6. 1 Introduction
6. 2 The Sample Mean and Variance
6. 3 The Sampling Distribution of X표본 평균의 평균은 모집단의 평균과 같다.
E(X) = μ = E(X) = μ x
3. 표본 평균의 표준편차는 모집단의 표준편차를 을
나눈 것과 같다.
4. 모집단의 분포가 정규분포가 아닐 때에도, 표본의 크기
가 커지면, 표본평균의 표본 분포는 정규분포에 근사한다.
이를 중심극한정리(central limit theorem)라 한다
1. Bivariate and Marginal Probability Distributions
(결합 확률분포 및 주변 확률분포)
2. Conditional Probability Distributions
(조건부 확률분포)
About this chapter
많은 형태의 관찰들은 같은 실험단위에서 만들어짐
- 동일한 와이어 샘플에서 인장력과 비틀림이라는 요
소를 동시에 측정
- 동일한 콘크리트 샘플에서 시멘트와 공극의 양 측정
- 심장질환에 대한 아스피린의 효과를 연구하는 의사
들은 뇌졸증에 대한 그것의 효과도 이해하길 원함
이 장에서는 2개 이상의 확률변수로 결합된 행위를 모델링 하는 것을 제공
6.4 이 항 분 포 의 정 규 분 포 근 사
6.5 The Sampling Distribution of S2
용 어 정 의
Chi-Square Distribution
예 제 풀 이
질 의 및 응 답표본의 크기 n에 의해서 표본 x1.x2…….xn 으로 표본분산을 얻으려면
(xi - )값을 제곱하여 합계해야 한다. 이 때 제한 조건식은
뿐이므로 임의로 결정될 수 있는 (xi - )는
n-1개가 된다. 즉, 표본의 크기는 n개 이지만 (xi - )는
n-1개 만이 임의로 결정될 수 있다.
Y의 확률분포
따라서 y개의 successes과 (n-y)개의 failures가 나오는
것에 대한 어떤 특정한 배열은 위의 경우처럼 y개가 모두
success이고, 이후(n-y)개가 모두 failure일 경우와 동일한
확률을 가질 것이기 때문에 이것은 단지 항들만 재배열될
것이다.
그러면 P(Y=y)는 이러한 배열이 얼마나 많이 가능한것을
헤아리면 된다.
Continuous Random Variables & Their
Probability Distributions
4.2 Expected Values of Continuous Random
Variables
연속확률변수란?
확률변수 X가 어떤 구간의 모든 실수 값을 연속적으로 취할 때,
X를 연속 확률변수라 한다.
병원에 오는 환자들의 몸무게 (80 300pounds)
공장에서 생산되는 막대기의 직경(1.2 1.5cm)
광석의 불순물 함유비율(0.1 0.8)
질병의 존재 유무를 판단하는 Screening Test(선별검사)의 경우 조건부 확률을 적용할 수 있다.
임신 여부 판단 kit, 약물 복용 판단 및 성질환 감영 판단 등
선별검사를 통해 나타난 양성(+)반응자와 실제 질병 보유자의 비교로 선별검사의 정확도 유추
전체 n 명의 대상자에 선별검사를 실시하여 선별검사를 통한 양성반응자 a+b, 음성반응자 c+d
실제 진단을 통해 병이 있다고 판명 a+c, 병이 없다고 판명 b+d
a : 선별 검사로 양성이 파악되었으며 실제진단에서도 병이 있다고 판명된 사람
b : 선별 검사에선 양성으로 파악되나 실제 진단 병이 없는 것으로 판명된 사람(false positive)
c : 선별 검사에선 음성으로 파악되나 실제 진단 병이 있는 것으로 판명
7.1 Introduction
7.2 Properties of point estimations
(점 추정의 특성)
7.3 Confidence intervals
: The single sample case
(단일 표본에서의 신뢰구간추론의 방법 : 점추정, 구간추정
점추정 : 표본에서 얻어지는 정보를 이용하여 알려져 있지
않는 모수의 참값을 하나의 수치로 추론
추정량으로 사용될 통계량은 표본분포를 가진다.
표본분포는 완벽하게 알 수 없더라도 추정량의 평균과
분산으로 계산이 가능하다.
4.7 The Beta Distribution
4.8 The Weibull Distribution
4.10 Moment-Generation Functions for Continuous Random VariablesThe Beta distribution is very useful for modeling the probabilistic behavior of certain random variables such as proportions, constrained to fall in the interval (0,1)