본문 바로가기
반응형

확률분포40

[확률과통계 기초] 3-3. 확률함수와 확률분포 우리가 계속 사용하고 있는 동전 두개 던지는 예시를 가져옵시다. 동전을 두개 던져서 앞면이 나오는 횟수를 확률변수로 놓을 수 있었습니다. 확률변수를 X로 놓으면 X가 가질 수 있는 값은 아래와 같습니다. X={0,1,2} 확률변수 X가 각 값을 가질 확률은 아래와 같습니다. $P[X=0]=\frac{1}{4}$ $P[X=1]=\frac{1}{2}$ $P[X=2]=\frac{1}{4}$ 확률변수 X가 가질 수 있는 값들과, 각 값을 가질 확률 사이에 대응관계가 존재합니다. 이 대응관계를 표로 나타내면 아래와 같습니다. X 0 1 2 합계 $P[X=x]$ $\frac{1}{4}$ $\frac{1}{2}$ $\frac{1}{4}$ 1 이와 같은 대응관계를 '확률분포'라고 부릅니다. 이 대응관계를 p(x)라는 .. 2023. 7. 2.
정규분포를 따르는 확률변수의 합의 분포 정규분포를 따르는 확률변수 X와 Y가 있다고 합시다. 각 확률변수의 분포는 아래와 같이 나타낼 수 있습니다. $X \sim N\left (\mu_{X},\sigma_{X}^2 \right )$ $Y \sim N\left (\mu_{Y},\sigma_{Y}^2 \right )$ 두 확률변수 X와 Y가 서로 독립이라고 가정하겠습니다. 우리가 굼금한 것은 X+Y의 분포입니다. X+Y의 분포는 특성함수를 이용해서 유도할 것입니다. 확률변수 X와 Y의 특성함수를 먼저 구해보면 아래와 같습니다. $\varphi_{X}(t)=E\left [ e^{itX} \right ]=e^{it\mu_{X}-\frac{\sigma_{X}^2t^2}{2}}$ $\varphi_{Y}(t)=E\left [ e^{itY} \right ].. 2023. 1. 14.
[t분포 한눈에] 정의, 분포함수,평균,분산,첨도,왜도,적률생성함수,특성함수 t분포의 통계량들을 표로 요약한 내용입니다. 정의 - 표본평균을 정의하는 모표준편차 대신 표본표준편차를 넣어 정의된 확률변수의 확률분포 - 정규분포보다 꼬리쪽이 heavy함 정의역 $-\infty 2021. 11. 10.
[카이제곱분포 한눈에] 정의, 분포함수,평균,분산,첨도,왜도,적률생성함수,특성함수 카이제곱분포의 통계량들을 표로 요약한 내용입니다. 정의 표준정규분포를 따르는 확률변수들의 제곱합을 확률변수로 하는 분포 정의역 $\left\{\begin{matrix} 0 2021. 11. 8.
[다항분포 한눈에] 정의, 분포함수,평균,분산,첨도,왜도,적률생성함수,특성함수 다항분포에 대한 통계량들을 표로 요약한 내용입니다. 정의 이항분포에서 시행의 결과가 셋 이상인 확률분포 분포함수 $f\left ( x_{1},x_{2},...,x_{k} \right )=\frac{n!}{x_{1}!x_{2}! \cdots x_{k}!} \left ( p_{1} \right )^{x_{1}} \left ( p_{2} \right )^{x_{2}} \cdots \left ( p_{k} \right )^{x_{k}}$ 아래 수식 만족 n=x_{1}+x_{2}+\cdots + x_{k} n : 시행횟수 누적분포함수 - 평균 $E\left [ X_{k} \right ]=np_{k}$ 예를들어, $E\left [ X_{1} \right ]=np_{1}$ 분산 $V\left [ X_{1} \righ.. 2021. 11. 3.
