| 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
- 빅데이터
- 몽고디비
- No SQL
- R
- 빅데이타
- Big Data
- 우리들교회
- Deep learning
- 확률
- 김양재 목사님
- 인공지능
- 빅 데이터
- 김양재
- nodeJS
- WebGL
- node.js
- 딥러닝
- Artificial Intelligence
- c++
- Statistics
- openCV
- MongoDB
- Machine Learning
- probability
- data science
- 김양재 목사
- 데이터 과학
- 빅 데이타
- 통계
- 주일설교
Archives
- Today
- Total
목록poisson distribution (1)
Scientific Computing & Data Science
[Probability] Discrete Probability Distributions - Poisson Distribution
포아송 분산 때때로 특정 범위 내에서 발생하는 사건의 수를 세는 확률 변수를 정의해야 할 필요가 습니다. 예를 들어, 실험자가 아이템 중 결함을 가지고 있는 아이템의 수에 관심이 있다거나 특정 시간 범위 내에 받는 전화 횟수 등입니다. 포아송(Poisson) 분포는 이러한 상황에 대한 적절한 모델을 제시합니다.Definition파라미터 λ를 갖는 포아송 확률 변수로 분한된 확률 변수 X는 다음과 같이 정의할 수 있으며: \( X \sim P(\lambda) \) \(\lambda\)는 이에 대한 확률 밀도 함수는 x = 0, 1, 2, 3, ...에 대해 \( P(X=x) = \displaystyle{\frac{e^{\lambda} \lambda^x}{x!}} \) 입니다. n이 충분히 클 경우(이를테면..
Data Science/Probability & Statistics
2014. 2. 1. 21:06