Dogun Kim

서울시립대학교 인공지능학과 김정연 교수님의 확률 및 랜덤 프로세스 강의를 정리함을 미리 알립니다.​Chapter 04-2. 확률변수의 생성​ 1. 몬테칼로 방법 2. 유사난수 발생기-선형합동수열 3. 역변환법, 합과 혼합 변환법 5. 채택-기각법 ​1. 몬테칼로 방법(Monte Carlo method)만약 PDF fx로 부터 랜덤 표본을 생성하는 것이 가능할 때, 생선된 표본을 바탕으로 추론하는 방버. # 표본 뽑아서 모집단 정보 알고싶다. PDF로 부터 랜덤 표본을 뽑는다. 이에 대한 실험적 분포(empirical distribution)은 m이 커짐에 따라 fx로 수렴함.음 뭔가 와닫지는 않는다.. 그니까 표본 데이터를 통해 모집단의 정보를 알고 싶다는거다.. 걍 음 그렇군..이제 샘플을 생성하는 법..

서울시립대학교 인공지능학과 김정연 교수님의 확률 및 랜덤 프로세스 강의를 정리함을 미리 알립니다.​Chapter 04. 연속형 확률변수1. 확률밀도함수 및 확률분포함수 2. 기댓값 3, 연속형 확률분포 4. CDF의 역함수(inverse)​1. 확률밀도함수 및 확률분포함수 확률 분포 함수(누적 분포 함수) CDF ch4.에서도 확률누적함수(누적분포함수) 즉 CDF에 대해 배웠다. 한 번 더 언급하는 것이다. CDF는 확률 변수 X가 특정 x에 대해 x이하일 모든 확률을 누적한 것이다. ​이러한 CDF가 전체 구간에서 연속함수 인 경우, CDF Fx를 연속이라고 한다. # 당연한 소리..​'연속형' 확률 변수의 PDF(확률밀도함수)는 CDF를 미분해서 구한다. (뒤에서 더 언급할 것이다)​cf) 이산형 확..

서울시립대학교 인공지능학과 김정연 교수님의 확률 및 랜덤 프로세스 강의를 정리함을 미리 알립니다.​Ch3. 이산확률변수 1. 확률변수의 정의 2. 기댓값 3. 이산형 확률분포 4. 조건확률질량함수​1. 확률변수의 정의 확률 변수결과를 숫자로 맵핑한다고 생각하면 쉽다.위 예시를 보자. 동전이 앞면이 3번 나온 경우는 X = 3으로 맵핑 (HHH)앞면이 2번이 나온 경우는 X=2로 맵핑한다(HHT, HTH, THH). 이 때 X가 바로 확률 변수이다.​​이산형(Discrete) 확률 변수확률 변수 X의 범위가 유한이거나 가산 무한, 즉 # 셀 수 있을 때 이를 이산형 이라고 한다.cf) ch2에서 표본 공간을 배울 때 이산형 표본 공간을 언급했다. 이산형 표본 공간도 셀 수 있는 표본 공간이다.​​확률질량함..

서울시립대학교 인공지능학과 김정연 교수님의 확률 및 랜덤 프로세스 강의를 정리함을 미리 알립니다. Ch2. 확률론의 기본 1. 확률 실험2. 확률3. 경우의수 4. 확률의 공리 5. 조건부 확률 6. 사건의 독립 7. 유사 난수 발생기  1. 확률 실험확률 실험은 실험이 다음과 같은 조건에서 반복될 때, 그 결과가 예측할 수 없는 방식으로 변하는 실험이다. 확률 실험은 실험 절차와 하나 이상의 측정이나 관찰들에 대해 자세히 기술되어야 한다.  실험(Experiment): 어떤 현상의 관찰 결과를 얻기 위한 과정 확률 실험은 일관되게 같은 결과를 내지 않기에, 가능한 결과들의 집합을 결정해야 한다. 모든 관찰 가능한 결과의 집합을 표본 공간(sample space)라고 한다. 이러한 표본 공간을 셀 수 ..