[초기하분포 한눈에] 정의, 분포함수,평균,분산,첨도,왜도,적률생성함수,특성함수 초기하분포에 대한 통계량들을 표로 요약한 내용입니다. 정의 모집단의 크기는 M입니다. 모집단 안에는 우리가 원하는 원소가 k개 있습니다. 모집단에서 크기가 n인 표본을 뽑을 것입니다. 이 표본 안에 우리가 원하는 원소가 x개 있을 확률분포가 초기하분포 입니다. 모집단의 크기 : M 모집단 중 원하는 원소 개수 : k 표본의 크기 : n 표본 중 원하는 원소 개수 : x 분포함수 $ \frac{\binom{k}{x}\cdot \binom{M-k}{n-x}}{\binom{M}{n}}$ 누적분포함수 링크 참고 https://www.researchgate.net/publication/333330279_Hypergeometric_Functions_on_Cumulative_Distribution_Function/l.. 2021. 11. 2.
[이항분포 한눈에] 정의, 분포함수,평균,분산,첨도,왜도,적률생성함수,특성함수 이항분포함수에 대한 통계량들을 표로 요약한 내용입니다. 정의 베르누이 시행을 n번 했을 때, 사건 발생 횟수 X를 확률변수로 하는 확률분포 분포함수 $ \binom{n}{x}p^{x}(1-p)^{n-x} $ 누적분포함수 $\sum_{k=1}^{\left \lfloor x \right \rfloor}\binom{n}{k}p^{k}(1-p)^{n-k} $ 평균 $np$ 분산 $np(1-p)$ 왜도 $\frac{1-2p}{\sqrt{np(1-p)}}$ 첨도 $\frac{1-6p(1-p)}{np(1-p)}$ 적률생성함수 $\left (1-p+pe^{t} \right )^{n}$ 특성함수 $\left (1-p+pe^{it} \right )^{n}$ *시행의 결과가 오직 두가지 뿐인 시행을 '베르누이 시행'이라고 .. 2021. 10. 27.
[수리통계학] #8. 확률분포의 수학적 정의 (확률의 공리) 확률분포를 수학적으로 정의해봅시다. S를 표본공간, A를 사건이라고 합시다. P를 사건 A에서 실수(real number)로 대응시키는 함수라고 합시다. 이때, 함수 P가 아래 세가지 공리(조건)을 만족한다면, 함수 P는 확률분포입니다. Axiom 1: 모든 A에 대해 $P(A)\geq 0$ 이다. Axiom 2: $P(S)=1$ 이다. Axiom 3: 만약 $A_{1},A_{2},...$ 가 서로 배반이라면 아래 등식이 성립한다. $P\left ( \bigcup_{i=1}^{\infty }A_{i} \right )=\sum_{i=1}^{\infty }P\left ( A_{i} \right )$ 읽어보면 아시겠지만 세가지 공리는 당연한 것들입니다. 확률은 0보다 크고, 확률의 합은 1이고, 서로 배반이면.. 2021. 2. 26.
[손으로 푸는 확률분포] 균등분포 (3) 예시 (3) 예시 5분에 한대씩 오는 버스가 있습니다. 임의의 시간에 정류장에 나갔을 때, 버스를 기다릴 시간이 x일 확률을 구해봅시다. 버스를 기다릴 시간은 0분에서 5분 사이입니다. 따라서 X의 범위는 아래와 같습니다. 임의의 시간에 나가는 것이므로 모든 확률은 같습니다. 그런데 X는 셀 수 없는 변수입니다. 연속확률변수입니다. 셀 수 없다는 것은 단순히 그 개수가 무한개라는 것이 아닙니다. 자연수도 개수가 무한개지만 셀 수 있습니다. 1다음에 오는 것이 2입니다. 그런데 위 예제에서 0분 다음에 오는 것이 뭘까요? 0.1분? 0.001분? 셀 수 없습니다. 연속확률변수이기 때문에 함수 값은 확률이 아니라 확률밀도입니다. 이 확률밀도를 일단 k라고 놓고 그래프를 그려봅시다. 확률의 총 합은 1이므로, 닫힌.. 2020. 2. 29.
[손으로 푸는 확률분포] 균등분포 (2) 평균과 분산 (2-1) 평균 확률변수 X가 균등분포를 따를 때, 확률밀도함수는 아래와 같다는 것을 지난시간에 유도했습니다. 균등분포를 따르는 확률변수 X는 연속확률변수입니다. 연속확률변수의 평균은 아래와 같이 구합니다. 균등분포함수에 적용해봅시다. 적분은 어렵지 않습니다. 적분해봅시다. 계산합시다. 인수분해합시다. 약분하면 아래와 같이 균등분포의 평균이 구해집니다. (2-2) 분산 연속확률변수의 분산은 아래와 같이 구합니다. 평균은 위에서 구해서 알고 있으므로, 확률변수의 제곱의 평균만 구하면 됩니다. 위 식에 균등분포의 확률밀도함수를 대입합니다. 적분은 어렵지 않습니다. 적분해봅시다. 계산합시다. 인수분해합시다. 약분하면 아래와 같습니다. 분산을 구하는 식에 넣어줍니다. 맨 오른쪽 항을 계산해줍니다. 통분합시다. .. 2020. 2. 26.
