본문 바로가기

분류 전체보기604

[확률과 통계 기초] 3-52. 이항분포,균등분포,정규분포의 기호 이번 시간에는 우리가 배운 확률분포들을 기호를 이용해서 간단히 나타내는 방법을 배워봅시다. 먼저 이항분포를 간단히 나타내는 방법을 알아봅시다. 이항분포의 모수는 n과 p이고, 이항분포는 영어로 Binomial distribution 이므로 학자들은 아래와 같은 기호를 만들었습니다. $B(n,p)$ 시행 횟수가 n이고 성공확률이 p인 이항분포라는 뜻입니다. 예를 들어 시행 횟수가 50이고, 성공확률이 1/6인 이항분포는 아래와 같이 나타냅니다. $B(50,\frac{1}{6})$ 말로 길게 설명하지 않아도, 수식을 적지 않아도 간단한 기호로 이항분포를 나타낼 수 있게 된 것입니다. 위 기호는 이항분포를 만드는 데 필요한 모든 정보를 담고 있습니다. 이번에는 균등분포를 기호로 나타내봅시다. 균등분포의.. 2026. 9. 12.

[확률과 통계 기초] 3-51. 균등분포의 모수 우리는 지난시간에 모수가 무엇인지 배우고, 이항분포와 정규분포의 모수를 구해보았습니다. 이번 시간에는 균등분포의 모수를 구해봅시다. 균등분포는 확률변수가 한가지 동일한 확률밀도값을 갖는 분포입니다. 확률밀도함수 그래프를 보면, 더 쉽게 이해가 되실 겁니다. 구간 [a,b] 에서 정의된 균등분포의 그래프는 아래와 같습니다. a,b가 정해지면 확률밀도함수 값도 정해집니다. 여기서 우리는 a와 b만 있으면 균등분포가 결정된다는 것을 알 수 있습니다. 모수는 확률분포를 결정하는 값이었죠. 따라서 균등분포의 '모수'는 a와 b입니다. 오늘은 균등분포의 모수가 무엇인지 알아보았습니다. 다음시간에는 이항분포, 균등분포, 정규분포를 기호로 간단히 나타내는 방법을 배워보겠습니다. 2026. 9. 5.

[확률과 통계 기초] 3-50. 분포를 결정하는 파라미터(모수) 오늘은 파라미터라는 것을 배워볼 겁니다. 파라미터는 확률함수의 모양을 결정하는 값입니다. 어쩌면 우리가 이미 알고 있는 것인데, 그것에 이름을 붙인 것입니다.이항분포에서 파라미터를 찾아봅시다. 시행 횟수가 n이고, 성공확률이 p인 이항분포의 확률질량함수는 아래와 같습니다. $p(x)=_{n}C_{x} \ p^{x}(1-p)^{n-x}$ 우변을 봅시다. 함수값에 영향을 주는 것에는 x, p, n이 있습니다. x는 확률변수에 해당되는 값이라서 함수에 넣는 입력이지 함수의 모양을 결정하지는 않습니다. 함수의 모양을 결정하는 값은 n 과 p 입니다. n과 p가 바뀌면 함수의 모양이 바뀝니다. n과 p가 이항분포의 파라미터입니다. 이번에는 정규분포로 가봅시다. 정규분포 함수는 아래와 같습니다. $f(x)=.. 2026. 8. 30.

[확률과 통계 기초] 3-49. 이항분포의 평균과 분산 공식 정규분포를 배우고 있었는데요. 이항분포에서 중요한 내용 하나를 아직 다루지 않아서 잠깐 이항분포로 돌아가겠습니다. 이항분포의 평균과 분산을 쉽게 구할 수 있는 공식을 배워봅시다. 이항분포는 이산확률분포에 속합니다. 먼저 이산확률분포의 평균과 분산을 구하는 방법을 복습하겠습니다. 이산확률변수인 X의 확률질량함수를 p(x) 라고 놓고, X는 $x_{1}$ 부터 $x_{k}$ 까지의 값을 갖는다고 합시다. 확률변수 X의 평균은 아래와 같이 정의됩니다. $E[X]=x_{1}\times p(x_{1})+\cdots+x_{k} \ p(x_{k})=\sum_{i=1}^{k}x_{i}p(x_{i})$ 분산은 아래와 같이 정의됩니다. $V[X]=\sum_{i=1}^{k}(x_{i}-E[X])^2 \ p(x_{i}.. 2026. 8. 22.

