교차분석 카이제곱검정
PROGRAMMINGS 모델링 데이터분석 정규분포 $$f(x , ; mu_X, sigma_X^2)=dfrac{1}{sqrt{2pi}sigma_X} mathrm{exp} left(-dfrac{(x-mu_X)^2}{2sigma_X^2}right)$$ 여기서, $x$는 정규분포를 나타내는 확률변수, $X$의 값(변량) $mu_X$는 확률변수, $X$의 기대값: 집단의 모평균 $sigma_X^2$는 확률변수, $X$의 모분산: 집단의 모분산 확률변수 카이제곱 $$chi^2= Z_1^2 + Z_2^2 + cdots = sumlimits_{i=1}^{k}Z_{i}^2$$ 여기서, $Z_i$는 표준정규분포 확률변수$k$는 자유도: 표준정규분포 확률변수 개수 카이제곱분포 $$f(x , ; k)=dfrac{1}{2^{frac{k}{2}}Gammaleft(frac{k}{2}right)}x^{frac{k}{2}-1}e^{-frac{x}{2}}$$ 여기서, $x$는 […]
단순선형회귀분석 F검정
PROGRAMMINGS 모델링 데이터분석 정규분포 $$f(y , ; mu_Y, sigma_Y^2)=dfrac{1}{sqrt{2pi}sigma_Y} mathrm{exp} left(-dfrac{(y-mu_Y)^2}{2sigma_Y^2}right)$$ 여기서, $y$는 정규분포를 나타내는 확률변수, $Y$의 값(변량) $mu_Y$는 확률변수, $Y$의 기대값: 집단의 모평균 $sigma_Y^2$는 확률변수, $Y$의 모분산: 집단의 모분산 확률변수 카이제곱 $$chi^2= Z_1^2 + Z_2^2 + cdots = sumlimits_{i=1}^{k}Z_{i}^2$$ 여기서, $Z_i$는 표준정규분포 확률변수$k$는 자유도: 표준정규분포 확률변수 개수 카이제곱분포 $$f(x , ; k)=dfrac{1}{2^{frac{k}{2}}Gammaleft(frac{k}{2}right)}x^{frac{k}{2}-1}e^{-frac{x}{2}}$$ 여기서, $x$는 […]
상관분석 t검정
PROGRAMMINGS 모델링 데이터분석 정규분포 $$f(y , ; mu_Y, sigma_Y^2)=dfrac{1}{sqrt{2pi}sigma_Y} mathrm{exp} left(-dfrac{(y-mu_Y)^2}{2sigma_Y^2}right)$$ 여기서, $y$는 정규분포를 나타내는 확률변수, $Y$의 값(변량) $mu_Y$는 확률변수, $Y$의 기대값: 집단의 모평균 $sigma_Y^2$는 확률변수, $Y$의 모분산: 집단의 모분산 확률변수 t $$t = dfrac{Z}{sqrt{dfrac{V} {nu}}}$$ 여기서, $Z$는 표준정규분포를 나타내는 확률변수$V$는 자유도 $nu$의 $chi^2$분포를 나타내는 확률변수$nu$는 $V$의 자유도 t분포 $$f(t , ; nu)=dfrac{Gamma left({frac{nu +1}{2}}right)}{sqrt{nu […]
일원분산분석 F검정
PROGRAMMINGS 모델링 데이터분석 정규분포 $$f(y , ; mu_Y, sigma_Y^2)=dfrac{1}{sqrt{2pi}sigma_Y} mathrm{exp} left(-dfrac{(y-mu_Y)^2}{2sigma_Y^2}right)$$ 여기서, $y$는 정규분포를 나타내는 확률변수, $Y$의 값(변량) $mu_Y$는 확률변수, $Y$의 기대값: 집단의 모평균 $sigma_Y^2$는 확률변수, $Y$의 모분산: 집단의 모분산 확률변수 카이제곱 $$chi^2= Z_1^2 + Z_2^2 + cdots = sumlimits_{i=1}^{k}Z_{i}^2$$ 여기서, $Z_i$는 표준정규분포 확률변수$k$는 자유도: 표준정규분포 확률변수 개수 카이제곱분포 $$f(x , ; k)=dfrac{1}{2^{frac{k}{2}}Gammaleft(frac{k}{2}right)}x^{frac{k}{2}-1}e^{-frac{x}{2}}$$ 여기서, $x$는 […]
독립표본 t검정
PROGRAMMINGS 모델링 데이터분석 정규분포 $$f(y , ; mu_Y, sigma_Y^2)=dfrac{1}{sqrt{2pi}sigma_Y} mathrm{exp} left(-dfrac{(y-mu_Y)^2}{2sigma_Y^2}right)$$ 여기서, $y$는 정규분포를 나타내는 확률변수, $Y$의 값(변량) $mu_Y$는 확률변수, $Y$의 기대값: 집단의 모평균 $sigma_Y^2$는 확률변수, $Y$의 모분산: 집단의 모분산 확률변수 t $$t = dfrac{Z}{sqrt{dfrac{V} {nu}}}$$ 여기서, $Z$는 표준정규분포를 나타내는 확률변수$V$는 자유도 $nu$의 $chi^2$분포를 나타내는 확률변수$nu$는 $V$의 자유도 t분포 $$f(t , ; nu)=dfrac{Gamma left({frac{nu +1}{2}}right)}{sqrt{nu […]
대응표본 t검정
PROGRAMMINGS 모델링 데이터분석 정규분포 $$f(y , ; mu_Y, sigma_Y^2)=dfrac{1}{sqrt{2pi}sigma_Y} mathrm{exp} left(-dfrac{(y-mu_Y)^2}{2sigma_Y^2}right)$$ 여기서, $y$는 정규분포를 나타내는 확률변수, $Y$의 값(변량) $mu_Y$는 확률변수, $Y$의 기대값: 집단의 모평균 $sigma_Y^2$는 확률변수, $Y$의 모분산: 집단의 모분산 확률변수 t $$t = dfrac{Z}{sqrt{dfrac{V} {nu}}}$$ 여기서, $Z$는 표준정규분포를 나타내는 확률변수$V$는 자유도 $nu$의 $chi^2$분포를 나타내는 확률변수$nu$는 $V$의 자유도 t분포 $$f(t , ; nu)=dfrac{Gamma left({frac{nu +1}{2}}right)}{sqrt{nu […]