안녕하세요. 오늘은 지난 시간의 기초통계학[6].이산확률변수의 분산(https://everyday-image-processing.tistory.com/11)에 이어서 연속확률변수에 대해 알아보겠습니다. 1. 미적분학 이제 이산확률변수가 아닌 연속확률변수로 주제가 바뀌었습니다. 이산확률변수에서 확률을 계산하기 위해 $\sum$을 사용했다면 연속확률변수에서는 확률을 계산하려면 $\int$을 사용합니다. 따라서 본격적으로 연속확률변수에 대해서 알아보기전에 간단한 미적분학 개념을 설명하겠습니다.(이후에 시간이 된다면 미적분학을 포스팅하겠습니다.) 참고로 고등학교 때 배우는 이과 미적분학으로도 충분합니다.(제가 고등학교다닐 때는 문이과가 나뉘어져있었는데 최근에는 문이과 통합이라고 들었습니다...) 기본적으로 어떤..
안녕하세요. 오늘은 지난 시간의 기초통계학[3].조건부 확률, 독립, 베이지안 공식(https://everyday-image-processing.tistory.com/8)에 이어서 이산확률 변수에 대해서 학습하겠습니다. 1. 확률변수 본격적으로 시작하기 전에 과연 확률변수랑 무엇일까요? 이름만 들으면 확률 기반 변수와 같은 느낌이겠네요. 일단 저희가 기초통계학[2].확률 기초(https://everyday-image-processing.tistory.com/7)에서 배웠던 이산 표본 공간을 떠올리셨다면 아주 좋습니다. - 이산 표본 공간(discrete sample space): 순서대로 나열 할 수 있는 표본 공간으로 집합의 크기는 유한할 수도 있지만 무한하더라도 상관없습니다. Ex1. 6개의 면을 가..
안녕하세요. 오늘은 저번 기초통계학[0].소개(https://everyday-image-processing.tistory.com/5)에 이어서 확률에서 가장 기본 베이스로 숙지해야할 경우의 수와 집합에 대해서 포스팅하도록 하겠습니다. 만약, 관련 내용을 알고 계시다면 굳이 안보셔도 됩니다. 크게 3가지에 대해서 학습하고 끝내도록 하겠습니다. - 집합의 정의와 기호, 그리고 집합의 연산인 합집합, 교집합, 여집합의 정의와 기호 - Venn Diagram을 이용하여 집합 연산의 시각화 - 곱셈 법칙, inclusion-exclusion principle, 순열과 조합 1. 경우의 수 Ex1. 앞면과 뒷면이 나올 확률이 동일한 공정한 동전이 있다고 가정하겠습니다. 동전을 3번 던졌을 때, 정확히 앞면이 1번만..