[손으로 푸는 확률분포] 균등분포 (1) 소개,그래프,유도 (1) 소개, 유도, 그래프 이번 시간부터는 연속확률분포를 배워보겠습니다. 오늘 배울 분포는 "균등 분포"입니다. 균등분포는 영어로 uniform distribution 입니다. 더 정확히 이야기하면 '연속균등분포'입니다. 다루지는 않았지만 이산확률분포에서도 균등분포를 정의할 수 있기 때문입니다. 균등분포는 모든 확률변수의 함수값이 동일한 분포입니다. 여기서 함수값은 확률이 아닙니다. 확률 밀도입니다. 확률변수의 범위를 a≤x≤b 로 놓고 함수 값은 k라고 한다면 그래프는 아래와 같이 그릴 수 있습니다. 확률밀도함수에서는 면적이 확률이므로 아래 면적이 1이 됩니다. 따라서 아래 등식이 성립합니다. k를 계산하면 아래와 같습니다. 따라서 균등분포는 아래와 같이 정의할 수 있습니다. 기호로는 아래와 같이 나.. 2020. 2. 24.
[손으로 푸는 확률분포] 이산확률분포들 사이의 관계 우리는 지금까지 이산확률분포들을 배웠습니다. 아래의 7가지 분포입니다. - 베르누이분포 - 이항분포 - 기하분포 - 음이항분포 - 포아송분포 - 초기하분포 - 다항분포 이번 글에서는 각 분포들 사이의 관계망을 만들어보도록 하겠습니다. 베르누이분포로 시작합니다. 베르누이분포는 시행횟수가 1회이고, 시행의 결과가 성공/실패 둘 뿐인 분포입니다. 분포함수는 아래와 같습니다. 기호로는 B(1,p)로 나타냅니다. 베르누이분포에서 시행횟수를 n회로 늘리면 이항분포가 됩니다. 기호로는 B(n,p)로 나타냅니다. 이항분포에서 시행의 결과로 발생하는 사건의 종류를 늘리면 다항분포가 됩니다. 기호로는 M(n,p1,p2,...)로 나타냅니다. 이항분포에서 시행횟수를 무한대로 보내고, 사건 발생확률을 0으로 보내면 푸아송분포.. 2020. 2. 22.
[손으로 푸는 확률분포] 이산확률분포 7가지 총정리 우리는 지금까지 이산확률분포들을 배웠습니다. 아래의 7가지 분포입니다. - 베르누이분포 - 이항분포 - 기하분포 - 음이항분포 - 포아송분포 - 초기하분포 - 다항분포 이번 글에서는 7가지 분포들을 리뷰해봅시다. 정의, 분포함수, 기호, 예시를 표로 정리해보았습니다. 2020. 2. 18.
[손으로 푸는 확률분포] 다항분포 (6) 그래프 (6) 그래프 다항분포의 그래프를 인간이 그리기에는 차원의 한계가 있습니다. 우리는 좌표공간인 3차원까지만 그래프를 그릴 수 있습니다. (색(color)를 이용하면 차원을 하나 늘일 수는 있습니다) 먼저 좌표평면에 그래프를 그려봅시다. 좌표평면에 그래프를 그리려면 독립변수 하나와 종속변수 하나가 필요합니다. 확률분포에서 독립변수는 확률변수이고 종속변수는 확률입니다. 다항분포가 하나의 독립변수를 갖는 경우는 시행의 결과가 두가지 사건으로 나뉠때 입니다. 이는 이항분포와 같고 지난강의에서 설명했습니다. 이항분포의 그래프는 아래와 같습니다. 시행횟수가 커질 수록 좌우 대칭인 종모양에 가까워져갑니다. 이항분포에서 n을 무한대로 보내면 정규분포로 수렵합니다. (참고영상 : http:// https://youtu... 2020. 2. 15.
