딥러닝 공부방

여인권 교수님의 KMOOC 강의 를 수강하면서 공부한 내용을 정리해보았습니다. 수치변수들 간의 관계를 간단히 알아보는 방법을 알아보겠습니다. 회귀 분석을 공부하기 전에 다변량 자료가 무엇인지 복습을 해보도록 하겠습니다. 다변량 자료 - Multivariate Data 다변량 자료는 어떤 대상에 대해 여러 가지 변수들을 관측(측정)한 자료들의 집함을 의미합니다 예) 신체검사 자료에서 연령, 성별, 신장, 체중 시력, 혈액형 등등 자료의 형태를 보면 변수가 여러개 인것을 확인할 수 있습니다. 이를 다변량 자료라고 합니다. 변수가 하나면 일변량 자료 입니다. 각각의 관측값 간에는 관력성이 없습니다. 이는 독립적인 관측값을 의미합니다. 다음에 배울 회귀 분석에서는 독립적인 관측값을 가정합니다. 다변량 자료에서의..

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 유의확률(p값)이 무엇이고 어떻게 사용하는지를 알아 보겠습니다. 1. 모평균의 검정방법 가정 : $X_1, X_2, ... , X_n$ ~ iid $N(\mu, \sigma^2), \sigma^2$는 알고 있음 가설설정 가설을 설정한 뒤에 추출한 표본의 표본평균의 중심축량을 구합니다. 중심축량에 귀무가설을 대입하여 검정통계량을 도출합니다. 유의수준을 설정하고 그에 따른 기각역을 도출할 수 있습니다. 검정통계량 값이 기각역에 포함되면 귀무가설을 기각합니다. 2. 예시문제 새로운 파이의 칼로리가 기존 칼로리 165kcal보다 낮다는 것을 보이기 위해 25개의 파이를 조사한다고 하겠습니다. 가정 : 칼로리 분포는 $N(\mu..

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 유의수준의 개념과 얼마로 정해야 하는지를 알아 보겠습니다. 검정력의 개념과 유의수준과의 관계를 알아보겠습니다. 1. 유의수준과 검정력 유의수준은 가장 큰 제1종의 오류의 확률을 의미합니다. 제1종의 오류는 귀무가설이 참일때 귀무가설을 거짓으로 판변한 것입니다. 검정력은 (1 - 제2종의 오류 확률)을 의미합니다. 제2종의 오류는 대립가설이 참일때 대립가설을 거짓으로 판변할 것입니다. 2. 제1종의 오류확률과 유의수준 예시문제를 통해 제1종의 오류확률을 구하는 법을 보도록 하겠습니다. 가장 큰 제1종의 오류의 확률이 유의수준입니다. 검정원칙이 $\overline{X} \geq 0.5$일 때 $\mu$ = 0일 때가 제1종..

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 검정통계량이 무엇이고 어떻게 사용하는지를 알아보겠습니다. 가설검정에서의 오류의 종류와 내용을 알아보겠습니다. 1. 검정통계량 - test statistic 검정통계량은 귀무가설 하에서 표본의 비정상성을 결정하기 위해 사용되는 통계량을 의미합니다. 통계량은 미지의 모수를 포함하지 않은 확률변수를 의미합니다. 확률분포가 존재합니다. 통계학의 이해2에서는 점추정을 바탕으로 검정통계량을 유도하게 됩니다. 귀무가설 하에서 검정통계량의 확률분포를 이용하여 표본의 정상/비정상을 판정하게 됩니다. 통계값이 발생가능성이 희박한 위치에 있는 경우 $H_0$을 기각(reject), 아니면 유지(retain) 또는 채택(accept) 합니다..

(k-mooc 통계학의 이해2, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 가설의 종류와 개념을 알아보겠습니다. 가설검정의 기본원리를 이해하겠습니다. 1. 가설검정 - testing hypothesis 가설검정은 모집단의 모수 또는 분포에 대한 추측이나 주장을 설정하고 이것의 옳고 그름을 표본의 정보를 이용하여 확률적으로 판정하는 과정입니다. 2. 가설 - hypothesis 가설은 모수 또는 분포(모집단)에 대한 추측이나 주장을 의미합니다. (1) 귀무가설(Null hypothesis, $H_0$) 검정의 대상이 되는 가설입니다. (2) 대립가설(Alternative hypothesis, $H_1$) 표본으로부터 얻은 정보를 이용해 입증하고자 하는 가설입니다. 3. 귀무가설과 대립가설의 기본..