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
- 백신후원
- Decision Boundary
- cs231n
- CellPin
- IVI
- 사회조사분석사2급
- 오블완
- docker exec
- logistic regression
- 티스토리챌린지
- Pull Request
- GIT
- docker attach
- AIFFEL
- 히비스서커스
- vscode
- ssh
- docker
- cocre
- 코크리
- airflow
- 프로그래머스
- aiffel exploration
- Multi-Resolution Networks for Semantic Segmentation in Whole Slide Images
- WSSS
- numpy
- 기초확률론
- 도커
- HookNet
- Jupyter notebook
Archives
- Today
- Total
목록CLT (1)
히비스서커스의 블로그
[Column] 중심극한정리(CLT; central limit theorem)
오늘은 통계학의 가장 중요한 개념이라고 할 수 있는 중심극한정리에 대해서 알아보도록 하겠습니다. 단순히 '많이 뽑으면 정규분포를 따르는 것 아니야?' 라고 생각하실 수 있지만,심층적 의미를 알아보려면 좀 더 디테일하게 살펴볼 필요가 있습니다. 이번 포스팅을 통하여 어디서 무엇을 많이 뽑는 것이고 어떤 것이 어떠한 형태의 정규분포를 따르게 되는 것인지 명확하게 알게 되셨으면 좋겠습니다. 모집단과 표본집단 먼저 모집단과 표본집단에 대해서 알아볼 필요가 있습니다. 모집단이란 우리가 관심있는 대상 전체를 말합니다. 표본집단이란 모집단으로부터 추출된 모집단의 부분 집합이라고 할 수 있습니다. 예를 들어 생각해볼까요? 우리가 대전사람들의 평균 키를 구하고 싶다고 해봅시다. 여기서 모집단은 대전에 주민등록이 되어있는..
Theory/Statistics
2021. 3. 26. 22:23