#data scientist #golang #python #algorithm

python – t-test

<t-test> :  (통계적 차이 검정) – 분석 결과의 타당성을 증명하기 위해 통계적으로 차이를 검정하는 과정으로 두 집단간 차이에 대한 검정 방법이다. – 모집단의 평균 등과 같이 실제 정보를 모를 때 현재의 데이터만으로 두 집단의 차이에 대해 검정할 수 있는 방법 더보기…

글쓴이 dino, 전

기초통계 – 가설검정

<가설검정> 다양한 데이터 원천을 통해 표본 데이터를 수집하는 이유 중의 하나는 표본을 통해 전체 모집단의 특성을 유추해보는 데 있다. 추론통계는 주어진 데이터의 표본 특성으로부터 수학적 확률이론을 토대로 그 데이터가 속해 있을 것으로 예상되는 전체 모집단의 특성을 추론한다. 가설검정이란 표본 데이터를 더보기…

글쓴이 dino, 전

기초통계 – 신뢰구간의 추정

<신뢰구간의 추정> 추정은 모집단으로 부터 추출한 표본의 통계량을 이용하여 모집단의 모수를 추론하는 과정이고, 가설검정은 모집단 모수에 대한 연구가설의 채택 여부를 모집단으로부터 추출한 표본의 통계량을 이용하여 검정하는 일련의 과정이다. 추정은 점추정과 구간추정으로 모수를 추론한다. 1. 구간추정 구간추정은 표본분포에 모집단 평균 $\mu$가 더보기…

글쓴이 dino, 전

기초통계 – 추측통계학

<추측통계학> 표본의 정보를 사용하여 모집단의 특성을 추측한다. 즉 모집단으로 부터 추출한 표본의 통계량을 이용하여 모집단의 모수를 추론하는 과정이다. ex : 보험사고 발생횟수의 예측, 선거속보, TV시청률, 신약의 유효성 확인, 사료 첨가제의 결정, 맛 관능시험 분석 점추정은 추정하고자 하는 모수를 하나의 수치로 더보기…

글쓴이 dino, 전

기초통계 – 확률분포

<확률분포> 1. 확률과 확률분포 – 주사위나 동진을 던질 때 뭐가 나올지, 그 결과는 실제로 던져 보기 전에 알수 없지만 동전을 던질 때 “앞면이 나올가능성은 50%” 이다 라고 말하는 것처럼 결과를 예측 할 수 있다. 결과는 우연히 정해지는 것이지만, 그 결과를 더보기…

글쓴이 dino, 전

기초통계 – 기술통계학

<통계학으로 할수 있는 것> 통계학으로 어떤 것을 할 수 있을까? 기술 통계학) 데이터의 특징(평균과 분산) 과 경향을 파악한다. 많은 데이터를 대상으로 한 통계학 ex : 인구조사 정리, 식사량과 체중의 상관관계 분석, 한 반의 편차값 계산, 편의점 상품 구입 방법 추측통계학) 더보기…

글쓴이 dino, 전

수리통계 – 분산과 표준편차

5. 확률분포의 분산과 표준편차 확률분포의 위치에 대한 정보를 주는 특성치인 평균만으로는 분포의 특성을 알기 어렵다. 따라서 분포가 평균을 기준으로 어떻게 산포되어 있는가를 나타내는 특성치를 생각하게 된다. 이러한 특성치들 중에서 대표적인 것이 분산 및 표준편차이다. 확률변수 X의 확률밀도함수가 f이고 평균이 $\mu$ 더보기…

글쓴이 dino, 전

수리통계 – 기댓값

1. 기댓값 1) 정의 각 사건이 벌어졌을 때의 이득과 그 사건이 벌어질 확률을 곱한 것을 합한 값이다. $\begin{cases} \sum_{x_{i}}x_{i}f(x_{i})\\ \int_{-\infty}^{+\infty}xf(x) \end{cases}$ 2-1) 예제 1 <이산형> 이산형 확률 변수 X의 확률밀도 함수 f(x) $f(x) = \begin{cases} \frac{1}{8}, \ x=0 \\ \frac{3}{8}, 더보기…

글쓴이 dino, 전

수리통계 – 베이즈정리

베이즈 정리 사건 $B_{1}, B_{2}, …. B_{k}$ 는 상호배반이며 $(B_{i} \cap B_{j} = \emptyset, i \neq j).$ $\bigcup_{i=1}^k B_{i} = S$ 라고 하자. 이때 사건 A가 일어났다는 조건하에 사건 $B_{j}$ 가 일어날 확률은 $P(B_{j}|A) = \frac{P(B_{j})P(A|B_{j})}{\sum_{i=1}^k P(B_i)P(A|B_{i})}$ 로 주어진다 (증명) 더보기…

글쓴이 dino, 전