[확률과 통계 기초] 3-48. 정규분포의 평균과 분산 우리는 정규분포 유도과정을 간단히 살펴보았습니다. 그리고 정규분포 그래프의 성질에 대해서 알아보았습니다. 여기까지 배운 상태에서는 '그래서 정규분포가 뭔데?' 라는 의문이 해결되지 않으셨을겁니다. 그 의문을 여전히 지닌 채로 정규분포의 평균과 분산을 구해봅시다. 정규분포 함수 수식은 아래와 같습니다. $f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{-\frac{(x-m)^2}{2\sigma^2}}$ 정규분포함수도 확률밀도함수의 일종이기 때문에, 연속확률변수의 평균과 분산을 구하는 수식을 적용할 수 있습니다. 먼저 평균을 구하는 수식은 아래와 같습니다. $E[X]=\int^{\infty}_{-\infty}xf(x)dx$ 기초 강의니까 어려운 적분 계산은 생략하겠습니다. 평균을 계산.. 2026. 8. 17.

[확률과 통계 기초] 3-47. 정규분포의 그래프 지난 시간에 우리는 가우스가 정규분포를 유도한 과정을 살펴봤습니다. 직접 유도하는 것은 기초강의의 수준을 넘어가기 때문에 과정만 간단히 알아보았습니다. 가우스가 유도한 정규분포의 수식은 아래와 같습니다. $$ f(x)=\frac{1}{\sqrt{2\pi }\sigma}e^{-\frac{(x-m) ^2}{2\sigma^2}} $$ 오늘은 이 수식의 그래프를 그려보겠습니다. 수식의 의미는 다음시간에 자세히 다뤄보도록 할게요. 처음부터 위 함수를 그리기는 너무 어렵습니다. 가장 단순한 형태부터 출발합시다. 가장 단순한 형태는 아래와 같습니다. $$ f(x)=e^{-x^2} $$ 이 함수는 자연상수 e를 밑으로 하는 지수함수입니다. e는 약 2.7정도의 값을 갖는 무리수입니다. 위 함수의 형태를 대략적으로 .. 2026. 1. 24.

[확률과 통계 기초] 3-46. 정규분포의 발견 (3) 오차의 분포로 부터 우리는 정규분포가 발견된 경로가 두 가지 있다는 것을 배웠습니다. 하나는 이항분포를 통한 발견입니다. 드무아브르와 라플라스는 이항분포에서 n을 무한대로 보내면, 이항분포가 표준정규분포에 수렴한다는 것을 증명했습니다. 다른 하나의 경로는 가우스가 발견했습니다. 이번 시간에는 가우스가 정규분포를 발견한 과정을 알아봅시다. 우리가 어떤 대상을 측정하는 상황을 생각해봅시다. 아무리 정밀하게 측정하려고 해도, 측정할 때마다 결과가 미세하게 달라질 것입니다. 이는 측정오차 때문입니다. 가우스는 이 측정오차의 분포를 구하고 싶었습니다. 어떤 대상을 측정하는 상황을 수식을 이용하여 표현해보겠습니다. 우리가 어떤 대상의 길이를 n번 측정했을 때, 측정 결과는 아래와 같이 나타낼 수 있습니다. $x_{1}$, $x_{2.. 2025. 12. 26.

[확률과 통계 기초] 3-45. 정규분포의 발견 (2) 이항분포로 부터 1738년, 드무아브르는 n이 무한히 커지면, p=1/2 일때 이항분포가 종 모양의 곡선에 가까워져 간다는 것을 증명했습니다. 이 종 모양의 곡선이 표준정규분포입니다. 1812년 라플라스는 p를 0과 1 사이로 일반화시켰습니다. 동전던지기 예시를 가지고 이항분포에서 n이 커질 때, 종 모양의 곡선이 되는지 시험해봅시다. 동전던지기 예시의 이항분포 함수는 아래와 같습니다. $$ p(x)=_nC_x \left( \frac{1}{2} \right)^{x}\left( \frac{1}{2} \right)^{n-x} $$ 동전을 세번 던질때 확률분포를 그래프로 그려봅시다. 동전을 세번 던질 때 이항분포 함수는 아래와 같습니다. $$ p(x)=_3C_x \left( \frac{1}{2} \right)^{x}\.. 2025. 11. 22.

