딥러닝 공부방

(통계학-기본개념과 원리, 여인권)을 바탕으로 제작하였습니다. (k-mooc 통계학의 이해1, 여인권)을 수강하면서 공부한 내용을 정리해보았습니다. 다양한 확률 및 통계문제를 해결하기 위해 기댓값의 성질에 대해 알아보도록 하겠습니다. 1. 기댓값 - expected value 기댓값은 확률변수에 대해 평균적으로 기대하는 값이라는 의미를 갖은 용어로 평균과 같은 개념입니다. 그래서 $X$의 평균을 $X$의 기댓값이라고 하고 $E(X)$로 표시합니다. 즉 $E(X) = \mu $가 됩니다. 기댓값을 설명하기 위해 모평균을 설명하도록 하겠습니다. 모평균은 표본평균에서 표본크기 n을 계속 크게하여 통계적 확률의 관점에서 볼 때 표본들은 모집단으로, 표본평균은 모평균으로 수렴한 것을 의미합니다. 모평균을 설명하기..

(통계학-기본개념과 원리, 여인권)을 바탕으로 제작하였습니다. (k-mooc 통계학의 이해1, 여인권)을 수강하면서 정리해보았습니다. 평균이 갖고 있는 단점은 이상점에 민감하다(이상점에 로보스트하지 않다)는 것이었습니다. 평균이 갖고 있는 단점을 해결할 수 있는 대체 통계값을 계산하는 방법(중앙값, 절사평균, 최빈값)과 성질을 알아보겠습니다. (6) 표본중앙값(sample median, 표본중위수) 표본중앙값은 자료를 크기순서대로 나열했을 때 가운데 위치에 있는 값으로 표본중위수라고도 합니다. 표본을 오름차순으로 정렬한 것을 순서통계량(order statistics)라고 합니다. ($x_1 < x_2 < ... < x_n$) 표본중앙값을 일반식으로 나타내면 다음과 같습니다. 여기서 $k_1 = (n+1)..

(통계학-기본개념과 원리, 여인권)을 바탕으로 제작하였습니다. (k-mooc 통계학의 이해1, 여인권)을 수강하면서 정리해보았습니다. 7. 수치를 이용한 자료 정리 그래프 같은 시각적 기법은 자료의 특성을 파악하는데 있어 중요한 정보를 제공하지만 그것을 보는 사람에 따라 주관적으로 해석될 수 있습니다. 그렇기 때문에 일반적으로 자료분석의 최종 결과는 자료의 특성을 객관적으로 나타내는 수치로 제시됩니다. 일반적으로 자료의 특성은 자료를 대표할 수 있는 중심위치(central location)와 자료들이 얼마나 퍼져 있는지를 나타내는 산포(dispersion)로 표시된됩니다. 이번 포스팅에서는 수치자료 분포의 중심위치(평균, 표본비율, 가중평균, 기하평균, 조화평균)에 대해서 알아보겠습니다. 7.1 중심위치..