Python

"""scipy.stats 모듈에서 제공하는확률 밀도 함수(PDF: Probability Density Function),누적 분포 함수(CDF: Cumulative Distribution Function)"""import scipy.statsimport matplotlib.pyplot as plt # 균등 분포(uniform distribution)xs = [x / 10 for x in range(-30, 31)] # 그래프를 그릴 x 구간# 균등 분포(uniform distribution) 확률 밀도 함수(PDF)ys1 = [stats.uniform.pdf(x) for x in xs] # uniform 균등분포.pdf 확률밀도함수# 균등 분포 누적 분포 함수 (CDF)ys2 = [stats.unifo..

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 ..