[확률과 통계 기초] 3-44. 정규분포의 발견 (1) 프롤로그 우리는 확률 분포를 배우고 있습니다. 확률분포는 이산확률분포와 연속확률분포로 나뉩니다. 우리는 이산확률 분포 중에서 대표적인 두가지 분포를 배운 상태입니다. O 이산확률분포 - 베르누이분포 - 이항분포 베르누이 분포는 시행의 결과가 성공, 실패 두가지인 베르누이 시행을 한번 한 결과의 분포입니다. 성공은 X=1, 실패는 X=0 으로 뒀을 때 X의 분포입니다. 동전던지기가 대표적인 베르누이 시행입니다. 앞면을 성공, 뒷면을 실패로 두면 동전 던지기 시행의 결과는 성공(앞면)과 실패(뒷면) 두가지 중 하나입니다. 베르누이 분포를 일반화 시켜보면, 성공 확률이 p인 시행을 한번 했을 때의 분포입니다. 이항분포는 베르누이 시행을 여러번 반복했을 때의 분포입니다. 각 시행은 서로 독립적이라는 조.. 2025. 11. 17.

[확률과 통계 기초] 3-43. 가능성이 변하는 연속확률변수의 확률함수 이전 글에서 ‘가능성이 변하는 연속확률변수’에 대해 이야기한 적이 있습니다. 몸무게가 변하는 약 예시였는데요. 먹으면 몸무게가 60~100kg 으로 랜덤하게 변하는 약이 있을 때, 60kg으로 변할 가능성이 가장 작고 100kg에 가까워질 수록 가능성이 커진다고 가정했습니다. 약을 먹고 변한 몸무게를 확률변수 X라고 놓았을 때, X의 확률함수는 무엇인가? 라는 의문이 있었지만 해결하지 못했었습니다. 이제 우리는 확률밀도함수가 무엇인지 배웠으니, 위 예시를 수식으로 표현할 수 있습니다. 먼저 확률밀도함수를 아래와 같이 그릴 수 있습니다. 가능성은 직선형태로 증가한다고 가정하겠습니다. 이제 a와 b를 구해야 합니다. 전체 확률이 1이 되어야 하므로 아래 그림의 넓이 S가 1이어야 합니다. 아래 그림처럼 .. 2025. 10. 16.

[확률과 통계 기초] 3-42. 균등분포의 평균, 분산, 표준편차 우리는 연속확률변수의 평균, 분산, 표준편차를 구하는 방법을 배운 상태입니다. 어떤 연속 확률변수 X의 확률밀도함수를 f(x) 라고 했을 때 평균, 분산 표준편차는 아래와 같이 계산합니다. $$ E[X]=\int_{-\infty}^{\infty}xf(x)dx $$ $$ V[X]=\int_{-\infty}^{\infty}(x-m)^2f(x)dx $$ $$ \sigma[X]=\sqrt{V[X]} $$ 이제 우리가 배운 개념을 균등분포에 적용해봅시다. [a,b]에서 정의된 균등분포의 확률밀도함수는 아래와 같습니다. $$ f(x)=\left\{\begin{matrix}\frac{1}{b-a} & a \leq x \leq b \\0 & otherwise \\\end{matrix}\right. $$ 평균을 먼저 .. 2025. 10. 7.

