| 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
- data science
- 주일설교
- Machine Learning
- 빅 데이터
- R
- Statistics
- 김양재 목사
- MongoDB
- 인공지능
- nodeJS
- 김양재 목사님
- 김양재
- 딥러닝
- 빅데이타
- WebGL
- 데이터 과학
- 통계
- c++
- No SQL
- openCV
- 우리들교회
- Deep learning
- node.js
- probability
- 확률
- 몽고디비
- 빅 데이타
- Artificial Intelligence
- 빅데이터
- Big Data
Archives
- Today
- Total
목록point estinate (1)
Scientific Computing & Data Science
[Data Science / Statistics] Statistical Estimation & Sampling Distributions - Point Estimation
[Definition] 파라미터(Parameters)통계적 추론에 있어, 파라미터란 어떠한 측정량, \(\theta\)를 지칭하는데 사용된다. \(\theta\)는 알려지지 않은 확률 분포의 속성이다. 예를 들어, \(\theta\)는 확률 분포의 평균, 분산, 또는 Quantile 등이 될 수 있다. 파라미터는 미지의 값이며, 통계적 추론의 한 가지 목표는 이러한 파라미터를 추정하는 것이다.[Definition] 통계량(Statistics)통계적 추론에 있어, 통계량이란 표본의 속성인 측정량을 지칭하는데 사용된다. 예를 들어, 표본 평균, 표본 분산 또는 표본 퀀타일 등을 일컫는다. 통계량은 관찰된 값이 관찰된 데이터 값의 집합으로부터 계산되는 랜덤 변수이다. 통계량은 미지의 파라미터를 추정하는데 사용..
Data Science/Probability & Statistics
2014. 2. 27. 19:18