[기초통계학]Day2

오늘로 기초통계학Ⅰ을 종료한다!

사실 review강의가 굉장히 많지만 과감히 생략하고 내일부터 기초통계학Ⅱ로 넘어갈 예정이다.

왜냐하면, 이러다간 udemy의 data science A-Z를 정복하려는 계획이 느려지기 때문이다.

하지만 기초통계학Ⅱ이 이해하기 어려우면 review부터 다시 시작할 수도 있다.

  1. 베이즈 정리 Bayse’ Theorem
    • P(A|B)=P(A∩B)/P(B)=P(A)P(B|A)/[P(A)P(B|A)+P(!A)P(B|!A)]
    • P(Ak|B)=P(Ak)P(B|Ak)/P(B)=P(Ak)P(B|Ak)/∑P(Ai)P(B|Ai)
  2. 독립사건 : P(A∩B)=P(A)P(B)
  3. 확률변수
    • 이산확률변수 : E(X**2)=∑[x**2 * f(x)]
    • 연속확률변수 : E(X**2)=∫[x**2 * f(x)]dx
  4. 확률변수 X의 분산 : Var(X)=∑[(x-μ)**2 * f(x)]=E(X**2)-E(X)**2
  5. 기댓값 정리
    • E(X+Y)=E(X)+E(Y)
    • X와 Y가 독립일 떄 E(XY)=E(X)E(Y)
  6. 공분산 covariance : Cov(X,Y)=E(XY)-E(X)E(Y)
  7. Var(X±Y)=Var(X)+Var(Y)±2Cov(X,Y)
  8. 상관계수 coefficient of correlation : ρ = Cor(X,Y)=Cov(X,Y)/[sqrt(Var(X))sqrt(Var(Y))]
  9. 베르누이 Bernoulli 시행 X~B(X)
    1. 각 실험에서 발생가능한 결과는 2가지
    2. 각 실험이 독립적으로 수행
    3. 모든 실험에서 결과의 확률은 항상 동일
  10. 이항분포 : n개의 베르누이 확률변수를 합한 것
  11. 포아송분포 X~P(λ) : f(x) = e**(-λ) * λ**x / x!
Advertisements

답글 남기기

아래 항목을 채우거나 오른쪽 아이콘 중 하나를 클릭하여 로그 인 하세요:

WordPress.com 로고

WordPress.com의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Twitter 사진

Twitter의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Facebook 사진

Facebook의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

Google+ photo

Google+의 계정을 사용하여 댓글을 남깁니다. 로그아웃 / 변경 )

%s에 연결하는 중