* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 "PROBABILITY AND STATISTICAL INFERENCE 9th Edition"에서 발췌한 것입니다. 이 자료들은 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원본을 참고하여 확인하시기 바랍니다 1. 이론 정리1) 탐색적 자료 분석(EDA)의 개념 탐색적 자료 분석(Exploratory Data Analysis, EDA)은 데이터를 시각적으로 표현하고 기본적인 통계를 계산하여 데이터의 구조를 이해하는 과정이다. 이를 통해 데이터의 분포, 중심 경향, 변동성, 이상치(outlier) 등을 파악할 수 있다. EDA는 주로 다음과 같은 기법을 사용한다. - 줄기-잎 그림..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 "PROBABILITY AND STATISTICAL INFERENCE 9th Edition"에서 발췌한 것입니다. 이 자료들은 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원본을 참고하여 확인하시기 바랍니다 1. 이론 정리1) 정의 및 개념 - 기술 통계(Descriptive Statistics): 데이터를 요약하고 시각화하여 주요 특징을 이해하기 위한 통계 기법. 이는 평균, 중앙값, 분산과 같은 기술적 척도를 사용하여 데이터를 이해하는 데 도움을 준다. - 기술 통계는 데이터의 패턴을 파악하거나 특정 요약 값을 계산하여 복잡한 데이터를 간결하게 표현한다. 2) 주요 정의 히..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 "PROBABILITY AND STATISTICAL INFERENCE 9th Edition"에서 발췌한 것입니다. 이 자료들은 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원본을 참고하여 확인하시기 바랍니다 1. 이론 정리1) 제한 모멘트-생성 함수 (Limiting Moment-Generating Functions)   - 정의: 모멘트-생성 함수(moment-generating function, MGF)는 확률 분포의 모멘트를 계산하거나 특성을 분석하는 데 사용하는 도구입니다.   - 제한 MGF: 확률 변수 \( X_n \)의 MGF \( M_{X_n}(t) \)가 어떤 ..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 "PROBABILITY AND STATISTICAL INFERENCE 9th Edition"에서 발췌한 것입니다. 이 자료들은 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원본을 참고하여 확인하시기 바랍니다 1. 이론 정리1) Chebyshev의 부등식 (Chebyshev's Inequality) Chebyshev의 부등식은 확률 분포의 분산을 기반으로, 확률 변수가 평균으로부터 특정 거리만큼 떨어질 확률의 상한을 제공합니다. 정의: 확률 변수 \( X \)가 평균 \( \mu \)와 분산 \( \sigma^2 \)를 가진다면, 모든 \( k > 0 \)에 대해: \[P(|X ..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 "PROBABILITY AND STATISTICAL INFERENCE 9th Edition"에서 발췌한 것입니다. 이 자료들은 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원본을 참고하여 확인하시기 바랍니다 1. 이론 정리확률론에서 이산 분포의 근사는 특정 조건 하에서 복잡한 이산 확률 분포를 간단한 다른 분포로 대체하여 계산의 복잡성을 줄이는 방법입니다. 이는 주로 포아송 분포와 정규 분포를 사용하여 이항 분포를 근사하는 데 사용됩니다. 2. 정의 및 이론 1) 포아송 분포로의 근사      - 정의: 이항 분포 \(B(n, p)\)에서 \(n\)이 매우 크고 \(p\)가 매..

* 본 블로그 포스트에서 사용된 표, 이미지 및 기타 관련 자료는 "PROBABILITY AND STATISTICAL INFERENCE 9th Edition"에서 발췌한 것입니다. 이 자료들은 내용을 요약하고 이해를 돕기 위한 참고용으로 제공됩니다. 또한, 해석 과정에서 일부 오류가 있을 수 있으니 원본을 참고하여 확인하시기 바랍니다1. 이론 정리1) 정의   중심극한정리(Central Limit Theorem, CLT)는 독립이고 동일하게 분포된 랜덤 변수들의 합이나 평균이 점점 더 많은 개수로 증가할 때, 그 분포가 정규 분포에 가까워진다는 중요한 통계학 이론입니다.   -> 표본 크기가 커질수록 표본 평균의 분포는 원래 분포의 형태와 상관없이 정규분포에 가까워진다.(대수의 법칙과 다름)이는 원래의 ..