forked from dataitgirls2/tutorial
-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathTutorial_180720_ProbabilityDistribution.html
More file actions
1020 lines (520 loc) · 37.8 KB
/
Copy pathTutorial_180720_ProbabilityDistribution.html
File metadata and controls
1020 lines (520 loc) · 37.8 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
<!DOCTYPE HTML>
<html lang="" >
<head>
<meta charset="UTF-8">
<meta content="text/html; charset=utf-8" http-equiv="Content-Type">
<title>통계학-자료의 요약, 확률분포(ProbabilityDistribution) · GitBook</title>
<meta http-equiv="X-UA-Compatible" content="IE=edge" />
<meta name="description" content="">
<meta name="generator" content="GitBook 3.2.3">
<link rel="stylesheet" href="gitbook/style.css">
<link rel="stylesheet" href="gitbook/gitbook-plugin-highlight/website.css">
<link rel="stylesheet" href="gitbook/gitbook-plugin-search/search.css">
<link rel="stylesheet" href="gitbook/gitbook-plugin-fontsettings/website.css">
<meta name="HandheldFriendly" content="true"/>
<meta name="viewport" content="width=device-width, initial-scale=1, user-scalable=no">
<meta name="apple-mobile-web-app-capable" content="yes">
<meta name="apple-mobile-web-app-status-bar-style" content="black">
<link rel="apple-touch-icon-precomposed" sizes="152x152" href="gitbook/images/apple-touch-icon-precomposed-152.png">
<link rel="shortcut icon" href="gitbook/images/favicon.ico" type="image/x-icon">
<link rel="next" href="Tutorial_180723_Machine_learning.html" />
<link rel="prev" href="Tutorial_180720_coupang.html" />
</head>
<body>
<div class="book">
<div class="book-summary">
<div id="book-search-input" role="search">
<input type="text" placeholder="Type to search" />
</div>
<nav role="navigation">
<ul class="summary">
<li class="chapter " data-level="1.1" data-path="./">
<a href="./">
Introduction
</a>
</li>
<li class="chapter " data-level="1.2" data-path="Tutorial_180628_Git_and_Github.html">
<a href="Tutorial_180628_Git_and_Github.html">
Git과 Github, 기본 개념과 설명
</a>
</li>
<li class="chapter " data-level="1.3" data-path="Tutorial_180629_Git_with_constitution.html">
<a href="Tutorial_180629_Git_with_constitution.html">
헌법개정안으로 깃베쉬, 소스트리, 브랜치 이해하기
</a>
</li>
<li class="chapter " data-level="1.4" data-path="Tutorial_180629_Github_practice_Statistics1.html">
<a href="Tutorial_180629_Github_practice_Statistics1.html">
확률통계 기초와 깃허브 실습
</a>
</li>
<li class="chapter " data-level="1.5" data-path="Tutorial_180629_Statistics.html">
<a href="Tutorial_180629_Statistics.html">
통계 기본 개념과 설명
</a>
</li>
<li class="chapter " data-level="1.6" data-path="Tutorial_180702_Programming_Intro.html">
<a href="Tutorial_180702_Programming_Intro.html">
스크래치 실습을 통한 프로그래밍 맛보기
</a>
</li>
<li class="chapter " data-level="1.7" data-path="Tutorial_180702_tidydata.html">
