| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 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 |
Tags
- Deep learning
- R
- 통계
- 몽고디비
- data science
- 빅 데이타
- 딥러닝
- WebGL
- Statistics
- node.js
- 확률
- Big Data
- 우리들교회
- 김양재 목사
- openCV
- c++
- No SQL
- 주일설교
- MongoDB
- 빅데이타
- Artificial Intelligence
- probability
- 데이터 과학
- Machine Learning
- nodeJS
- 김양재 목사님
- 인공지능
- 빅 데이터
- 김양재
- 빅데이터
Archives
- Today
- Total
Scientific Computing & Data Science
[Probability] Continuous Probability Distributions - Beta Distribution 본문
Data Science/Probability & Statistics
[Probability] Continuous Probability Distributions - Beta Distribution
cinema4dr12 2014. 2. 2. 21:54베타 분산 (Beta Distribution)
Definition
파라미터 \(a > 0\) 및 \(b > 0\)를 갖는 베타 분산은 \(0 \leq x \leq 1\)에 대하여 확률 밀도 함수
\(\displaystyle{ f(x) = \frac{\Gamma(a+b)}{\Gamma(a) \Gamma(b)}x^{a-1}(1-x)^{b-1}}\)
이며 그 외에서는
\(f(x) = 0\)
이다.
기대값과 분산
기대값은 \( \displaystyle{ \mathrm{E}(\mathbf{X}) = \frac{a}{a+b} } \) 이며,
분산은 \( \mathrm{Var}(\mathbf{X}) = \displaystyle{\frac{ab}{(a+b)^2 (a+b+1)}} \) 이다.