n개의 확률분포의 결합확률분포를 분해할 수 있나요?
목차 네, 연쇄법칙에 따라 n개의 조건부확률분포의 집합으로 분해할 수 있습니다. $n$개의 확률변수 $X_1, X_2, cdots, X_n$의 결합확률분포는 $n$개의 조건부확률분포의 집합으로 분해할 수 있습니다. $$P(X_1, X_2, dots, X_n);=;P(X_1 mid varnothing), P(X_2 mid X_1), P(X_3 mid X_1, X_2), cdots , P(X_n mid X_1, dots, X_{n-1})$$ 여기서, $P(X_1 mid varnothing)$는 조건이 없는 $X_1$의 확률: $P(X_1 mid varnothing)=P(X_1)$ 결합확률 […]
보드게임 실험집단 별 초등학생 수학적 창의력 비교
그림 애니메이션 목차 요약영상 3 Videos 데이터 준비중 모델링 준비중 데이터분석 준비중 Author Detail Publication Histroy DOI Citation Download Print Print 요약 본 연구는 보드게임이 초등학생의 수학적 창의력에 미치는 영향을 조사하였다. 수학적 창의력은 수학 문제 해결과 수학적 아이디어 생성에 있어 중요하다. 연구가설은 보드게임이 수학적 창의력을 향상시킨다는 것이며, 이를 검증하기 위해 “보드게임 전후의 수학적 창의력 점수 […]
집합에 수학적 구조를 추가한 것은 무엇?
목차 공간(space)이라고 부릅니다. 확률공간(probability space)은 “표본공간”이라는 근원사건(elementary)의 집합(set)에 수학적 구조인 “사건들의 대수($sigma$-algebra)”와 이 대수에 정의된 “확률측도(probability measuer)”를 추가합니다. 사건(event)은 근원사건을 원소로 하는 표본공간의 부분집합입니다. “$sigma$-대수”는 사건들의 유한 합집합에 대해 닫혀 있습니다. 확률공간에서 시그마-대수(代數)는 사건공간이라고도 부르며 사건들에 대해 합, 교, 여집합 등 집합 연산을 수행해도 그 결과가 항상 포함되는 체계입니다. 1. 확률공간 확률공간(probability space)은 표본공간을 정의하고, […]
모수 가설검정 논문 – 가상 딸기 데이터셋
논문작성 DATA 데이터셋 가상 딸기 데이터셋 No Contents LIBRARY DATA SCIENCE – 모수 가설검정 논문 OPEN 데이터종류 OPEN 확률변수 OPEN 정규분포 OPEN 대응된 두 확률변수의 차이평균 OPEN 집단의 변동과 개체의 변동 회원 피어슨상관계수 OPEN 모집단모수와 표본통계량 회원 표본통계량의 표집분포 회원 표본통계량의 표준오차 OPEN 가설수립 GYM TRAINING – 모수 가설검정 논문 두 집단 모평균 비교 – […]
데이터 논문 – 가상 딸기 데이터셋
논문작성 DATA 데이터셋 가상 딸기 데이터셋 No Contents LIBRARY DATA SCIENCE – 데이터 논문 OPEN 데이터종류 OPEN 확률변수 OPEN 정규분포 OPEN 대응된 두 확률변수의 차이평균 OPEN 집단의 변동과 개체의 변동 회원 피어슨상관계수 OPEN 모집단모수와 표본통계량 회원 표본통계량의 표집분포 회원 표본통계량의 표준오차 회원 완전확률화 실험설계 GYM TRAINING – 데이터 논문 딸기의 상품가치 – 시뮬레이션 데이터셋: 정형데이터 […]
독립적인 두 확률밀도함수의 곱과 합은 확률분포인가?
CONTENTS 곱(product)은 확률밀도함수가 되나 합(sum)은 정규화가 필요합니다. 1. 독립적인 두 확률밀도함수의 곱 확률변수 X와 Y가 독립(independent)일 때,그들의 공동확률밀도함수(Joint PDF) 는 개별 확률밀도함수의 곱으로 표현됩니다. $$f_{X,Y}(x, y) = f_X(x) f_Y(y)$$ (1) 비음수 조건$$f_X(x) geq 0, quad f_Y(y) geq 0 Rightarrow f_{X,Y}(x, y) = f_X(x) f_Y(y) geq 0$$ (y)≥0 이므로 곱도 항상 0 이상입니다.(2) 정규화 조건확률밀도함수는 다음 […]
베이지안 추론 ?
CONTENTS 베이지안 추론은 데이터가 주어진 후 모수에 대한 불확실성을 확률적으로 표현하는 것입니다. 베이지안 추론은 모수의 사전정보와 데이터를 결합해 모수의 사후 확률분포를 추정합니다. 모수의 사전정보는 확률분포(사전분포)입니다. 모수에 대한 초기 믿음이나 정보를 확률분포로 표현한 것입니다. 데이터의 확률분포(우도함수)의 형태는 모수가 어떤 확률분포를 표현하였는 가에 따라서 결정됩니다. 베이지안 추론에서의 모수는 확률변수 $x$의 확률분포를 결정하는 모수가 아니고 조건부확률변수 $x|theta$의 확률분포를 […]
관측 데이터셋: 정형데이터
준비중입니다 Back Home
시뮬레이션 데이터셋: 정형데이터
준비중입니다 Back Home
딸기의 품종별 출하월 범주형변수 간 연관성: 연관분석 F검정
CONTENTS Author Detail Publication Histroy DOI Citation Download Print 구글문서 Print 구글문서 [Related ROUTINE] 딸기의 당도와 과중 상관의 유의성: 상관분석 t검정 한우의 근내지방도와 등심지방함량간 상관의 유의성: 상관분석 t검정 No ROUTINES found ROUTINE 데이터 모델링 데이터분석 논문작성 연구계획 데이터셋, 통계량, 시각화 확률모델 확률분포 새확률변수 통계모델 집단비교 교차분석 카이제곱검정 질문-가설 데이터 프레임 범주형 확률변수1 범주형 확률변수2 교차된 […]