[확률과 통계 기초] 3-41. 연속확률 분포 적분구간을 무한대로 해도 되는 이유 연속확률분포의 기댓값 수식을 살펴봅시다. 연속확률분포의 기댓값 : $\int_{a}^{b}xf(x)dx$ 위 확률분포는 $[a,b]$에서 정의된 확률분포입니다. 그 외의 값은 0입니다. 그래프로 나타내보면 아래와 같습니다. 모양은 임의로 표현했습니다. $[a,b]$ 이외 구간에서 $f(x)$의 값은 0입니다. 따라서 $-\infty$부터 $\infty$까지 적분을 해도 나머지 구간의 적분값은 0이 나오므로 $[a,b]$에서 적분한 것과 결과가 같습니다. 따라서 아래 등식이 성립합니다. $$ \int_{a}^{b}xf(x)dx= \int_{-\infty}^{\infty}xf(x)dx $$ 확률밀도함수를 적분하여 평균이나 분산을구할 때, 구간을 $[-\infty, \infty]$ 로 설정해주면 됩니.. 2025. 9. 4.

[확률과 통계 기초] 3-40. 구간 표현 익히기 [a,b] (a,b) 오늘은 a≤x≤b 와 같은 구간을 간단하게 나타내는 표현방법을 배워보겠습니다. 자주 사용할 방법인데 생소하신 분들이 계실 수 있어서 한번 설명하고 넘어가려고 합니다. 확률변수 X가 a이상 b이하에서 정의되어 있다고 설명하고 싶을 때, 아래와 같은 기호를 이용하여 간단히 나타낼 수 있습니다. “확률변수 X가 [a,b] 에서 정의되어 있다.” [a,b] 는 a≤x≤b 와 같은 의미입니다. 이런 구간을 닫힌구간이라고 부릅니다. 닫힌구간이라고 부르는 이유는 양 끝점이 구간에 포함되어 있기 때문입니다. 시각적으로 나타내보면 더 쉽게 이해할 수 있습니다. ●————————● (끝점이 채워짐) 닫힌 구간이 있다면 열린 구간이 있겠죠? 열린 구간은 a○————————○ (끝점이 열려있음) a https://ww.. 2025. 8. 30.

[확률과 통계 기초] 3-39. 연속확률분포의 분산과 표준편차 지난시간에 연속확률분포의 기댓값을 구했습니다. 이산확률분포의 기댓값과 연관지어 구했었고 두 분포의 기댓값은 아래와 같습니다. 이산확률분포의 기댓값 : $\sum_{i=1}^{n}x_{i}p_{i}$ 연속확률분포의 기댓값 : $\int_{a}^{b}xf(x)dx$ 이산확률분포 기댓값 수식에서 p 대신 f(x)dx 를 넣고, 시그마 대신 적분 기호를 쓰면 연속확률분포의 기댓값이 됩니다. 연속확률분포의 분산과 표준편차도 같은 방법으로 구해봅시다. 먼저 이산확률변수의 분산은 아래와 같이 계산됩니다. m 은 기댓값입니다. 이산확률분포의 분산 : $\sum_{i=1}^{n}\left ( x_{i}-m \right )^2 p_{i}$ 연속확률분포의 분산은 아래와 같이 구합니다. 위 식에서 p 대신 f(x).. 2025. 7. 31.

[확률과 통계 기초] 3-38. 연속확률분포의 기댓값 우리는 지난 시간에 연속확률분포의 일종인 균등분포를 배웠습니다. 균등분포를 요약하는 통계량인 기댓값과 분산을 구할 차례입니다. 그 전에 연속확률분포의 기댓값과 분산을 구하는 방법을 먼저 배우고, 균등분포에 적용해보겠습니다. 우리는 이미 확률분포의 기댓값과 표준편차를 구한 적이 있습니다. 이산확률분포의 기댓값과 표준편차를 구했었습니다. 이산확률분포의 기댓값을 구할 때 어떻게 구했었는지 떠올려봅시다. 확률변수 X의 이산확률분포는 아래와 같은 표로 나타낼 수 있습니다. x$x_{1}$$x_{2}$...$x_{n}$p(x)$p_{1}$$p_{2}$...$p_{n}$이산확률분포의 기댓값은 각 확률변수와 확률을 곱해서 전부 더한 값이었습니다. 아래와 같습니다. $ E[X]=x_{1}p_{1}+\cdots +x_{.. 2025. 7. 30.

