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 | 31 |
- 확률실험
- 데이터핸들링
- Bias-Variance Tradeoff
- 미국 선거데이터
- 데이터 핸들링
- R문법
- R select
- ggplot2
- R 연습문제
- R ggplot2
- ISLR
- 강화학습 #추천서적 #강화학습인액션
- R mutate
- 이산형 확률분포
- 생존분석
- ggsurvplot
- R 결측치
- 주식데이터시각화
- dplyr
- ggplot()
- 생존그래프
- CrossValidation
- geom_errorbar
- R dplyr
- R
- 의사결정나무
- 교차타당성
- 카플란마이어
- 콕스비례모형
- R filter
- Today
- Total
목록통계 이론 (26)
Must Learning With Statistics
2. 이산형 확률분포 첫 번째 챕터에서 확률변수의 개념을 말씀드리면서 확률변수는 가능한 값들에 대한 확률이 알려져 있고 그것을 계산하는 계산하는 함수가 확률함수(Probability Function)라는 것을 말씀드렸습니다. 그렇다면 이러한 확률들은 어떻게 알 수 있을까요. 그 확률변수들이 가지고 있는 확률의 구조를 알아야 하며 이 확률 구조를 흔히 확률분포(Probability Distribution)라고 합니다. 이산형 확률변수 => 이산형 확률분포 => 확률질량함수(Probability Mass Function, $pmf$) 연속형 확률변수 => 연속형 확률분포 => 확률밀도함수(Probability Density Function, $pdf$) 일반적으로 확률을 계산하는 대부분의 분석들은 이 확률분..
확률실험과 표본공간 확률 실험 : 같은 조건 하에서 실험을 반복할 때, 그 결과가 예측불가능한 실험 표본 공간 : 확률 실험의 모든 가능한 결과들의 집합 통계 이론을 공부할 때 가장 먼저 알아야 될 용어는 확률실험입니다. 확률실험은 쉽게는 주사위 던지기부터 시작하여, 오늘 지각을 할지 안할지 실험하는 것 까지 모든 일상생활을 확률실험이라고 할 수 있습니다. 여기서 확률실험의 모든 가능한 결과들의 집합을 표본공간(Sample Sapce)이라고 합니다. 예를 들어, 동전을 던져 앞, 뒷면이 나오는지 확인하는 확률실험을 진행하였을 경우, 표본공간은 {앞, 뒤}가 됩니다. 확률변수(Random Variable) 확률변수 : 발생 가능한 모든 경우에 대해서 각각의 실숫값을 대입해주는 하나의 함수 다음으로는 통계학..