<a href="Tutorial_180702_tidydata.html">
데이터다루기(tidydata)와 프로그래밍기초
</a>
</li>
<li class="chapter " data-level="1.8" data-path="Tutorial_180703_Python_introduction.html">
<a href="Tutorial_180703_Python_introduction.html">
파이썬 기초
</a>
</li>
<li class="chapter " data-level="1.9" data-path="Tutorial_180705_PythonReview_Lamda.html">
<a href="Tutorial_180705_PythonReview_Lamda.html">
범죄데이터로 파이썬 실습 (Lamda)
</a>
</li>
<li class="chapter " data-level="1.10" data-path="Tutorial_180705_Resume_01.html">
<a href="Tutorial_180705_Resume_01.html">
특강-자기소개서 워크숍(1)
</a>
</li>
<li class="chapter " data-level="1.11" data-path="Tutorial_180706_Civic_hacking_seminar.html">
<a href="Tutorial_180706_Civic_hacking_seminar.html">
특강-시빅해킹
</a>
</li>
<li class="chapter " data-level="1.12" data-path="Tutorial_180709_StaticBlogging_JekyllandRuby.html">
<a href="Tutorial_180709_StaticBlogging_JekyllandRuby.html">
지킬과 루비로 정적 블로그 만들기
</a>
</li>
<li class="chapter " data-level="1.13" data-path="Tutorial_180710_Lecture_Cooperation.html">
<a href="Tutorial_180710_Lecture_Cooperation.html">
특강-협업
</a>
</li>
<li class="chapter " data-level="1.14" data-path="Tutorial_180710_Lecture_Speciality.html">
<a href="Tutorial_180710_Lecture_Speciality.html">
특강-전문성
</a>
</li>
<li class="chapter " data-level="1.15" data-path="Tutorial_180712_DataVisualization101.html">
<a href="Tutorial_180712_DataVisualization101.html">
데이터 시각화 이해
</a>
</li>
<li class="chapter " data-level="1.16" data-path="Tutorial_180712_AttraciveResume2.html">
<a href="Tutorial_180712_AttraciveResume2.html">
특강-자기소개서 워크숍(2)
</a>
</li>
<li class="chapter " data-level="1.17" data-path="Tutorial_180713_Pandas101.html">
<a href="Tutorial_180713_Pandas101.html">
자료의 요약 과제를 통한 판다스 실습
</a>
</li>
<li class="chapter " data-level="1.18" data-path="Tutorial_180713_ExperimentDesignLecture.html">
<a href="Tutorial_180713_ExperimentDesignLecture.html">
특강-실험계획에 관해 알아보기
</a>
</li>
<li class="chapter " data-level="1.19" data-path="Tutorial_180716_Crawling_Shuffle.html">
<a href="Tutorial_180716_Crawling_Shuffle.html">
저작권과 직업윤리를 인지하고 크롤링 셔플 실습
</a>
</li>
<li class="chapter " data-level="1.20" data-path="Tutorial_180716_Markup_Html5lib.html">
<a href="Tutorial_180716_Markup_Html5lib.html">
Markup Html5lib, 파이썬으로 크롤링하기
</a>
</li>
<li class="chapter " data-level="1.21" data-path="Tutorial_180717_10minPandas.html">
<a href="Tutorial_180717_10minPandas.html">
Pandas 10분 완성
</a>
</li>
<li class="chapter " data-level="1.22" data-path="Tutorial_180717_PandasPetition.html">
<a href="Tutorial_180717_PandasPetition.html">
국민청원 첫시작 판다스로 국민청원하기
</a>
</li>
<li class="chapter " data-level="1.23" data-path="Tutorial_180719_BeautifulSoup.html">
<a href="Tutorial_180719_BeautifulSoup.html">
Beautiful Soup을 사용하여 크롤링
