| 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
- 빅 데이타
- node.js
- data science
- Deep learning
- openCV
- 확률
- 통계
- 빅데이터
- nodeJS
- 데이터 과학
- Artificial Intelligence
- Machine Learning
- 주일설교
- R
- No SQL
- 김양재
- 빅데이타
- WebGL
- 빅 데이터
- 인공지능
- 우리들교회
- 딥러닝
- Statistics
- 몽고디비
- Big Data
- 김양재 목사
- probability
- 김양재 목사님
- c++
- MongoDB
Archives
- Today
- Total
목록conditional probability distribution (1)
Scientific Computing & Data Science
[Probability] Conditional Probability Distribution
확률 변수 Y에 대한 확률 변수 X의 조건부 분포는 Y의 값이 알려져 있다는 가정 하에 확률 변수 X의 확률적 속성을 나타낸다.즉, 이산 확률 분포에 대해서이며, 연속 확률 분포에 대해서는이다. 이 때 는 확률 변수 Y의 한계 분포이다. 한계 분포와 조건부 분포에 대한 차이를 이해하는 것은 매우 중요하다.확률 변수 X에 대한 한계 분포는 확률 변수 Y에 대해 알려진 것이 없는 경우에 있어 유용한 분포이며, 확률 변수 Y의 값이 특정값 y의 조건 하에 확률 변수 X에 대한 조건부 분포는 확률 변수 Y값이 y로 알려진 경우에 유용하다.
Data Science/Probability & Statistics
2014. 1. 31. 18:32