 참이었던 입력 계약과 처음 달라진 관찰값을 찾으세요.
2. 개념
  best case·average case·worst case를 정의·가정·관찰로 나눠 적으세요.
3. 다음 도움
  내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
움직임과 비교
04
내 말로 설명하기 · 익힌 것을 써보기
cx28 explain · best·average·worst case 분리: case가 실행 운이 아니라 같은 n에서 어떤 입력 family와 확률 모델을 뜻하는지 명시한다.이 필요한 이유와 case별 witness·cost·assumption matrix만으로 입증할 수 없는 범위를 설명한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.
정답 대신 4단계 힌트 보기
1. 관찰
  early exit의 best case를 일반 성능 또는 worst bound로 홍보한다. 직전까지 참이었던 입력 계약과 처음 달라진 관찰값을 찾으세요.
2. 개념
  best case·average case·worst case를 정의·가정·관찰로 나눠 적으세요.
3. 다음 도움
  내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
설명 기준과 비교
05
빈칸 채우기 · 익힌 것을 써보기
cx28 complete · best·average·worst case 분리: 누락된 입력 차원·비용 단위·경계 또는 판정 칸을 채워 “한 알고리즘의 best·average·worst 입력과 비용을 각각 구성한다.”을 완성한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.
정답 대신 4단계 힌트 보기
1. 관찰
  early exit의 best case를 일반 성능 또는 worst bound로 홍보한다. 직전까지 참이었던 입력 계약과 처음 달라진 관찰값을 찾으세요.
2. 개념
  best case·average case·worst case를 정의·가정·관찰로 나눠 적으세요.
3. 다음 도움
  내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
답과 설명 함께 비교
06
틀린 곳 고치기 · 익힌 것을 써보기
cx28 debug · best·average·worst case 분리: AI가 만든 분석에 “early exit의 best case를 일반 성능 또는 worst bound로 홍보한다.” 반례를 주입하고 최초 잘못된 가정만 수정한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.
정답 대신 4단계 힌트 보기
1. 관찰
  early exit의 best case를 일반 성능 또는 worst bound로 홍보한다. 직전까지 참이었던 입력 계약과 처음 달라진 관찰값을 찾으세요.
2. 개념
  best case·average case·worst case를 정의·가정·관찰로 나눠 적으세요.
3. 다음 도움
  내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
답과 설명 함께 비교
07
직접 만들기 · 새 문제
cx28 implement · best·average·worst case 분리: 한 알고리즘의 best·average·worst 입력과 비용을 각각 구성한다.을 frozen synthetic input family에 적용해 case별 witness·cost·assumption matrix를 생성한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.
정답 대신 4단계 힌트 보기
1. 관찰
  early exit의 best case를 일반 성능 또는 worst bound로 홍보한다. 직전까지 참이었던 입력 계약과 처음 달라진 관찰값을 찾으세요.
2. 개념
  best case·average case·worst case를 정의·가정·관찰로 나눠 적으세요.
3. 다음 도움
  내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
정답과 비교
08
새 문제에 써보기 · 새 문제
cx28 transfer · best·average·worst case 분리: search·quicksort·hashing로 판단을 옮겨 보존할 invariant와 달라지는 비용 모델을 방어한다.
이 문제는 주어진 내용과 정답 기준을 더 만드는 중이에요. 지금 적은 답은 연습 메모로만 저장돼요.
관찰 → 규칙 → 결론 순서20자 이상 작성한 뒤 내 답과 맞춰 볼 기준을 확인하세요.
정답 대신 4단계 힌트 보기
1. 관찰
  early exit의 best case를 일반 성능 또는 worst bound로 홍보한다. 직전까지 참이었던 입력 계약과 처음 달라진 관찰값을 찾으세요.
2. 개념
  best case·average case·worst case를 정의·가정·관찰로 나눠 적으세요.
3. 다음 도움
  내 생각을 먼저 적고 ‘내 답과 맞춰 볼 기준 보기’을 누르면, 풀 순서와 더 자세한 도움을 열어 드려요.
설명 기준과 비교

8개 답이 남았습니다.

02 · 막힌 곳을 찾아요

틀린 답에서 생각이 갈라진 첫 지점 찾기

헷갈림 01

early exit의 best case를 일반 성능 또는 worst bound로 홍보한다.

겉으로 보이는 막힘: best·average·worst case 분리 식은 계산되지만 어떤 입력 family와 workload에 대한 값인지 재현할 수 없다.
막힌 까닭: case가 실행 운이 아니라 같은 n에서 어떤 입력 family와 확률 모델을 뜻하는지 명시한다.을 분석 전에 봉인하지 않았다.
다시 해보는 방법: 한 알고리즘의 best·average·worst 입력과 비용을 각각 구성한다.에서 입력 차원·범위·분포·반복 횟수와 비용 단위를 먼저 고정하고 case별 witness·cost·assumption matrix를 다시 만든다.

헷갈림 02

AI가 best·average·worst case 분리 구현과 expected complexity를 같은 답변에서 생성한다.

겉으로 보이는 막힘: 코드와 oracle이 같은 누락 가정을 공유해 early exit의 best case를 일반 성능 또는 worst bound로 홍보한다.가 false green으로 남는다.
막힌 까닭: AI-off baseline과 독립 exact-count 또는 adversarial family를 먼저 만들지 않았다.
다시 해보는 방법: 기존 contract를 보존한 채 AI diff만 검토하고 별도 작성한 worst case 반례로 재검증한다.

헷갈림 03

case별 witness·cost·assumption matrix의 한 측정값이나 차트만 최종 결론으로 제출한다.

겉으로 보이는 막힘: 환경·warm-up·noise·constant·input distribution이 바뀌면 결론을 재현하거나 반박할 수 없다.
막힌 까닭: 이론적 경계·실험 protocol·raw observation·human verdict를 분리하지 않았다.
다시 해보는 방법: case별 witness·cost·assumption matrix에 환경 manifest·입력 seed·반복값·예측·반례·잔여 한계를 추가하고 사람이 승인 범위를 서명한다.

03 · 내게 맞는 도움 고르기

같은 목표를 원하는 도움만큼 연습해요

안내 받으며

안내형

best case · average case · worst case 카드와 4단계 표를 제공하고 숫자·기호·색상 외에도 case·assumption·budget label을 함께 표시한다.

best·average·worst case 분리에서 입력 family와 primitive operation을 고정하고 비용 경계와 측정값을 대조해 판정을 내리는 설명도에서 색상뿐 아니라 입력 family·비용 단위·case·bound·budget·verdict를 문자와 선 종류로 함께 표시한다.

혼자 해보기

내 힘으로

best·average·worst case 분리의 미공개 입력 family에서 semantics·cost model·bound·budget verdict를 독립적으로 재구성하는 능력의 처음 보는 frozen synthetic 입력 family를 AI 없이 먼저 분석하고 exact count·bound·budget 판정을 봉인한 뒤 실행 관찰과 대조한다.

공식 정의·문법·도구 사용법은 열 수 있지만 해당 변형의 exact count, tight bound, 반례, hidden fixture와 최종 verdict는 먼저 제공하지 않는다.

더 도전하기

심화형

search·quicksort·hashing에서 입력 차원을 둘 이상으로 일반화하고 adversarial family와 lower-bound witness를 추가해 선택을 다시 방어한다.

더 촘촘한 모델은 설명력과 반례 탐지력을 높이지만 측정·문서 비용도 늘리므로 decision-changing assumption을 우선 기록한다.