</a>
</li>
<li class="chapter " data-level="1.24" data-path="Tutorial_180719_plotnine.md">
<span>
국민청원 데이터 시각화와 자연어 처리-plontnine 실습하기
</a>
</li>
<li class="chapter " data-level="1.25" data-path="Tutorial_180720_coupang.html">
<a href="Tutorial_180720_coupang.html">
특강 - 비전공자가 데이터 분석가로 취업하기
</a>
</li>
<li class="chapter active" data-level="1.26" data-path="Tutorial_180720_ProbabilityDistribution.html">
<a href="Tutorial_180720_ProbabilityDistribution.html">
통계학-자료의 요약, 확률분포(ProbabilityDistribution)
</a>
</li>
<li class="chapter " data-level="1.27" data-path="Tutorial_180723_Machine_learning.html">
<a href="Tutorial_180723_Machine_learning.html">
기계학습의 기초(지도학습/비지도학습/머신러닝)
</a>
</li>
<li class="chapter " data-level="1.28" data-path="Tutorial_180723_word_vectorsization.html">
<a href="Tutorial_180723_word_vectorsization.html">
텍스트 데이터 시각화 Word_vectorsization
</a>
</li>
<li class="chapter " data-level="1.29" data-path="Tutorial_180726_naver.html">
<a href="Tutorial_180726_naver.html">
특강 - AI R&D Director
</a>
</li>
<li class="chapter " data-level="1.30" data-path="Tutorial_180726_library.md">
<span>
전국도서관표준데이터 분석
</a>
</li>
<li class="chapter " data-level="1.31" data-path="Tutorial_180730_Categorizing_v2.html">
<a href="Tutorial_180730_Categorizing_v2.html">
국민청원 카테고리 분류하기
</a>
</li>
<li class="chapter " data-level="1.32" data-path="Tutorial_180730_Kaggle_NLP_v2.html">
<a href="Tutorial_180730_Kaggle_NLP_v2.html">
Kaggle NLP로 예측율 높이기
</a>
</li>
<li class="chapter " data-level="1.33" data-path="Tutorial_180730_Statistics.html">
<a href="Tutorial_180730_Statistics.html">
Hypothesis test
</a>
</li>
<li class="chapter " data-level="1.34" data-path="Tutorial_180731_MTPlanning.html">
<a href="Tutorial_180731_MTPlanning.html">
데잇걸즈 MT 계획으로 애자일 프로세스 실습해보기
</a>
</li>
<li class="chapter " data-level="1.35" data-path="Tutorial_180802_ZigZag.html">
<a href="Tutorial_180802_ZigZag.html">
특강 - 쇼핑몰 데이터 분석 이야기
</a>
</li>
<li class="chapter " data-level="1.36" data-path="Tutorial_180803_GettingJobGithub.html">
<a href="Tutorial_180803_GettingJobGithub.html">
깃허브로 취업하기
</a>
</li>
<li class="chapter " data-level="1.37" data-path="Tutorial_180803_Statistics4.html">
<a href="Tutorial_180803_Statistics4.html">
회귀분석(Linear regression)
</a>
</li>
<li class="chapter " data-level="1.38" data-path="Tutorial_180806_Folium_practice.md">
<span>
공공데이터 상권정보 분석해 보기
</a>
</li>
<li class="chapter " data-level="1.39" data-path="Tutorial_180806_Geolocatin_API_practice.md">
<span>
서울창업허브(공덕역) 맛집지도
</a>
</li>
<li class="chapter " data-level="1.40" data-path="Tutorial_180806_XGBoost.md">
<span>
XGBoost 분산형 그래디언트 부스팅 알고리즘
</a>
</li>
<li class="chapter " data-level="1.41" data-path="Tutorial_180807_Git_review.html">
<a href="Tutorial_180807_Git_review.html">