[손으로 푸는 확률분포] 다항분포 (5) 독립변수의 개수 (5) 독립변수의 개수 시행의 결과가 A,B,C 세가지인 다항분포에서 독립변수의 개수는 몇개일까요? 세개라고 생각하시는 분들이 아마 계실거 같은데 정답은 2개입니다. 시행의 결과가 두가지인 경우를 생각해봅시다. 시행의 결과는 A, B 두가지이고 n번에 시행에서 각각이 발생한 횟수를 x회와 y회라과 하겠습니다. x와 y가 둘 다 독립변수 같아 보이지만 사실 둘 중 하나만 독립변수입니다. x+y=n 이기 때문에 한 변수가 결정되면 다른 변수는 저절로 정해기디 때문입니다. 위 식에서 y=n-x로 바꿔봅시다. 두 확률의 합도 1이므로, 아래와 같이 변형됩니다. 이항분포가 되었죠? 이항분포는 시행의 결과가 두가지인 다항분포입니다. '이항'이라는 말은 시행의 결과가 '두 가지'라는 뜻입니다. 시행의 결과가 '사건의.. 2020. 2. 11.
[손으로 푸는 확률분포] 다항분포 (3) 예시 (3) 예시 상자가 있습니다. 상자 안에는 100개의 공이 들어있는데요. 빨간공이 20개, 파란공이 30개, 노란공이 50개 들어있습니다. 이 상자에서 복원추출로 공을 10번 뽑을 때, 빨간공이 5개, 파란공이 2개, 노란공이 3개 나올 확률을 구해봅시다. 상자에서 공을 하나 뽑을 때, 각 공이 뽑힐 확률은 아래와 같습니다. 빨간공 : 0.2 파란공 : 0.3 노란공 : 0.5 지난시간에 유도한 다항분포를 적용합시다. 상자 n번 공을 뽑을 때, 빨간공이 X개, 파란공이 Y개, 노란공이 Z개 뽑힐 확률은 아래와 같습니다. $P\left( x,y,z; \ n ; \ 0.2,0.3,0.5 \right)=\frac{n!}{x!y!z!}0.2^x 0.3^y 0.5^z$ 위 예시를 풀기 위해서 X에 5, Y에 2,.. 2020. 2. 6.
[손으로 푸는 확률분포] 다항분포 (2) 유도 (2) 유도 어떤 시행에서 일어날 수 있는 사건이 k개라고 합시다. 사건1,사건2,...,사건k 라고 놓겠습니다. 한번 시행에서 각 사건이 발생할 확률은 아래와 같습니다. 아래 등식이 성립합니다. n번 시행을 했을 때, 각 사건이 발생한 횟수를 아래와 같이 정의합시다. 아래 등식이 성립합니다. 이번에는 확률분포를 구해봅시다. 사건이 n번 발생했을 때, 각 사건이 위와 같이 발생할 확률은 아래와 같습니다. 2020. 1. 15.
[손으로 푸는 확률분포] 다항분포 (1) 소개 (1) 소개 이항분포는 시행의 결과가 두가지입니다. '사건의 발생, 사건이 발생하지 않음' 주사위를 예로 들면 시행의 결과가 아래와 같이 둘로 나뉘는 것입니다. - 6의 눈이 발생 - 6의 눈이 발생하지 않음 시행을 10번 했을 때 6의 눈이 3번 나올 확률 등이 이항분포의 확률에 해당됩니다. 확률을 구하면 아래와 같습니다. 반면에 다항분포는 시행의 결과가 셋 이상입니다. 주사위를 예로 들면 시행의 결과가 아래와 같이 나뉘는 경우가 다항분포가 됩니다 - 1의 눈이 발생 - 2이상 4이하의 눈이 발생 - 5의 눈이 발생 - 6의 눈이 발생 시행을 10번 했을 때 1의 눈이 3번, 2이상 4이하 눈이 5번, 5의 눈이 1번, 6의 눈이 1번 나올 확률이 다항분포에 해당됩니다. 확률을 구하면 아래와 같습니다... 2020. 1. 12.
