Python/Python기초

중심 극한 정리(Central Limit Theorem): 모집단이 어떤 분포든지 상관없이, 표본의 크기가 충분이 크다면 모든 가능한 표본 평균은 모평균 주위에서 정규분포를 따른다. 베르누이 확률 변수(Bernoulli random variable): 어떤 시행의 결과가 '성공', '실패' 중 하나로 나타나고, 성공의 확률이 p, 실패할 확률이 1-p라고 할 때 그 결과가 성공이면 확률 변수는 1을 갖고, 결과가 실패면 확률 변수는 0을 갖는 확률 변수 x 베르누이 확률 질량 함수(PMF: Probability Mass Function) pmf(x) = p if x = 1, 0 if x = 0 = (p ** x)((1-p)**(1-x)) 이항 확률 변수 (binominal random variable):..

연속 확률 분포:1) 확률 밀도 함수(Probability Density Function: PDF) 특정 확률 변수 구간을 적분한 값으로 확률을 계산할 수 있는 함수 P(a tolerance: mid_z = (low_z + high_z) / 2.0 # 중간 값 mid_p = normal_cdf(mid_z) # 중간 값에서의 누적 확률 if mid_p < p: low_z = mid_z else: high_z = mid_z return mid_z # 누적 확률이 0.9, 0.99, 0.999인 확률 변수 x를 찾음.# 표준 정규 분포표와 비교 x1 = inverse_normal_cdf(0.9) print('x1 =', x1) x2 = inverse_normal_cdf(0.99) print('x2 =', x2..

# 자녀가 2명인 경우,# A: 첫째가 딸인 경우# B: 둘째가 아들인 경우# C: 둘 다 딸인 경우# A와 B가 독립 사건, A와 C는 종속 사건임을 증명# P(A,B) == P(A) * P(B), P(A,C) != P(A) * P(C)import random child = ('boy', 'girl')trials = 10_000 event_a = 0event_b = 0event_a_b = 0event_c = 0event_a_c = 0 for _ in range(trials): first = random.choice(child) second = random.choice(child) if first == 'girl': event_a += 1 if second == 'boy': event_b += 1 if ..

사건의 종속성 vs 독립성사건 A의 발생 여부가 사건 B의 발생 여부에 대한 정보를 제공한다면,사건 A와 사건 B는 종속 사건(dependent event).사건 A의 발생 여부가 사건 B의 발생 여부와 상관이 없다면,사건 A와 사건 B는 독립 사건(independent event). 동전 2개를 던지는 경우A: 첫번째 동전이 앞면B: 두번째 동전이 뒷면C: 두 동전 모두 뒷면(앞면) A와 B는 독립 사건.A와 C는 종속 사건. P(A): 사건 A가 일어날 확률P(B): 사건 B가 일어날 확률P(A,B): 사건 A와 사건 B의 교집합이 일어날 확률 P(A,B) = P(A) * P(B)이 성립하면, 두 사건은 독립 사건. # 자녀가 2명인 경우,# A : 첫째가 딸인 경우# B : 둘째가 아들인 경우# C..