깃과 깃헙 복습, 다른 사람의 레파지토리에 기여하기
</a>
</li>
<li class="chapter " data-level="1.42" data-path="Tutorial_180810_Apt_analysis_Statistics5.html">
<a href="Tutorial_180810_Apt_analysis_Statistics5.html">
아파트 분양가 분석 및 회귀분석2
</a>
</li>
<li class="chapter " data-level="1.43" data-path="Tutorial_180813_kaggle_Titanic.html">
<a href="Tutorial_180813_kaggle_Titanic.html">
스프레드시트로 캐글 타이타닉 참가하기
</a>
</li>
<li class="chapter " data-level="1.44" data-path="Tutorial_180814_Python_Class.html">
<a href="Tutorial_180814_Python_Class.html">
객체지향 프로그래밍
</a>
</li>
<li class="chapter " data-level="1.45" data-path="Tutorial_180814_Test_Driven_Development.html">
<a href="Tutorial_180814_Test_Driven_Development.html">
테스트 주도 개발
</a>
</li>
<li class="chapter " data-level="1.46" data-path="Tutorial_180817_Colors_in_Data_Visualization.md">
<span>
데이터 시각화와 색의 활용
</a>
</li>
<li class="chapter " data-level="1.47" data-path="Tutorial_180817_Statistics5.html">
<a href="Tutorial_180817_Statistics5.html">
통계-회귀분석3
</a>
</li>
<li class="divider"></li>
<li>
<a href="https://www.gitbook.com" target="blank" class="gitbook-link">
Published with GitBook
</a>
</li>
</ul>
</nav>
</div>
<div class="book-body">
<div class="body-inner">
<div class="book-header" role="navigation">
<!-- Title -->
<h1>
<i class="fa fa-circle-o-notch fa-spin"></i>
<a href="." >통계학-자료의 요약, 확률분포(ProbabilityDistribution)</a>
</h1>
</div>
<div class="page-wrapper" tabindex="-1" role="main">
<div class="page-inner">
<div id="book-search-results">
<div class="search-noresults">
<section class="normal markdown-section">
<h2 id="지난-시간-복습">지난 시간 복습</h2>
<blockquote>
<blockquote>
<p>EDA란 그림! 분석의 <strong>첫</strong> 단계</p>
<ul>
<li>탐색적 자료 분석이라고 불린다.</li>
<li>데이터가 가진 정보를 탐색만으로 얻는 방법이다.</li>
<li>여러가지 방법을 통해 정보를 유추한다.</li>
<li><strong>다양한 시도</strong> 를 해야 한다</li>
<li><strong>데이터의 패턴이나 규칙</strong> 파악해야 한다.</li>
</ul>
</blockquote>
</blockquote>
<h2 id="자료의-분류">자료의 분류</h2>
<blockquote>
<blockquote>
<p>범주형 자료의 요약</p>
<ul>
<li>범주형 자료의 요약</li>
</ul>
</blockquote>
</blockquote>
<ul>
<li>범주의 종류와 횟수를 요약한다.</li>
</ul>
<ul>
<li><p>범주형 자료의 종류</p>
<ul>
<li><p>도수분포표 : 범주와 그 범주에 대응하는 도수와 상대도수를 나열한 표</p>
<ul>
<li>실습. 화장지 불량종류에 대해서 도수와 상대도수를 구함.</li>
</ul>
</li>
<li><p>원형그래프 : 상대도수에 비례하여 중심각을 나누어 조각을 나눈 것</p>
<ul>
<li>실습. 혈액형에 대한 원형 그래프</li>
</ul>
</li>
<li>막대그래프 : 범주에 대하여 도수의 크기만큼 막대를 그린 그래프</li>
<li>파레토그림 : 막대그래프와 상대도수를 합쳐서 그려주는 것<ul>
<li>실습. 파레토 그림 - 혈액형</li>
</ul>
</li>
</ul>
</li>
<li><p>연속형 자료의 요약</p>
<ul>
<li>수치 자료가 연속적인 척도로 관측된 자료</li>
</ul>
</li>
<li><p>연속형 자료의 종류</p>
<ul>
<li>점도표 : 적은 데이터에서는 유용</li>
<li>도수분포표</li>
<li><strong>히스토그램</strong> : 각 계급에 대하여 범주형 자료에서의 막대그래프와 같은 모양의 그림<ul>
<li>전체 면적은 1이됨.</li>
<li>데이터 값의 범위를 알 수 있음, 빈도의 집중영역을 알 수 있음, 대칭성을 알 수 있음</li>
</ul>
</li>
<li>줄기 잎 그림 : 자료의 분포를 시각적으로 쉽게 파악하면서 각 관측값을 유지하는 방법</li>
