Notice
Recent Posts
Recent Comments
Link
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
- 하둡
- 다중공선성
- 가설검정
- merge
- 데이터프레임
- 결정계수
- 분산분석
- Python
- hive
- p-value
- list
- pca
- k-means
- join
- 밀도기반
- dict
- 교차검증
- 딕셔너리
- 병렬 쿼리 시스템
- cross validation
- T-검정
- Sawzall
- DBSCAN
- pig
- distribution
- DataFrame
- SQL on 하둡
- 유사도
- 분포
- SPLIT
Archives
- Today
- Total
목록CLT (1)
one of a kind scene
1장 통계분석_중심극한정리(CLT)
중심극한정리(CLT : Central Limit Theorem) sample size(=표본그룹 하나 당 표본의 갯수)가 30개는 되야 표본들의 평균이 정규분포를 따름 ※ 잘못된 이해 모집단 1000개에서 30개를 뽑으면 이 값들은 정규분포를 이룰 것이다. 위와 같이 이해하는 경우가 있으니 주의!!! 표본의 평균이 정규분포를 따른다는 뜻은 아래와 같음 또한, 모집단은 정규분포를 안따라도 됨 아래와 같이 30개짜리 표본을 n번 뽑았을때 표본1 : 30개 ☞ 여기서 표본평균1 표본2 : 30개 ☞ 여기서 표본평균2 . . . . 표본n : 30개 ☞ 여기서 표본평균n 이러한 표본의 갯수(n이 아니라 sample갯수 30개)가 30개는 되야 표본평균들이 정규분포를 따른다 중심극한정리 언제 유용? 모평균 추정에..
ADP/이론
2019. 11. 13. 00:34