일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- Algorithm
- Visual Micro
- html
- 운영체제
- 아두이노
- Array
- set
- queue
- WinAPI
- arduino compiler
- Arduino
- 자료구조
- map
- stl
- priority_queue
- directx
- Stack
- LineTracer
- 아두이노 컴파일러
- 아두이노 소스
- 통계학
- C언어
- 수광 소자
- list
- 라인트레이서
- 컴퓨터 그래픽스
- Deque
- vector
- c++
- 시스템프로그래밍
- Today
- Total
목록통계학 (4)
Kim's Programming
이산확률변수와 확률밀도함수 이산확률변수 X의 확률밀도함수 p(x)에 대하여 다음이 성립합니다. 연속확률변수의 확률밀도함수 연속확률변수 X에 대하여 함수 f(x)가 (1) (2) (단, )를 만족시킬 때 f(x)를 X의 확률밀도함수라고 합니다.) 연속확률변수의 성질 (1) 임의의 c에 대해 (2) 확률변수의 평균 확률변수 X의 확률밀도함수를 p(x)라고 할 때, (이산확률변수) (연속확률변수) 확률변수의 함수의 기대값 확률변수 X의 확률밀도함수를 p(x)라고 할 때 (이산확률변수) (연속확률변수) 기대값의 성질 확률변수의 분산과 표준편차 X의 평균이 이고 확률밀도함수가 p(x)일 때 (1) (이산확률변수) (연속확률변수) (2) 분산의 간편계산법 유도 분산의 간편계산법 분산의 성질 결합확률밀도함수 이산확률..
확률의 공리적 정의 (1) 표본공간 S에서 임의의 사건 A에 대하여 (2) (3) 서보 배반인 사건 에 대하여 를 만족할 때 P(A)를 사건 A의 확률이라 한다 확률에 관한 성질 조건부확률의 정의 A가 일어났다는 조건하에서 B가 일어날 확률은 P(A)에 대한 A와 B의 교집합의 확률의 비로써 정읳바니다. 즉, A가 주어졌을 때 B의 조건부확률을 P(A|B)로 나타내고 다음과 같이 정의합니다. 곱셈법칙 조건부확률의 정의로부터 다음의 곱셈법칙이 성립함을 할 수 있습니다. 전확률공식 사건 에 대하여 서로 독립 사건 A가 일어났다고 하더라고 사건 B가 일어날 확률에 아무런 영향을 미치지 않는다면 즉,이면 사건 A와 사건 B는 서로 독립이라 합니다.사건 A와 사건 B가 독립일때 이 성립합니다.
유한 표본집단의 평균 표본의 특성값이 x1,x2,x3....,xn일 때, 표본의 위치를 대표하는 값으로서 로 표시합니다. 표본집단의 분산 유도 표본표준편차 표본표준편차 모상관계수는 다음에 정의되는 표본상관계수로 추측하며 r로 나타냅니다. 표본평균, 표본분산, 표본표준편차, 푠본공분산, 표본상관계수 등과 같이 표본의 대표값을 통계량이라고 하며 모수의 추측에 사용되는 통계량이라고 하며 특히 모수의 추측에 사용되는 통계량을 추정량이라고 합니다.
유한 모집단의 평균 모집단 분포의 위치를 나타내는 대표값으로서 모평균은 특성값 c1, c2, c3.....cn의 산술평균으로 정의하며 (뮤)로 표시합니다. 무한모집단의 평균 (이산적인 경우) (연속적인 경우) 유한 모집단의 모분산과 모표준편차 모집단 분포의 산포를 나타내는 대표값으로서 통계적 추론에서 통상적으로 고려되는 것이 표준편차입니다. 표준편차는 (시그마)로 표시하게되며 이를 제곱한 값을 분산이라고 합니다. 무한 모집단의 모분산과 모표준편차 (이산적인 경우) (연속적인 경우) 유한모집단의 모상관계수 이차원 모집단에서 모평균, 모표준편차 이외에 두 특성의 변화 관계를 나타내는 다음의 상관계수를 모집단의 특징을 나타내는 대표값으로 고려하며 추론의 대상으로 삼습니다. 모상관 게수는 (로)로 표시합니다. ..