총 39개
-
경영통계학_확률변수와 확률분포의 개념을 설명하고 예시를 들어 설명하시오.2025.04.291. 확률변수의 개념 확률변수는 무작위 실험을 진행했을 때, 특정한 확률로 발생하는 각각의 결과를 수치적 값으로 표현하는 변수를 말한다. 확률변수에는 이산확률 변수와 연속확률 변수가 있다. 이산확률 변수는 확률변수가 고립된 값만 선택하는 변수이며, 연속확률변수는 확률변수가 연속적인 구간에서 모든 실수값을 선택하는 변수이다. 2. 확률분포의 개념 확률분포는 확률함수를 활용하여 확률변수의 확률계산을 통하여 의사결정에 활용하는 것으로, 표본공간 내 각 결과에 대한 확률을 나타낸다. 확률분포에는 결합확률분포, 주변확률분포, 조건부확률분포가...2025.04.29
-
조선대학교 A+ / 경영통계학 중간고사 족보2025.05.111. 경영통계학 고등학생 5명을 대상으로 영어와 수학 두 과목의 성적을 평가하였다. 영어점수 평균은 68점, 수학점수 평균은 80점이다. 영어점수의 표본 분산은 107.5, 수학점수의 표본 분산은 187.5이다. 영어점수의 표본 표준편차는 10.4, 수학점수의 표본 표준편차는 13.7이다. 영어점수와 수학점수의 표본 공분산은 100, 표본 상관계수는 0.7이다. 2. 스마트폰 사용시간과 용돈 대학생 100명을 대상으로 (월간) 스마트폰 사용시간과 (월) 용돈을 조사하였다. 사용시간의 평균은 42, 용돈의 평균은 90이다. 사용시간의...2025.05.11
-
MCMC를 활용한 베이지안 추론 - 동전 던지기 문제의 확률 추정 (파이썬예제풀이 포함)2025.05.091. MCMC(Markov Chain Monte Carlo) MCMC는 머신러닝과 통계학 분야에서 중요한 역할을 하는 AI(인공지능) 기법 중 하나입니다. MCMC는 복잡한 확률분포를 추정하거나 샘플링하기 위해 사용되며, 특히 베이지안 추론과 관련된 문제에 유용하게 적용됩니다. MCMC는 몬테카를로(Monte Carlo) 방법과 마코프 체인(Markov Chain)을 결합한 알고리즘으로, 마코프 체인을 이용하여 탐색 공간을 효과적으로 탐색하고 샘플링을 수행합니다. 2. 동전 던지기 문제 동전 던지기 문제는 간단하면서도 직관적인 문제...2025.05.09
-
확률변수와 확률분포의 개념 설명2025.05.141. 확률변수 확률은 특정한 사건이 발생할 가능성을 0과 1로 표현한 값이다. 확률은 객관적 확률과 주관적 확률로 구분되며, 고전적 확률 관점에서는 경험적 자료가 없어도 논리적 추론과 계산으로 선험적 확률을 구할 수 있다. 주관적 확률은 간접적 자료와 수집 자료를 활용하여 표본을 정리하고 사건 발생 확률을 정의한 다음 공준을 구하는 방식을 채택한다. 2. 확률분포 확률분포는 단일변량 확률분포, 결합확률분포, 주변확률분포, 조건부확률분포로 구분할 수 있다. 이러한 확률분포는 확률 덧셈법칙, 여확률법칙, 곱셈법칙, 통계적 독립성 등의 ...2025.05.14
-
베이지안 주의와 빈도주의 - 통계학적 사고의 두 가지 접근 방식2025.05.101. 베이지안 주의 베이지안 주의는 18세기에 영국의 수학자 토마스 베이즈에 의해 개발된 통계적 접근 방식입니다. 이 접근 방식은 확률을 통해 불확실성을 모델링하고, 사전 지식과 데이터를 결합하여 사후 확률을 계산합니다. 베이지안 주의의 핵심 아이디어는 사전 지식과 데이터를 통합적으로 활용하여 추론을 수행한다는 것입니다. 이를 통해 우리가 가지고 있는 초기 믿음에 대한 업데이트를 진행하며, 불확실성을 줄이고 모델의 신뢰성을 높일 수 있습니다. 2. 빈도주의 빈도주의는 통계학의 전통적인 접근 방식으로, 빈도주의자들은 임의로 발생한 사...2025.05.10