[확률과 통계 기초] 3-37. 균등분포 확률분포는 확률변수와 확률의 대응관계입니다. 확률분포는 이산확률분포와 연속확률분포로 나뉩니다. 우리는 대표적인 이산확률분포인 베르누이분포와 이항분포를 배웠습니다. 오늘부터는 연속확률분포에 대해 공부하려고 합니다. 오늘 우리가 배울 연속확률분포는 균등분포입니다. 균등분포는 이름에서도 알 수 있듯 분포가 ‘균등’한 분포입니다. 모든 확률변수가 동일한 확률밀도를 갖습니다. 어떤 연속확률변수 X가 $a \leq X \leq b$ 에서 정의되어 있다고 한다면, X가 a~b 사이 값을 가질 확률밀도가 모두 동일한 분포가 균등분포입니다. 균등분포를 그래프와 수식으로 나타내봅시다. 먼저 그래프입니다. x축이 확률변수, y축을 확률 밀도인 그래프로 나타내보면 아래와 같습니다. 확률밀도값은 얼마여야 할까요? 확률밀도.. 2025. 7. 29.

[확률과 통계 기초] 3-36. 우리가 공부할 연속확률분포들 우리는 확률분포를 공부하고 있습니다. 확률분포는 확률변수가 확률과 어떻게 대응되어 있는지를 나타냅니다. 확률분포는 두 가지로 나뉘었는데요. 이산확률분포와 연속확률분포입니다. 확률분포 - 이산확률분포 - 연속확률분포 우리는 대표적인 이산확률분포인 베르누이분포와 이항분포를 배웠습니다. 베르누이분포는 시행의 결과가 성공과 실패 두가지이고 성공이면 1, 실패면 0을 취하는 확률변수의 분포입니다. 이런 시행을 예로 들면 빨간 공과 까만 공이 섞여 있는 상자에서 공을 하나 꺼내는 시행이 있습니다. 시행 결과가 빨간 공과 까만 공 두가지 입니다. 빨간공이 나올 확률이 p이고, 빨간 공이 나온 사건을 성공이라고 합시다. 빨간 공이 나오면 1, 까만 공이 나오면 0을 취하는 확률변수 X를 정의하면, 확률.. 2025. 7. 11.

[확률과 통계 기초] 3-35. 연속확률분포 우리는 지난시간까지 확률밀도함수를 배웠습니다. 확률밀도함수는 연속확률변수의 확률함수인데요. 이번시간에는 연속확률변수의 확률분포인 연속확률분포를 배워보겠습니다. 확률함수와 확률분포의 차이가 무엇인지 기억나지 않는 분들을 위해 확률분포와 확률함수를 복습해봅시다. 확률분포는 확률변수와 확률의 대응관계를 말합니다. 표로 나타낼 수도 있고 그래프로 나타낼 수도 있고 수식으로 나타낼 수도 있습니다. 확률분포를 함수 형태의 수식으로 나타낸 것을 확률함수라고 부릅니다. 확률 분포가 더 넓고 개념적인 의미입니다. 확률함수는 수식이구요. 확률분포는 이산확률분포와 연속확률분포로 나뉩니다. 연속확률변수의 확률분포가 연속확률분포이고, 이산확률변수의 확률분포가 이산확률분포입니다. 이산확률분포 먼저 살펴봅시다. 동전을 두개 던.. 2025. 6. 25.

[확률과 통계 기초] 3-34. 확률밀도함수 우리는 지난시간에 확률밀도함수를 발견했습니다. 이번시간에는 확률밀도함수와 관련된 내용들을 정리해봅시다. 확률밀도함수는 누적분포함수를 미분한 함수입니다. 수식으로 표현해봅시다. 아래는 누적분포함수입니다 $$ F(x)=P[X \leq x] $$ 누적분포함수를 미분하면 아래와 같습니다. $f(x)$가 확률밀도함수입니다. $$ \frac{d F(x)}{dx}=F'(x)=f(x) $$ 확률밀도함수를 구간 [a,b]에서 적분해 봅시다. $$ \int_{a}^{b}f(x)=F(b)-F(a) $$ 우변은 b 까지의 확률에서 a까지의 확률을 뺀 것이므로 아래 확률과 같습니다. $$ \int_{a}^{b}f(x)=F(b)-F(a) $$ F(b) 는 b까지의 확률이고 F(a)는 a까지의 확률이므로 F(b)-F(a).. 2025. 6. 13.