</ul>
</li>
<li><p>이산형 자료의 요약</p>
<ul>
<li>관측값의 종류가 적은 경우 : 범주형 자료의 요약 방법 사용</li>
<li>관측값의 종류가 많은 경우 : 연속형 자료의 요약 방법 사용</li>
</ul>
</li>
</ul>
<h2 id="수치-요약">수치 요약</h2>
<ul>
<li><p>중심 위치의 측도</p>
<ul>
<li>평균 : 극단값에 영향을 많이 받음 중앙값 : 식에 활용하기가 힘듬</li>
</ul>
</li>
<li><p>퍼진 정도의 측도</p>
<ul>
<li>분산과 표준편차 : 관측값이 자료의 중심위치로부터 떨어진 정도를 고려함.</li>
<li>편차의 합은 0이 되어서 제곱해줌.</li>
</ul>
</li>
<li><p>사분위수</p>
<ul>
<li>사분위수 : 전체 관측값을 작은 순서로 배열했을 때 전체를 사등분하는 값</li>
<li>제 1 사분위수(Q1) = 제 25 백분위수</li>
<li>제 2 사분위수(Q2) = 제 50 백분위수 = 중앙값</li>
<li>제 3 사분위수(Q3) = 제 75 백분위수</li>
<li>사분위수의 범위(IQR) = Q3 -Q1</li>
</ul>
</li>
<li><p>상자그림 </p>
<ul>
<li><p>상자그림 : 자료로부터 얻은 다섯 가지 요약수치인 최솟값, Q1,Q2,Q3,최댓값을 가지고 그림을 그린 것</p>
</li>
<li><ol>
<li><p>사분위수(Q1, Q2, Q3)를 결정한다.</p>
</li>
<li><p>Q1과 Q3을 네모난 상자로 연결하고 ,중앙값(Q2)의 위치에 수직선을 긋는다.</p>
</li>
<li>IQR=Q3−Q1을 계산한다.</li>
<li>상자 양끝에서 1.5×IQR 크기의 범위를 경계로 하여, 이 범위에 포함되는 최솟값과
최댓값을 Q1과 Q3으로부터 각각 선으로 연결한다.</li>
<li>양 경계를 벗어나는 자료값들을 *로 표시하고 ,이 점들을 이상점이라고 한다.<ul>
<li>실습 - 집 값</li>
</ul>
</li>
</ol>
</li>
</ul>
</li>
</ul>
<h2 id="두-변수-자료의-요약">두 변수 자료의 요약</h2>
<ul>
<li>변수의 정의<ul>
<li>자연 및 사회현상의 여러가지 요인 : 변수</li>
<li>영향을 받는 변수(y) : 반응변수, 종속변수</li>
<li>영향을 주는 변수(x) : 설명변수, 독립변수</li>
</ul>
</li>
</ul>
<ul>
<li><p>상관계수</p>
<ul>
<li>산점도에서 점들이 얼마나 직선에 가까운가의 정도를 나타내는 데 쓰이는 측도</li>
</ul>
<p>-피어슨의 표본상관계수 참고</p>
<ul>
<li>상관계수의 특징<ul>
<li>-−1≤𝑟≤1
-표본상관계수의 절대값의 크기는 직선관계에 가까운 정도를 나타내며 부호는 직선관계의 방향을 나타냄</li>
<li>절대값이 1에 가까울수록 직선에 가깝게 몰려있으며 0에 가까울수록 직선의 관계가 매우 약함</li>
<li>산점도와 함께 보는 것이 올바름</li>
<li>상관계수 값이 항상 두 변수 사이의 어떤 인과관계를 의미하지 않음</li>
</ul>
</li>
</ul>
</li>
<li><p>실습 - 국민청원 데이터로 EDA해보기</p>
</li>
</ul>
<h2 id="확률분포">확률분포</h2>
<ul>
<li>통계학과 확률<ul>
<li>통계는 표본을 바탕으로 모집단을 추론하는 것. 확률이 있어야 의미가 생김</li>
<li>확률 : 근원사건들이 일어날 가능성이 모두 같을 때, 사건이 일어날 확률</li>
<li>확률의 특징<ul>
<li>확률은 0~1의 값을 갖는다</li>
<li>모든 사건에 대한 확률의 합은 1이다</li>
</ul>
</li>
<li>확률변수(X) : 표본공간에서 정의된 실수로의 함수</li>
<li>이산 확률변수 : 독립적으로 발생하는 사건에 대한 확률변수</li>
<li>연속 확률변수 : 발생하는 각 사건을 단일한 독립사건으로 구분하기에 경우의 수가 매우 많아 범위로 표현되는 확률변수</li>
</ul>
</li>
</ul>
<ul>
<li><p>정규분포</p>
<ul>
<li>키, 몸무게, 강수량 등의 자연현상이나 사회현상과 관련된 자료의 확률밀도함수의 그래프들은 대부분 정규분포를 따름</li>
<li>정규분포는 평균을 중심으로 좌우 대칭인 종 모양의 곡선을 띔</li>
<li>평균, 분산만으로 특성을 모두 설명할 수 있음</li>
<li>정규분포의 특징<ul>
<li>평균 = 최빈값 = 중앙값</li>
<li>평균을 중심으로 좌우대칭</li>
<li>확률이 μ를 중심으로 ±3σ 안에 거의 집중되어있음</li>
<li>μ: 분포의 중심을 나타내는 위치 모수(평균)</li>
<li>σ : 평균으로부터 퍼져 있는 정도를 나타내는 모수(표준편차)</li>
</ul>
</li>
</ul>
</li>
</ul>
<ul>
<li><p>표준정규분포</p>
<ul>
<li>정규분포에서는 평균과 표준편차에 따라 특정 영역의 넓이가 달라 두 그룹의 비교를 위해서 하나의 기준으로 재배치가 필요함</li>
<li>표준정규분포 : 평균이 0이고 분산이 1인 정규분포 N(0,1)</li>
<li>실습 - 표준정규분포 읽어보기</li>
</ul>
</li>
</ul>
<ul>
<li>표집분포<ul>
<li>통계적 추론 : 표본을 통해 모집단을 예측하기 위해 연결고리가 필요</li>
<li>모수 : 모집단으로부터 계산된 값</li>
<li>통계량 : 표본으로부터 계산된 모든 값</li>
<li>표본평균들의 평균은 모평균과 같아짐</li>
<li>표본평균들의 분산은 모분산/표본의 크기와 같음</li>
