* 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 기본 이론 (1) 여러 확률변수란? - 여러 확률변수는 동일한 실험에서 다중 관찰된 결과 또는 여러 독립적 실험에서 발생한 값을 나타냅니다.     예: 두 주사위를 던졌을 때 각각의 결과를 \( X \), \( Y \)로 표현할 수 있습니다. (2) 결합 확률분포 (Joint Distribution) - 이산형: \( P(X=x, Y=y) \)..

* 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) 개념 설명   두 확률변수의 변환은 \(X\)와 \(Y\)라는 두 확률변수를 특정 함수 \(Z = g(X, Y)\)에 따라 변환했을 때 \(Z\)의 확률분포를 구하는 방법을 다룹니다.   이 과정은 두 확률변수의 결합 확률분포 \(f_{X,Y}(x, y)\)를 활용하여 새로운 확률변수의 분포를 계산합니다. 2) 정의 및 이론  *자코비안 사용이유 - 보충..

* 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) 개념 설명   단일 확률변수의 함수는 주어진 확률변수 \(X\)를 함수 \(Y = g(X)\)를 통해 변환했을 때의 새로운 확률변수 \(Y\)의 분포를 계산하는 방법을 의미합니다. 이는 확률밀도함수(PDF)를 활용하여 변환 후의 확률분포를 계산하는 데 중점을 둡니다. 2) 정의 및 이론   1. 확률변수 변환      - 확률변수 \(X\)의 확률밀도함수..

* 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 이변량 정규분포는 두 연속형 확률변수가 특정 상관관계를 가지며 정규분포를 따르는 경우를 설명합니다. 이는 다변량 정규분포의 특수한 경우로, 두 변수 간의 상호작용을 모델링할 때 유용합니다. 1. 이변량 정규분포의 확률 밀도 함수   두 확률변수 \( X \)와 \( Y \)가 이변량 정규분포를 따를 때, 확률 밀도 함수는 다음과 같습니다:   \[ f_{X,Y}(x, y) ..

* 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 연속형 이변량 분포는 두 연속형 확률변수 \( X \)와 \( Y \)의 결합 분포를 설명합니다. 이 분포는 두 변수 간의 관계를 확률 밀도 함수(pdf)로 표현합니다. 1. 결합 확률 밀도 함수 (Joint Probability Density Function)   두 연속형 확률변수 \( X \)와 \( Y \)의 결합 확률 밀도 함수 \( f_{X,Y}(x,y) \)는 ..

* 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 조건부 분포는 특정 조건이 주어졌을 때 다른 변수의 확률분포를 설명하는 데 사용됩니다. 이는 특정 사건이 이미 발생했다고 가정한 상태에서 새로운 사건이 발생할 확률을 계산하는 방법을 제공합니다. 1. 조건부 확률 (Conditional Probability)   확률변수 \( X \)와 \( Y \)가 있을 때, \( Y = y_j \)가 주어진 상태에서 \( X = x_i..