[확률과 통계 기초] 3-33. f(x)에 이름 붙이기 이번시간에는 누적분포함수 $F(x)$를 미분한 $f(x)$를 발견한 과정을 간단히 복습하고, f(x)에 이름을 붙여보겠습니다. 우리는 확률변수에 대해서 배우고 있습니다. 확률변수에는 이산확률변수와 연속확률변수가 있습니다. 이산확률변수의 예로는 “동전을 두개 던져서 앞면이 나오는 횟수” 가 있습니다. 이 확률변수를 X라고 놓겠습니다. 동전을 두개 던질 때 앞면이 나올 수 있는 횟수로는 0,1,2가 있으므로 X는 0,1,2가 될 수 있습니다. X가 될 수 있는 각 값에는 확률이 할당되어 있습니다. 예를 들어 동전을 두 개 던져서 앞면이 0번 나올 확률은 1/4 입니다. 이와 같이 이산확률변수의 각 값에는 확률과 대응되어 있습니다. 이산확률변수에서 각 가능한 값과 그 값이 일어날 확률 사이의 대응관계는 함수.. 2025. 4. 26.

Bland-Altman 플롯 쉽게 이해하기 Bland-Altman 플롯은 두 가지 측정 방법 간의 일치 정도(agreement)를 평가하는 데 사용하는 그래프입니다. 예를 하나 들어봅시다. 혈압을 측정하는 혈압계 A와 B가 있고 5명의 혈압을 아래와 같이 측정했다고 합시다. 피험자A 혈압계B혈압계11201222130128312512741401465150159 두 혈압계의 결과가 잘 일치하는지 그래프로 나타내고 싶다고 합시다. 여러가지 방법이 있겠지만 두 방법의 일치 정도를 시각적으로 보기 위해서는 Blank-Altman plot이 좋습니다. 왜 좋은지는 Blank-Altman plot을 그려보면 알 수 있습니다.Blank-Altman 플롯 그리는 방법먼저 아래와 같이 두 값의 평균과 차이를 계산해줍니다. 피험자A 혈압계B 혈압계평균차이 (A.. 2025. 3. 21.

[확률과 통계 기초] 3-32. 누적분포함수를 미분해보았다 우리는 연속확률변수에서 ‘가능성’이라고 부르는 어떤 것의 정체를 밝혀내는 중입니다. 이 가능성이 무엇인지 이해하기 위해 아래 예시를 다시 봅시다. 먹으면 몸무게가 랜덤하게 60~100kg 사이로 변하는 약이 있다고 합시다. 약을 먹고 나서 각 몸무게로 변할 가능성은 동일합니다. 약을 먹은 뒤의 몸무게를 확률변수 X라고 합시다. 이 상황을 나타낸 그래프도 그려보았지만, 우리가 말하는 '가능성'이 무엇인지 이해할 수 없었습니다 . 사람들은 누적분포함수를 미분해 보는 방법을 선택했습니다. 위 예시의 누적분포함수는 다음과 같습니다. $$ F(x)=P[X \leq x]=\frac{x-60}{40} \ \ (60\leq x \leq 100) $$ 이 함수를 미분한 결과를 f(x)라고 놓으면 다음과 같습니다. $.. 2024. 11. 28.

[확률과 통계 기초] 3-31. 확률은 아니지만 확률 같은 무언가 우리가 매번 사용하고 있는 예제를 다시 살펴봅시다. 먹으면 몸무게가 랜덤하게 60~100kg 사이로 변하는 약이 있다고 합시다. 약을 먹고 나서 각 몸무게로 변할 가능성은 동일합니다. 약을 먹은 뒤의 몸무게를 확률변수 X라고 합시다. 여기서 확률변수 X는 확률을 갖지 않습니다. 확률을 갖는 순간 전체 확률이 무한대가 되기 때문입니다. 그런데 우리는 X각 60~100kg 사이로 변할 ‘가능성’이 같다고 말했습니다. 어느 값으로 변하던 그 가능성이 동일하다는 가정을 하고 싶었기 때문입니다. 이 가능성은 확률은 아닙니다. 현재까지 배운 내용으로는 뭐라고 표현할 말이 없어서 가능성이라고 이야기한 것입니다. 하지만 느낌상 확률과 비슷한 무언가라는 것은 알 수 있습니다. 우리는 이 ‘가능성’이 의미하는 것이 무.. 2024. 11. 25.