-
확률이론에 대하여 요약하여 정리하시오2025.01.181. 확률의 공준 및 확률분포 확률의 공준은 고전적 개념에 속하기 때문에 주관적 개념을 통해 확률을 부여하면 문제가 발생한다. 때문에, 확률을 정의하는 대신 세가지 조건을 만족하면 이를 곧 확률로 한다는 것이 '확률의 공준'이다. 확률분포란 실험이나 관찰에서 시행 가능한 사상으로 구성된 표본공간의 확률 변수를 확률 값으로 이어주는 함수이다. 2. 확률법칙에 대한 정리 덧셈법칙은 여러 개의 사상 중 적어도 하나의 사상이 발생할 확률을 뜻한다. 여확률의 법칙에서 여확률이란 사상 A의 여사건이라고 한다면 사상 A가 일어나지 않은 확률이라...2025.01.18
-
교통에서의 베이지안 업데이팅2025.01.061. 베이지안 업데이팅 베이지안 업데이팅은 새로운 정보를 이전의 지식에 통합하여 지식을 갱신하는 통계적 추론 방법입니다. 운전 상황에 적용하면, 운전자는 현재 상황과 자신의 지식 및 경험을 고려하여 새로운 정보를 이전 정보에 결합하여 의사결정을 하게 됩니다. 예를 들어, 교차로에 접근할 때 운전자는 이전에 얻은 정보(차량 출발 방향 등)와 현재 상황(차량 위치, 속도 등)을 고려하여 예측을 수행하고 이를 이전 지식에 결합하여 의사결정을 내립니다. 이를 통해 운전자는 더욱 효과적인 의사결정을 할 수 있습니다. 2. 딜레마 존 딜레마 ...2025.01.06
-
평가 데이터를 활용하여 기존 모델을 업데이트하는 베이지안 추론 (파이썬코드 예제포함)2025.05.091. 베이지안 추론 베이지안 추론은 데이터를 통해 모델을 업데이트하고 불확실성을 다루는데 유용한 통계적 추론 방법입니다. 특히, 새로운 데이터가 주어진 상황에서 모델의 파라미터를 추정하고 예측하기 위해 사용됩니다. 베이지안 추론은 사전 분포와 관측 데이터를 조합하여 사후 분포를 계산하며, 이를 통해 모델의 불확실성을 업데이트할 수 있습니다. 2. 모델 업데이트 데이터에 대한 정보를 사전 분포에 반영하고, 관측 데이터와 사전 분포를 조합하여 사후 분포를 계산함으로써 신뢰할 수 있는 결과를 얻을 수 있습니다. 이를 통해 기존 모델을 새...2025.05.09
-
MCMC 모델링2025.05.091. MCMC (Markov Chain Monte Carlo) MCMC는 확률적인 모델링과 추론을 위해 사용되는 강력한 도구입니다. MCMC는 샘플링 알고리즘 중 하나로, 타겟 분포로부터 샘플을 추출하는 기법입니다. 이를 통해 우리는 원하는 분포로부터 난수를 생성하거나, 분포의 특성을 파악하는데 도움을 얻을 수 있습니다. 2. 정규분포 샘플링 이 예제에서는 MCMC를 사용하여 정규분포로부터 샘플을 추출하는 방법을 살펴봅니다. 정규분포는 많은 자연 현상을 모델링할 때 사용되는 중요한 분포 중 하나이므로, MCMC를 통해 정규분포로부터...2025.05.09
-
이산 분포의 효과적 활용법2025.01.241. 이산 분포 이산 분포는 데이터의 특성과 패턴을 이해하고 분석하는 데 중요한 도구로 활용된다. 이산 분포는 명확한 값으로 구분되는 사건이나 개수를 모델링하는 데 사용되며, 특히 사건이 발생할 횟수나 특정 카테고리로 구분되는 데이터를 다룰 때 유용하다. 이산 분포의 장점으로는 명확한 사건 수 모델링, 확률 질량 함수 사용, 베르누이 분포와 이항 분포의 활용 등이 있다. 2. 이산 분포의 효과적 활용법 이산 분포는 품질 관리, 마케팅 분석, 사건 발생 횟수 예측, 카테고리 데이터 분석, 첫 번째 성공까지의 실패 횟수 분석 등 다양한...2025.01.24
1 / 4
