딸기는 저온숙성하면 당도가 높아진다
모수 가설검정 논문작성 딸기는 저온숙성하면 당도가 높아진다 DATACENTER 데이터셋 가상 딸기 데이터셋 No Contents LIBRARY CODE – 모수 가설검정 대응표본 t검정 No Contents DATA SCIENCE – 모수 가설검정 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 […]
가상 딸기 데이터셋으로 데이터 논문작성
데이터 논문작성 가상 딸기 데이터셋으로 데이터 논문작성 DATACENTER 데이터셋 가상 딸기 데이터셋 No Contents LIBRARY CODE – 데이터 시뮬레이션 데이터셋 – 정형데이터 No Contents DATA SCIENCE – 데이터 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 […]
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 […]
시뮬레이션 데이터셋
데이터 시뮬레이션 데이터셋 관측 데이터셋 모수 가설검정 대응표본 t검정 독립표본 t검정 일원분산분석 F검정 상관분석 t검정 단순선형회귀분석 F검정 단순선형회귀분석 t검정 비모수 가설검정 교차분석 카이제곱검정 연관분석 카이제곱검정 데이터 범주형 변수로 개체의 범주형 속성을 표현 범주형 변수는 변수값(관측값)이 범주(category)를 나타내는 값. 개체가 속하는 카테고리는 범주형 변수의 변수값으로 표현, 예를 들어, 인간이라는 범주형 변수에 남자와 여자라는 변수값이 있음. 범주형 […]
한우 염색체 22, 25번에 위치하는 3개의 유전변이와 근내지방 및 등심, 설도의 지방함량과의 연관성 분석
Figure Animation (A) rs799031002 (B) rs209494671 (C) rs210204777 (A) rs799031002 (B) rs209494671 (C) rs210204777 목차 Author Detail Publication Histroy DOI Citation Download Print 구글문서 MS워드 Print 구글문서 MS워드 Abstracts This study investigates the association between genetic polymorphisms located on chromosomes 22 and 25 and intramuscular fat (IMF) content in Hanwoo cattle. Three single nucleotide polymorphisms […]
딸기의 상품가치 : 시뮬레이션 데이터셋
목차 요약영상 3 Videos 데이터 준비중 0:03 모델링 준비중 0:03 데이터분석 준비중 0:03 저자정보 출판이력 DOI 인용 다운로드 Print 구글문서 Print 구글문서 프로그램 데이터작성 데이터검증 데이터공유 논문작성 연구배경 (Background) 연구방법 (Methods) 데이터기록 (Data records) 기술검증 (Technical validation) 사용안내 (Usage notes) 코드 가용성 (Code availability) 데이터 접근성 (Data availability) 데이터 논문작성 연구 목적 연구 기획 데이터 […]
최대우도법?
CONTENTS 최대우도법은 주어진 데이터로 모델하는 확률분포의 모수를 계산하는 방법론입니다. 최대우도법(Maximum Likelihood Method)을 통해 최대가능도추정량이 도출됩니다. 최대가능도추정량(Maximum Likelihood Estimator, MLE)은 추출한 표본데이터에서 우도(가능도)를 최대로 하는 모수의 추정량을 나타내는 수식입니다. https://www.datadata.link/wp-content/uploads/2025/02/ANIMATION-최대우도법-1.mp4 최대우도법 최대우도법(Maximum Likelihood Method, MLM)은 주어진 데이터를 가장 잘 설명하는 확률분포의 모수(parameter)를 점추정하는 방법론입니다. 최대우도법에서는 우도함수(likelihood function) $L$을 최대화하는 모수 값 $hat {theta_{MLE}}$을 최적화 알고리즘으로 찾습니다. […]
연속확률분포에서 분위수와 누적분포함수의 관계는?
CONTENTS 역함수 관계입니다. 분위수(Quantile, $Q(p)$)는 주어진 누적확률값($p$) 보다 큰 누적확률을 가지는 확률변수값 중 가장 작은 값($x$)을 변환하는 함수입니다. $ x=Q(p)$ 누적분포함수(CDF, $F(x)$)는 $-infty$에서 주어진 확률변수값($x$)까지의 누적확률($p$)을 반환하는 함수입니다. $p=F(x)$ 분위수 분위수 $Q(p)$는 누적확률 $p$에 해당하는 확률변수값 $x$를 반환합니다. 즉, 분위수는 분위수(Quantile, $Q(p)$)는 주어진 누적확률값($p$) 보다 큰 누적확률을 가지는 확률변수값 중 가장 작은 값($x$)을 변환하는 함수입니다. […]
조건부사건(A|B)과 곱사건(A$\cap$B)의 표본공간은 같은가?
CONTENTS 조건부사건과 곱사건은 표본공간이 다릅니다. 조건부사건(A|B)의 표본공간은 조건이 되는 사건(B)입니다. 곱사건(A$cap$ B)의 표본공간은 전체 표본공간($Omega$)입니다. 조건부사건의 표본공간 조건부사건 $A|B$는 어떤 기준 사건 $B$가 이미 발생했음을 전제로 합니다. 즉, 조건부사건 $A|B$는 원래의 표본공간 $Omega$가 아니라, 조건이 되는 사건 $B$에 의해 제한되어 새로운 표본공간 $B$에서 정의됩니다. 즉, 조건부사건 $A|B$의 표본공간은 원래의 전체 표본공간 $Omega$에서 부분집합인 $B$로 축소됩니다. […]