[확률과 통계 기초] 3-30. 가능성이 변하는 연속확률변수 지난시간에 함께 해결해보려고 했던 궁금증을 다시 살펴봅시다. 먹으면 몸무게가 랜덤하게 60~100kg 사이로 변하는 약이 있다고 합시다. 지금까지는 이 약을 먹고 나서 각 몸무게로 변할 가능성이 동일하다고 했었습니다. 60kg 로 변할 가능성과 100kg로 변할 가능성이 동일하다고 놓은 것입니다. 각 몸무게가 발생할 확률은 정의할 수가 없었고, 구간의 확률만 정의할 수 있었습니다. 그래서 누적분포함수를 구했었습니다. 아래와 같습니다. $$ F(x)=P[X \leq x]=\frac{x-60}{40} \ \ (60\leq x \leq 100) $$ 이번에는 생각을 달리해봅시다. 60kg으로 변할 가능성이 가장 낮고, 100kg로 갈 수록 가능성이 서서히 높아지다가 100kg 으로 변할 가능성이 가장 높다고.. 2024. 11. 16.

[확률과 통계 기초] 3-29. 누적분포 함수 익숙해지기 지난시간에 배운 누적분포함수의 정의를 복습해봅시다. 구간이 $a\leq X \leq b$ 인 확률변수가 있다고 합시다. 확률변수 X가 각 값이 될 가능성은 동일하다고 가정하겠습니다. 확률변수 X의 누적분포함수는 아래와 같습니다. $$ F(x)=P[X \leq x]=\frac{x-a}{b-a} \ \ (a\leq x \leq b) $$ 오늘은 이 누적분포함수에 익숙해지는 시간을 갖겠습니다. 우리가 계속 사용하던 예시를 다시 살펴보겠습니다. 먹으면 몸무게가 랜덤하게 60~100kg 사이로 변하는 약이 있다고 합시다. 약을 먹고 나서 각 몸무게로 변할 가능성은 동일합니다. 약을 먹은 뒤의 몸무게를 확률변수 X라고 합시다. 확률변수 X의 누적분포 함수는 아래와 같습니다. $$ F(x)=P[X \leq x]=\f.. 2024. 11. 14.

[확률과 통계 기초] 3-28. 연속확률변수의 누적분포함수 연속확률변수에서는 구간의 확률만 정의할 수 있고 개별 값에 대한 확률은 정의되지 않았습니다. 개별 값의 확률이 0이기 때문입니다. 그럼 연속확률변수에서는 확률과 관련된 함수를 정의할 수 없는걸까요. 연속확률변수에서 구간의 확률을 정의할 수 있다는 성질을 이용하면 함수를 정의할 수 있습니다. 지난시간에 사용하던 예시를 가져옵시다. 먹으면 몸무게가 랜덤하게 60~100kg 으로 바뀌는 약이 있다고 합시다. 각 몸무게가 될 가능성은 동일합니다. 이때 약을 먹고 몸무게가 60이상 $x$ 이하가 될 확률을 정의할 수 있습니다. $$P[60 \leq X \leq x]$$ 확률은 얼마일까요? 위 구간의 길이인 $x-60$ 을 전체 길이인 40으로 나눠주면 됩니다. 아래와 같습니다. $$P[60 \leq X \leq .. 2024. 11. 4.

