Make your data chart, easily

베이즈 통계학은 기존 통계학과 큰 차이가 있다. 그것은 '모집단을 미리 확정하지 않는 것'이다. 베이즈 정리는 이전의 경험과 현재의 증거를 토대로 어떤 사건의 확률을 추론하는 과정이다. 위의 식을 보면, 베이즈 정리는 확률 P(D|H) 를 알고 있을 때, 관계가 정반대인 확률 P(H|D) 를 계산하기 위하여 등장했다. P(H) : H 의 사전확률 (Prior, 과거의 경험)P(D|H) : 사건 H 가 주어졌을 때, D 의 조건부 확률 (likelihood, 관찰된 결과에 기초한 어떤 가설에 대한 가능성 )P(H|D) : 사건 D 라는 증거에 대한 사후 확률 (posterior, 사건 D가 일어났다는 것을 알고, 그것이 사건 H로부터 일아난 것이라고 생각되는 조건부 확률 )

정의 자연과학, 사회과학의 통계적 방법에서 가장 많이 이용되는 대표적 확률분포이다.일상적인 키, 몸무게, 제품수명 등 대부분의 자료분포가 정규분포에 매우 근사적이며, 자연 질서의 표헌이라 할 수 있다. 형태 - 2개의 변수 (평균, 분산) 만으로 설명이 가능함. X ~ N ()- 곡선 모양이 분포 중심인 평균(), 분포 폭인 분산 ( ) 에 의해 결정 - 종형 모양의 대칭적 분포를 가짐 중요 연관 개념=> 중심 극한 정리 - 표본 평균의 확률분포는 정규분포에 수렴한다. : 모집단 확률변수의 분포가 정규분포가 아니어도, 표본의 크기가 대략 30개 이상이면, 표본 평균의 확률분포는 정규분포를 보인다.

PDF(Probability Density Function, 확률 밀도 함수) : 연속적인 변수에 의한 확률 분포 함수를 의미한다. 특정 확률 변수 구간의 확률이 다른 구간에 비해 상대적으로 얼마나 높은가를 나타내는 것이며, 그 값 자체가 확률은 아니다. 분포내에서 특정한 한 값에서의 확률은 0 이다. P (X = a) = 0 아래와 같은 두가지 특징이 있다. 1) 항상 양의 값을 가져야 한다. 2) 모든 범위의 PDF 를 합하면 그 값은 1이다. 정의된 범위 내에서의 확률은 범위내의 pdf 영역 넓이(적분값)가 된다. CDF(Cumulative Distribution Function, 누적 분포 함수) : 어떤 확률 분포에 대해서 확률 변수가 특정 값보다 작거나 같은 확률을 나타낸다. PDF 와 CDF..