</ul>
</li>
</ul>
</section>
</div>
<div class="search-results">
<div class="has-results">
<h1 class="search-results-title"><span class='search-results-count'></span> results matching "<span class='search-query'></span>"</h1>
<ul class="search-results-list"></ul>
</div>
<div class="no-results">
<h1 class="search-results-title">No results matching "<span class='search-query'></span>"</h1>
</div>
</div>
</div>
</div>
</div>
</div>
<a href="Tutorial_180720_coupang.html" class="navigation navigation-prev " aria-label="Previous page: 특강 - 비전공자가 데이터 분석가로 취업하기">
<i class="fa fa-angle-left"></i>
</a>
<a href="Tutorial_180723_Machine_learning.html" class="navigation navigation-next " aria-label="Next page: 기계학습의 기초(지도학습/비지도학습/머신러닝)">
<i class="fa fa-angle-right"></i>
</a>
</div>
<script>
var gitbook = gitbook || [];
gitbook.push(function() {
gitbook.page.hasChanged({"page":{"title":"통계학-자료의 요약, 확률분포(ProbabilityDistribution)","level":"1.26","depth":1,"next":{"title":"기계학습의 기초(지도학습/비지도학습/머신러닝)","level":"1.27","depth":1,"path":"Tutorial_180723_Machine_learning.md","ref":"Tutorial_180723_Machine_learning.md","articles":[]},"previous":{"title":"특강 - 비전공자가 데이터 분석가로 취업하기","level":"1.25","depth":1,"path":"Tutorial_180720_coupang.md","ref":"Tutorial_180720_coupang.md","articles":[]},"dir":"ltr"},"config":{"gitbook":"*","theme":"default","variables":{"BASE_URL":"https://dataitgirls2.github.io"},"plugins":["ga","-sharing"],"pluginsConfig":{"ga":{"configuration":"auto","token":"UA-43356518-7"},"highlight":{},"search":{},"lunr":{"maxIndexSize":1000000,"ignoreSpecialCharacters":false},"fontsettings":{"theme":"white","family":"sans","size":2},"theme-default":{"styles":{"website":"styles/website.css","pdf":"styles/pdf.css","epub":"styles/epub.css","mobi":"styles/mobi.css","ebook":"styles/ebook.css","print":"styles/print.css"},"showLevel":false}},"structure":{"langs":"LANGS.md","readme":"README.md","glossary":"GLOSSARY.md","summary":"SUMMARY.md"},"pdf":{"pageNumbers":true,"fontSize":12,"fontFamily":"Arial","paperSize":"a4","chapterMark":"pagebreak","pageBreaksBefore":"/","margin":{"right":62,"left":62,"top":56,"bottom":56}},"styles":{"website":"styles/website.css","pdf":"styles/pdf.css","epub":"styles/epub.css","mobi":"styles/mobi.css","ebook":"styles/ebook.css","print":"styles/print.css"}},"file":{"path":"Tutorial_180720_ProbabilityDistribution.md","mtime":"2018-07-28T22:58:53.193Z","type":"markdown"},"gitbook":{"version":"3.2.3","time":"2018-09-09T04:41:47.437Z"},"basePath":".","book":{"language":""}});
});
</script>
</div>
<script src="gitbook/gitbook.js"></script>
<script src="gitbook/theme.js"></script>
<script src="gitbook/gitbook-plugin-ga/plugin.js"></script>
<script src="gitbook/gitbook-plugin-search/search-engine.js"></script>