두사람이 데이터를 두번씩 측정했다면 ICC는 어떻게 비교해야 할까? 두 사람 A와 B가 있습니다. 어떤 측정을 하는데, 한 사람당 두번 반복했다고 합시다. 측정 데이터는 아래와 같이 네가지가 생깁니다. A1,A2,B1,B2 모두 같은 대상을 측정한 데이터입니다. 1. 측정자 간 신뢰도 (inter-rater reliability)측정자 간 신뢰도는 아래 데이터를 비교합니다. [A1,A2] vs [B1,B2] ICC(2,1)를 주로 사용합니다. 2. 측정자 내 신뢰도 (intra-rater reliability)측정자 내 신뢰도는 아래 데이터를 비교합니다. A1 vs A2 B1 vs B2 ICC(3,1)을 주로 사용합니다. 2024. 10. 23.

[확률과 통계 기초] 3-27. 연속확률변수에서 구간의 확률은 정의할 수 있다 지난 시간에 우리는 연속확률변수의 개별 원소에 대해 확률을 정의할 수 없다는 것을 배웠습니다. 이는 각 원소의 확률을 정의하게 되면 전체 확률의 합이 무한대로 발산하기 때문입니다. 그렇다면 연속확률변수에서 확률은 어떻게 정의할 수 있을까요? 연속확률변수에서는 개별 값의 확률이 아닌, 구간의 확률을 정의할 수 있습니다. 이를 통해 전체 확률이 1로 유지되면서도 각 구간의 확률을 계산할 수 있습니다. 예시를 들어보겠습니다. 지난번에 사용한 예시입니다. 먹으면 몸무게가 랜덤하게 60~100kg 으로 바뀌는 약이 있다고 합시다. 각 몸무게가 될 가능성은 동일하다고 가정합시다. 약을 먹은 뒤의 몸무게를 확률변수 X라고 하겠습니다. 확률변수 X가 60~70kg 사이가 될 확률은 아래와 같이 정의할 수 있습니다. .. 2024. 9. 6.

[확률과 통계 기초] 3-26. 연속확률변수에서는 확률이 정의되지 않는 이유 우리는 지난시간에 연속확률변수를 배웠습니다. 연속확률변수는 3-5강에서 이미 한번 배웠었는데요. 시간이 많이 지났기 때문에 지난 강의에서 한번 더 복습을 했습니다. 오늘은 연속확률변수에서 각 원소의 확률이 정의되지 않는다는 내용을 배워볼겁니다. 그전에 이산확률변수의 확률분포를 하나 살펴보겠습니다. 이산확률변수에 속하는 이항분포를 배웠던 기억을 떠올려 봅시다. 자유투 성공률이 70%인 농구선수가 자유투를 5번 던졌을 때 성공한 횟수를 X로 놓을 때, 확률함수는 아래와 같았습니다. $p(x)=_5C_x \ (0.7)^x(0.3)^{5-x}$ 확률함수를 구해놓으면 원하는 확률변수의 확률을 쉽게 구할 수 있습니다. X에 궁금한 값을 대입하면 확률이 구해집니다. 연속확률변수에도 이런 확률함수를 구할 수 있.. 2024. 8. 23.

[확률과 통계 기초] 3-25. 연속확률변수 복습 지금까지 우리는 이산확률변수를 배웠습니다. 이산확률변수는 셀 수 있는 확률변수였습니다. 동전을 던져서 나오는 앞면의 수도, 들어간 자유투 개수도 셀 수 있습니다. 하나, 둘, 셋 이렇게 번호를 붙여서 셀 수가 있습니다. 확률변수가 하나 더 있었는데요. 연속확률변수입니다. 앞으로는 연속확률변수에 대해서 배워볼겁니다. 연속확률변수는 셀 수 없는 확률변수입니다. 번호 붙여서 셀 수 없다는 뜻인데요. 예를 한번 들어보겠습니다. 어떤 약이 있습니다. 먹으면 40~100kg 사이의 몸무게로 랜덤하게 바뀌는 약입니다. 각 몸무게가 될 확률은 동일합니다. 여기서 40~100은 40이상 100이하의 '실수'를 의미합니다. 이 약을 먹었을 때 변하는 몸무게를 확률변수 X라고 놓겠습니다. 확률변수 X를 셀 수 있나.. 2024. 8. 12.

이전 1 2 3 4 ··· 21 다음

티스토리툴바