유전체 혼합선형모델 – GBLUP
데이터셋 설명형 데이터셋 – 관측 모의실험형 데이터셋 – 생성 통합형 데이터셋 검증형 데이터셋 모수가설검정 대응표본 t검정 독립표본 t검정 일원분산분석(1-way ANOVA) F검정 상관분석 t검정 단순선형회귀분석 F검정 단순선형회귀분석 t검정 비모수가설검정 교차분석 카이제곱검정 연관분석 카이제곱검정 다변량정규분포 예측모델 고정효과 선형모델 – ANOVA, BLUE 랜덤효과 선형모델 – BLUP 혈통 혼합선형모델 – PBLUP 유전체 혼합선형모델 – GBLUP 유전 혼합선형모델 – ssGBLUP […]
혈통 혼합선형모델 – PBLUP
데이터셋 설명형 데이터셋 – 관측 모의실험형 데이터셋 – 생성 통합형 데이터셋 검증형 데이터셋 모수가설검정 대응표본 t검정 독립표본 t검정 일원분산분석(1-way ANOVA) F검정 상관분석 t검정 단순선형회귀분석 F검정 단순선형회귀분석 t검정 비모수가설검정 교차분석 카이제곱검정 연관분석 카이제곱검정 다변량정규분포 예측모델 고정효과 선형모델 – ANOVA, BLUE 랜덤효과 선형모델 – BLUP 혈통 혼합선형모델 – PBLUP 유전체 혼합선형모델 – GBLUP 유전 혼합선형모델 – ssGBLUP […]
고정효과 선형모델 – ANOVA, BLUE
데이터셋 설명형 데이터셋 – 관측 모의실험형 데이터셋 – 생성 통합형 데이터셋 검증형 데이터셋 모수가설검정 대응표본 t검정 독립표본 t검정 일원분산분석(1-way ANOVA) F검정 상관분석 t검정 단순선형회귀분석 F검정 단순선형회귀분석 t검정 비모수가설검정 교차분석 카이제곱검정 연관분석 카이제곱검정 다변량정규분포 예측모델 고정효과 선형모델 – ANOVA, BLUE 랜덤효과 선형모델 – BLUP 혈통 혼합선형모델 – PBLUP 유전체 혼합선형모델 – GBLUP 유전 혼합선형모델 – ssGBLUP […]
상대도수는 모비율 추정량의 실현값인가?
목차 네. 상대도수(relative frequency)는 모비율 추정량의 실현값입니다. $$hat{p}_{mathrm{obs}} = dfrac{x}{n}$$ 여기서, $hat{p}_{mathrm{obs}}$은 관측된 표본의 상대도수 $x$는 실현된 성공회수 $n$은 표본크기 모비율은 특정 사건이 일어나는 데 성공하는 비율이며 알 수 없는 상수입니다. $$pi = P(text{특정사건})$$ 모비율 추정량은 표본비율(sample proportion)이며 분포를 가지는 확률변수입니다. $$hat{p} = dfrac{X}{n}, quad X sim mathrm{Binomial}(n, pi)$$ 여기서, $hat{p}$은 모비율 추정량 1. […]
한우의 근내지방도 예측을 위한 랜덤효과 선형모델 – BLUP
목차 요약영상 1 Videos 모델링 3:54 저자정보 출판이력 DOI 인용 다운로드 Print 구글문서 Print 구글문서 1. 혼합선형모델 1.1. 혼합선형모델식 혼합선형모델을 다음식과 같이 표현할 수 있습니다. $$mathbf{y} = mathbf{X} boldsymbol{beta} + mathbf{Z}_a mathbf{a} + mathbf{Z}_g mathbf{g} + boldsymbol{varepsilon}$$ 여기서, $mathbf{y}$ : 종속변수(반응변수)$mathbf{X}$ : 고정효과 설계행렬 (독립변수, 설명변수)$boldsymbol{beta}$ : 고정효과 회귀계수$mathbf{Z}_a$ : 혈통 랜덤효과 설계행렬$mathbf{a}$ : 혈통 […]
회귀를 중심극한정리의 확장으로 볼 수 있나?
목차 네. 회귀는 중심극한정리의 개념확장으로 볼 수 있습니다. 회귀계수는 중심극한정리의 결과로 정규분포를 따르는 추정량입니다. 중심극한정리는 “표본 평균이 반복 표집을 통해 확률변수로 표현되며 정규분포로 수렴”한다는 내용을 담고 있습니다. 회귀분석에서는 회귀계수가 표본에 따라 변하는 추정량(확률변수)이며, 이 역시 정규분포로 수렴합니다. 이건 다변량 중심극한정리의 적용 결과입니다. 회귀는 중심극한정리의 수학적 확장은 아니지만, “평균을 확률적으로 추정한다”는 통계적 사고의 다차원적·함수적 확장으로 이해할 […]
표본공간과 표본은 같은가?
목차 다릅니다. 표본공간은 집합(set)으로 표현하고 표본은 튜플(tuple)로 표현합니다. 표본공간은 가능한 모든 결과의 집합(set)입니다. 즉, 중복되지 않은 사건의 결과는 집합의 원소(element)가 됩니다. 원소는 순서가 없습니다. 표본은 표본공간에서 실제로 관측된 결과들의 나열입니다. 중복이 허용되는 사건의 결과는 튜플의 항(entry)이 됩니다. 항은 순서가 있을 수 있습니다. 1. 이산형 확률변수의 표본공간과 표본 표본공간(sample space)이란 확률실험에서 가능한 모든 결과의 모음을 말합니다. 이산형 […]
초등학생의 수학학습성취 데이터셋
목차 DATASET 변수명 단위 변수정의 데이터유형 요소 계열 학생ID 진단평가 단원평가1 단원평가2 단원평가3 단원평가4 단원평가5 단원평가6 학기말평가 자신감 불안 흥미 자기관리 전략 진도율 총학습시간 학습횟수 성취수준 1 51.2 55.0 58.3 54.1 50.7 52.0 56.4 60.2 75.0 32.0 78.0 81.0 72.0 91.5 128.0 13 0 2 39.4 40.1 42.7 41.3 39.7 37.5 40.0 35.6 60.0 45.0 […]
이산형(discrete type) 데이터의 평균은 연속형인가?
목차 네, 이산형 데이터가 정수라도 평균은 연속형 값이며 실수입니다. 이산형 확률변수의 표본은 이산형 데이터입니다. 독립이고 동일한 분포를 따르는 이산형 확률변수의 표본평균도 확률변수입니다. 표본크기가 무한대로 커지면 표본평균의 분포는 정규분포로 수렴합니다. -> 중심극한정리 실제 분석에서는 표본의 이산형 데이터 개수가 30개 이상이면 표본평균의 분포를 연속형 정규분포로 근사하여 신뢰구간 추정이나 가설검정 등에 유용하게 활용할 수 있습니다. 1.이산형 데이터의 평균 […]
이산형(discrete type) 데이터는 실수(real number) 체계를 가질 수 있나?
목차 네, 이산형 데이터도 실수일 수 있습니다. 데이터가 실수라고 해서 무조건 연속형은 아닙니다. 데이터가 실수라 하더라도 데이터의 개수를 셀 수만 있으면 이산형 데이터입니다. 1. 이산형 데이터와 수 체계 이산형 데이터는 값이 뚜렷이 구분되고 셀 수 있는 데이터입니다. 보통 유한하거나 셀 수 있는 무한 집합입니다. 실수 체계는 정수, 유리수 뿐만아니라 연속적인 무리수를 포함하는 수의 체계입니다. Table […]