빅데이터, 인공지능, 프로그래밍, 취미

데이터를 분석할 때 필요하다고 느낀 부분들을 공부하려 합니다. 데이터의 확률, 분포, 예측을 할 때 필요한 확률과 통계에 대한 개념을 공부하고 이를 간단하게 정리하여 공유하려고 합니다. ## 확률 변수(Random Variable) 표본 공간 : 발생 가능한 모든 결과들의 집합 확률 변수 : 표본 공간의 각 원소에 하나의 확률을 대응시킬 때 그 실수를 확률변수라고 합니다. 확률 변수는 하나의 원소를 확률에 대응시키므로 함수라고 할 수 있습니다. 일반적으로 X로 나타냅니다. 표본 공간의 각 사건에 대한

한 상자에 6개의 물건이 들어있다. 그 중 2개가 불량품입니다. 3개를 추출했을 때 적어도 1개의 불량품이 발견될 확률은 ? 어렸을 때 수학 시간에 많이 다루어 보았던 문제입니다. 적어도 1개 확률 = 1 - 모두 아닐 확률 공식으로 구했던 것 같습니다. 다시 알아보도록 하겠습니다. ## 베르누이 / 베르누이 확률 ? # 베르누이 시행 실험 / 관찰의 결과로 발생 가능한 사상이 단 두가지인 경우 ex) 실패 or 성공 / 정상 or 비정상 / 양품 or 불량품 # 베르누이 시행 조건 1. 시행 결과를 확률변수 X , X = 0 or 1 1은 사상의 성공 , 0은 사상의 실패로 흔히 사용합니다. 2. 각 실험에서 성공할 확률은 p, 실패할 확률은 1-p로 일정합니다. 성공 확률과 실패 확률의 합은 1입니다..