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 |
Tags
- Artificial Intelligence
- 몽고디비
- 빅 데이터
- No SQL
- MongoDB
- openCV
- 확률
- 딥러닝
- R
- Machine Learning
- c++
- 데이터 과학
- 빅 데이타
- Big Data
- 빅데이타
- 김양재 목사
- 김양재 목사님
- 통계
- 김양재
- 빅데이터
- nodeJS
- WebGL
- Statistics
- data science
- probability
- 인공지능
- 우리들교회
- 주일설교
- node.js
- Deep learning
Archives
- Today
- Total
Scientific Computing & Data Science
[Statistics] Descriptive Statistics - Definition of Terms 본문
Data Science/Probability & Statistics
[Statistics] Descriptive Statistics - Definition of Terms
cinema4dr12 2014. 2. 26. 11:25[Definition] 모집단 / 표본 / 임의 표본 / 통계학적 추론
모집단(population)은 특정 확률 분포로부터 얻을 수 있는 가능한 관찰결과로 구성된다. 표본(sample)은 실험자가 측정하거나 알려지지 않은 확률 분포를 관찰하는데 사용되는 모집단의 특정 부분집합이다. 임의 표본(random sample)은 모집단으로부터 임의로 선택된 샘플의 요소이며, 이 과정은 종종 표본이 모집단의 특성을 잘 반영한다는 것을 확인하기 위해 사용된다.
통계학적 추론(statistical inference)이란, 모집단으로부터 추출된 표본을 이용하여 데이터 분석을 통해 확률 밀도 함수 등과 같은 특성을 분석하는 방법을 의미한다. 다음 그림은 확률 이론과 통계학적 추론과의 관계를 설명하고 있다.
[그림 1.] 확률 이론과 통계학적 추론과의 관계
'Data Science > Probability & Statistics' 카테고리의 다른 글
Comments