[손으로 푸는 확률분포] 초기하분포 (7) 이항분포와의 차이 (7) 이항분포와의 차이 초기하분포와 이항분포의 차이를 알아봅시다. 먼저 간단한 예시를 통해, 초기하분포를 다른 관점으로 이해해볼 것입니다. 흰구슬이 3개, 검정구슬이 2개 들어있는 상자가 있습니다. 이 상자에서 3개의 공을 꺼낼 때 검정구슬이 1개 포함될 확률을 구해봅시다. 이번에는 공을 1개씩 3번 꺼낼 때, 검정구슬이 1개 포함될 확률을 구해봅시다. 꺼낸 공은 다시 넣지 않습니다. 비복원추출입니다. 공이 뽑히는 순서에 따라 세가지 경우로 나뉩니다. 검흰흰 흰검흰 흰흰검 각각의 확률을 구해봅시다. 따라서 검은공이 한번 나올 확률은 아래와 같이 계산됩니다. 두 결과가 같습니다. 따라서 초기하분포는 크기가 M이고, 우리가 원하는 원소가 k개 들어있는 모집단에서, 크기가 1인 표본을 비복원추출로 n번 뽑을.. 2020. 1. 7.
[손으로 푸는 확률분포] 초기하분포 (6) 이름에 '초기하'가 붙은 이유 (6) 이름의 유래이름에 '초기하'가 붙은 이유 초기하분포라는 이름이 어떻게 붙여졌는지 알기 위해서는 시간을 거슬러 올라가야합니다. 초기하분포는 초기하함수로부터 이름이 붙여졌고, 초기하함수는 다시 기하급수로 부터 유리된 이름입니다. 기하급수는 기하수열의 합입니다. 기하수열은 우리가 잘 아는 '등비수열'입니다. 따라서 유래의 순서는 아래와 같습니다. 기하(등비)수열 → 기하(등비)급수 → 초기하함수 → 초기하분포 기하수열을 하나 정의합시다. 공비를 r이라고 하겠습니다. 이 기하수열의 합이 기하급수입니다. 만약 r이 -1보다 크고 1보다 작고, n이 무한대로 갈 때 아래의 값으로 수렴합니다. 이 기하급수와 초기하함수와는 어떤 관계가 있을까요? 초기하함수는 여러 특수한 함수들을 포함하는 함수입니다. 어떤 변수.. 2019. 12. 28.
[손으로 푸는 확률분포] 초기하분포 (5) 그래프 (5) 그래프 초기하분포의 그래프를 그려봅시다. 초기하분포의 확률질량함수는 아래와 같습니다. $p(x)=\frac{_{k}C_{x}\cdot _{M-k}C_{n-x}}{_{M}C_{n}}$ 용어의 의미는 아래와 같습니다. 모집단의 크기 : M 모집단 중 원하는 원소 개수 : k 표본의 크기 : n 표본 중 원하는 원소 개수 : x 그래프 내에서는 표본의 크기 n을 바꾸고, 그래프 간에는 모집단 중 원하는 원소 수인 k를 바꿨습니다. 아래는 확률질량함수입니다. n이 커질 수록 그래프가 오른 쪽으로 이동하고, k가 커져도 그래프가 오른 쪽으로 이동합니다. 아래는 누적분포함수입니다. 사용한 코드는 아래와 같습니다. #####################################################.. 2019. 12. 24.
[손으로 푸는 확률분포] 초기하분포 (4) 분산 (4) 분산 이산확률변수 X의 분산은 아래와 같이 구합니다. 초기하분포의 평균을 대입하면 아래와 같습니다. 확률변수의 제곱의 평균을 시그마 형태로 바꾸면 아래와 같습니다. 이항분포의 확률분포는 아래와 같습니다. 분산을 구하던 식에 대입합시다. 아래와 같이 조합을 전개합시다. x에 0을 넣어주면 항이 0이 되므로, 1로 바꿔줘도 결과가 동일합니다. 약분하고 k를 꺼냅시다. 약분하고 k를 꺼냅시다. 평균을 유도할 때 사용했던 아래 원리를 이용하여 변형합시다. 아래와 같이 변형됩니다. n과 M을 밖으로 꺼냅시다. 아래와 같이 변형합시다. 첫번째 팩토리얼 식을 조합 식으로 바꿔줍시다. x-1을 y로 치환합니다. y+1을 전개합니다. 위 식의 빨간 부분은 모집단이 M-1, 모집단에 우리가 원하는 원소가 k-1개,.. 2019. 12. 17.
