Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- R문법
- R dplyr
- ISLR
- ggplot2
- Bias-Variance Tradeoff
- dplyr
- 확률실험
- 생존분석
- 데이터 핸들링
- CrossValidation
- geom_errorbar
- ggsurvplot
- 강화학습 #추천서적 #강화학습인액션
- R select
- R
- 의사결정나무
- 데이터핸들링
- 이산형 확률분포
- 카플란마이어
- R 연습문제
- 교차타당성
- R 결측치
- ggplot()
- R mutate
- R ggplot2
- 콕스비례모형
- 주식데이터시각화
- 생존그래프
- 미국 선거데이터
- R filter
Archives
- Today
- Total
목록이산형 확률분포 (1)
Must Learning With Statistics
이산형 확률분포
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..
통계 이론
2020. 3. 22. 13:00