![]()
📕일양 분포 ( U(0,1)) par(mfrow=c(2,2)) n=c(10,100,1000,100000) mu=0.5; var=1/12 for(j in 1: length(n)) { m=1000 xbar=rep(0,m) for( i in 1 : m){ x=runif(n[j]) xbar[i]=mean(x)} xbar_mu = mean(xbar) xbar_var= var(xbar);xbar_var cat("표본의 개수 = ",n[j],"\n","모평균 = ",mu,"표본분포의 평균 = ",xbar_mu,"\n","모분산 = ",var,",var/n = ",var/n[j],"표본평균의 분산 = ",xbar_var,"\n") hist(xbar,breaks="fd",prob=T) curve(dnorm(x,mu,sq..
![]()
🙏이항 분포 par(mfrow=c(2,2)) n=c(10,100,1000,100000) length(n) for(j in 1: length(n)) { n1=30;p=0.1;mu=n1*p;var=n1*p*(1-p) ##모평균은 3, 모분산은 2.7 m=1000 xbar=rep(0,m) for( i in 1 : m){ x=rbinom(n[j],n1,p) xbar[i]=mean(x)} xbar_mu = mean(xbar) xbar_var= var(xbar);xbar_var cat("모평균 = ",mu,"표본분포의 평균 = ",xbar_mu,"\n","모분산 = ",var,",var/n = ",var/n[j],"표본평균의 분산 = ",xbar_var,"\n") hist(xbar,breaks="fd",prob=T..
![]()
통계 이론은 이미 알고 있는 약간의 정보를 이용하여 미지의 상황을 파악하는데 도움을 주는 과학적인 방법이다. 미지의 상황이란 항상 확정적 사건이라기보다는 어떤 사건이 더 발생할 가능성이 많은가로 평가되어야 함은 당연하다. 그래서 확률의 개념은 매우 빈번하게 사용되고 있다. 그러나 정확한 확률을 계산한다는 것은 매우 지루하고 힘든 과정을 요한다. 그래서 어떤 사건이 일어날 수 있는 가능성을 표로 요약한 것을 확률분포라고 한다. 이러한 확률분포를 만들기 위해서는 각 사건이 일어날 가능성을 찾아야 하는데, 때론 이 과정이 매우 어렵다. 다행히 어떤 사건이 규칙성이 있어 수학적 함수로 표현 가능하다면 확률의 계산은 매우 편리할 것이며, 더욱이 이 수학적 함수가 우리 실생활에서 흔히 일어날 수 있는 사건과 유사하..