[손으로 푸는 확률분포] 초기하분포 (3) 평균 (3) 평균 이산확률변수 X의 평균은 아래와 같이 구합니다. 초기하분포의 확률분포는 아래와 같습니다 . 따라서 초기하분포의 평균은 아래와 같습니다. 아래와 같이 전개합시다. x를 약분하고, k를 하나 꺼냅시다. x에 0을 넣으면 항이 0이므로, x를 1부터 시작해도 됩니다. $MCN_{M}C_{n}$ 을 아래와 같이 변형할 수 있습니다. 평균을 계산하던 식에 대입합시다. 팩토리얼 식은 아래와 같이 조합으로 쓸 수 있습니다. M과 n을 밖으로 꺼냅시다. x-1를 y로 치환합시다. 위 식의 시그마 부분은 모집단의 크기가 M-1, 모집단 안에 우리가 원하는 원소가 k-1개, 표본의 크기 n-1개, 표본 안에 우리가 원하는 원소 y개인 초기하분포의 값의 합입니다. 따라서 1이 됩니다. 평균은 구했습니다. 이번에.. 2019. 12. 17.
[손으로 푸는 확률분포] 초기하분포 (2) 유도 (2) 유도 모집단의 크기는 M입니다. 모집단 안에는 우리가 원하는 원소가 k개 있습니다. 모집단에서 크기가 n인 표본을 뽑는 경우의 수는 아래와 같습니다. $_{M}C_{n}$ 우리가 뽑은 크기 n인 표본 안에 우리가 원하는 원소 x개가 들어 있을 경우의 수를 구해봅시다. 모집단에 있는 k개 중에서 x개가 뽑혀야 합니다. 총 n개가 뽑혀야 하므로, 나머지는 모집단에 있는 우리가 원하지 않는 것의 수 즉 M-k개 중에서 n-x개가 뽑히면 됩니다. 조합식으로 표현하며 아래와 같습니다. $_{k}C_{x}\cdot _{M-k}C_{n-x}$ 이산확률분포는 우리가 원하는 원소가 k개 들어 있는 크기가 M인 모집단에서 표본 n개를 뽑을 때, 우리가 원하는 원소가 x개 들어있을 확률분포입니다. 따라서 아래 확률은.. 2019. 12. 16.
[손으로 푸는 확률분포] 초기하분포 (1) 소개 (1) 소개 모집단이 있습니다. 모집단의 크기는 M입니다. 모집단 안에는 우리가 원하는 원소가 k개 있습니다. 모집단에서 크기가 n인 표본을 뽑을 것입니다. 이 표본 안에 우리가 원하는 원소가 x개 있을 확률분포가 초기하분포 입니다. 모집단의 크기 : M 모집단 중 원하는 원소 개수 : k 표본의 크기 : n 표본 중 원하는 원소 개수 : x 로또를 예로들어봅시다. 로또는 45개 숫자 중에서 6개를 맞추는 것입니다. 45개라는 모집단에 우리가 원하는 숫자 6개가 있는 것입니다. 45개라는 모집단에서 6개를 뽑았고, 그 중 우리가 원하는 숫자의 개수를 x라고 놓는다면 초기하분포가 됩니다. M : 45 k : 6 n : 6 x : 맞춘 번호 수 2019. 12. 5.
[손으로 푸는 확률분포] 푸아송분포 (6) 그래프 (6) 그래프 푸아송 분포의 그래프는 아래와 같습니다. 람다를 5부터 70까지 키워가며 그래프를 그렸습니다. 세로선은 평균입니다. 푸아송분포의 평균과 분산이 모두 λ입니다. λ가 커지면 평균이 커지는 것이므로 그래프가 우측으로 이동합니다. λ가 커지면 분산이 커지는 것이므로, 그래프가 좌우로 퍼집니다. 그래프는 R을 이용하여 그렸습니다. 아래는 사용 코드입니다. plot(0,type='n',ylim=c(0,0.2),xlim=c(0,100),ann=FALSE) title(main="Poisson distribution", xlab="x",ylab="p(x)") lambda=c(5,10,30,50,70) for (i in 1:5) { x=1:100 y=dpois(x, lambda[i], log = FALSE.. 2019. 12. 3.
