| 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 | 31 |
Tags
- Big Data
- 확률
- 빅데이타
- probability
- 빅데이터
- Artificial Intelligence
- 주일설교
- 빅 데이타
- openCV
- 몽고디비
- 데이터 과학
- 딥러닝
- 인공지능
- 김양재 목사님
- data science
- node.js
- 우리들교회
- No SQL
- 김양재 목사
- 통계
- Machine Learning
- nodeJS
- 빅 데이터
- WebGL
- R
- MongoDB
- Deep learning
- c++
- Statistics
- 김양재
Archives
- Today
- Total
목록Chebyshev's inequality (1)
Scientific Computing & Data Science
[Probability] Chebyshev's Inequality
Chebyshev 부등식은 확률 분포의 분산과 표준편차에 대한 중요성을 강조하는 일반적 결과로 해석할 수 있습니다. 이는 기대값과 분산에 따라 일반적 확률의 범위를 알려주는 도구입니다. 즉, \(c \ge 1\)에 대하여, \( P(\mu - c \sigma \le X \le \mu + c \sigma) \ge 1 - \displaystyle{\frac{1}{c^2}} \) 예를 들어, c = 2 라고 하면, \( P(\mu -2 \sigma \le X \le \mu + 2 \sigma) \ge 0.75 \)이며, 이 분포에 대해 어떤 확률 변수 X를 선택하였을 때 이 범위에 있을 확률은 75%임을 의미합니다. Chebyshev 부등식은 확률 변수의 정확한 분포에 상관없이 이러한 결과가 참이라는 것이며 ..
Data Science/Probability & Statistics
2014. 1. 31. 13:03