[손으로 푸는 확률분포] 푸아송분포 (4) 평균 (4-1) 통계량 - 평균 푸아송분포는 λ 라고 가정하고 유도한 분포이므로, 평균은 당연히 λ 겠지만 확률분포의 평균을 구하는 수식으로도 구해보겠습니다. 푸아송분포 평균을 구할 때 테일러급수가 사용되므로, 먼저 테일러급수를 알아봅시다. f(x)의 테일러급수는 아래와 같습니다. a가 0일 때는 매클로린 급수라고 합니다. 이번에는 e^x의 매클로린 급수를 구해봅시다. x 자리에 λ를 대입합시다. 위 식을 증명에 사용할 것입니다. 1번식이라고 하겠습니다. 이제 푸아송 분포의 평균을 구해봅시다. 푸아송 분포함수는 아래와 같습니다. 푸아송분포의 평균은 아래와 같이 구합니다. x에 0을 넣으면 전체 항이 0이 되므로, x를 1부터 시작해도 됩니다. 아래와 같이 변형합니다. x-1을 n으로 치환하겠습니다. 빨간 식을.. 2019. 11. 29.
[손으로 푸는 확률분포] 푸아송분포 (3) 예시 (3) 예시 아래와 같은 푸아송 분포를 유도했습니다. 예시를 통해 위 식을 어떻게 사용하는지 알아봅시다. 증명에도 사용했던 길냥이 예시로 가봅시다. 하루동안 돌다니며 길냥이를 마주치는 평균 횟수가 3회라고 합시다. 오늘 하루 동안 길냥이를 1번 마주칠 확률은 얼마일까요? 위 경우는 람다가 3인 푸아송분포가 됩니다. 길냥이를 한번 마주칠 확률은 x에 1을 넣어서 구하면 됩니다. 2019. 11. 26.
[손으로 푸는 확률분포] 푸아송분포 (2-3) 두 증명 결과가 같은 이유 (2-3) 두 증명 결과가 같은 이유 두가지 방법으로 푸아송분포를 유도했습니다. 이항분포를 이용하여 유도한 결과는 아래와 같습니다. 미분방정식을 세워서 유도한 결과는 아래와 같습니다. λ 와 ks를 비교할겁니다. 의미가 같다는 것을 보이겠습니다. λ는 이항분포 B(n,p)의 평균입니다. 어떤 시간 동안의 시행횟수를 n, 사건 발생확률을 p라고 놓았을 때의 평균입니다. 이번에는 ks를 봅시다. s는 어떤 단위 시간을 의미합니다. 길냥이 예제에서는 '하루'라는 시간입니다. 시간 s 안에 Δt 라는 '사건이 최대 1번 일어나는 짧은 시간'을 잡은 것입니다. Δt 동안 사건이 1번 발생할 확률을 아래와 같이 정의했었습니다. 위 식을 k에 대해 정리하면 아래와 같습니다. 양변에 s를 곱합시다. 전체시간 s를 사건.. 2019. 11. 15.
[손으로 푸는 확률분포] 푸아송분포 (2-2) 미분방정식으로 유도 ② 유도 (2-2) 미분방정식으로 유도 ② 유도 지난시간에 세개의 식을 유도했습니다. 본격적으로 푸아송분포를 유도합시다. 길냥이 예제를 이어서 사용하겠습니다. 아래와 같은 확률을 정의해봅시다. 이 확률은 t+Δt 라는 시간동안 길냥이를 x번 만날 확률입니다. 이 확률은 아래와 같이 다른 두 확률의 곱으로 표현할 수 있습니다. t+Δt 라는 시간동안 길냥이를 x번 만날 확률은 t라는 시간동안 x번 만나고 이후 Δt라는 시간동안 0번 만날 확률과 t라는 시간동안 x-1번 만나고 이후 Δt라는 시간동안 1번 만날 확률의 합과 같습니다. 1,2번식(맨 위 빨간식)을 대입하여 정리합시다. 전개하겠습니다. 이항하여 아래와 같이 정리합시다. Δt로 양변을 나눠줍시다. Δt를 0으로 보내면 아래와 같은 미분방정식이 됩니다. 이.. 2019. 11. 7.
반응형