SlideShare a Scribd company logo
1 of 8
R 기초 - 확률분포 한림대학교 금융정보통계학과  이    윤    환
확률 분포 함수 고전적 확률 N개의 근원사건으로 구성된 표본공간에서 각각의 근원사건이 일어날 가능성이 같은 정도일 때, m개의 근원사건으로 구성된 사건 A가 일어날 확률 P(A)는 P(A) = m/N 이다.  Kolmogorov의 확률 공리 표본공간 S 상의 임의의 사건 A 에 대해 확률은 non-negative : 0 ≤ P(A) ≤ 1 서로 배반인 두 사건 A, B에 대해 P(A∪B) = P(A) + P(B) P(S) = 1 확률 변수 표본공간(Sample Space) : {Ω, F, P} 표본공간 Ω의 각 원소 ω에 실수값X(ω)를 대응시키는 함수 X : Ω->R 실수 집합 A ⊂ R에 대해  X-1(A) = {ω∈Ω: X(ω) ∈ A}  => {X ∈A} 실수 전체의 집합 R위에서의 확률측도 도입 (Β는 R 상의 체(Field)) Px(B) = P(X-1(B)) = P(X ∈ B), B ∈Β 확률공간(Probability Space) : {R, Β, Px} Px는 X의 확률분포 이윤환, yoonani72@gmail.com 간호 통계
확률 분포 함수 예제] 두 개의 공정한 동전을 던지는 시행 Ω = {HH, HT, TH, TT} X를 앞 면이 나오는 횟수 X({HH}) = 2, X({HT})=X({TH})=1, X({TT}) = 0 Px({0}) = P(X=0) = P({TT}) =  ¼ Px({1}) = P(X=1) = P({HT, TH}) =  ½ Px({2}) = P(X=2) = P({HH}) =  ¼ 이윤환, yoonani72@gmail.com 간호 통계
확률 분포 함수 : 이항분포 성공의 확률이 θ로 알려져 있는 시행을 n번 독립적으로 시행할 경우 성공의 횟수에 대한 분포 B(n, θ) 확률함수 f(x) = nCxθx(1-θ)n-x, x=0, 1, 2, …, n Ex 1) 공정한 동전을 3번 던져서 앞이 나오는 횟수를 x라 할때x의 분포를 구하여라 Hint 앞면이 나오는 횟수는 0, 1, 2, 3 먼저 각각의 횟수를 구한다. 각각의 확률을 구한다. 2) 예제 1에서 앞면이 나오는 횟수가 2회 이상일 확률을 구하여라 이윤환, yoonani72@gmail.com 간호 통계
확률 분포 함수 : R의 활용 R은 다음과 같이 분포 함수에 대한 함수를 지원한다. 이윤환, yoonani72@gmail.com 간호 통계
확률 분포 함수 : R의 활용 각 함수명 앞에 다음의 접두어를붙혀 우리가 원하는 값을 구한다. 이윤환, yoonani72@gmail.com 간호 통계
확률 분포 함수 : R의 활용 앞선 공정한 동전을 3회 던지는 예 분포를 구하여라. 이윤환, yoonani72@gmail.com 간호 통계
확률 분포 함수 : R의 활용 앞면이 나오는 횟수가 2회 이상일 확률 1 – (앞면이 나오는 횟수가 1회 이하일 확률) 3사분위수에 해당하는 값을 구하여라. 이 분포하에서난수를10개 생성하시오. 이윤환, yoonani72@gmail.com 간호 통계

More Related Content

What's hot

0228 2 sample_distribution
0228 2 sample_distribution0228 2 sample_distribution
0228 2 sample_distributionJeonghun Yoon
 
03.기술통계 자료의 중심과 퍼진정도
03.기술통계 자료의 중심과 퍼진정도03.기술통계 자료의 중심과 퍼진정도
03.기술통계 자료의 중심과 퍼진정도Yoonwhan Lee
 
11_통계 자료분석 입문
11_통계 자료분석 입문11_통계 자료분석 입문
11_통계 자료분석 입문noerror
 
10.단일표본 평균 모비율
10.단일표본 평균 모비율10.단일표본 평균 모비율
10.단일표본 평균 모비율Yoonwhan Lee
 
0221 basic probability theory
0221 basic probability theory0221 basic probability theory
0221 basic probability theoryJeonghun Yoon
 
Ensemble Model (Hybrid model)
Ensemble Model (Hybrid model)Ensemble Model (Hybrid model)
Ensemble Model (Hybrid model)Jeonghun Yoon
 
12.세표본 이상의 평균비교
12.세표본 이상의 평균비교12.세표본 이상의 평균비교
12.세표본 이상의 평균비교Yoonwhan Lee
 
0307 1 estimation_theory
0307 1 estimation_theory0307 1 estimation_theory
0307 1 estimation_theoryJeonghun Yoon
 
0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformation0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformationJeonghun Yoon
 
03. linear regression
03. linear regression03. linear regression
03. linear regressionJeonghun Yoon
 
04. logistic regression ( 로지스틱 회귀 )
04. logistic regression ( 로지스틱 회귀 )04. logistic regression ( 로지스틱 회귀 )
04. logistic regression ( 로지스틱 회귀 )Jeonghun Yoon
 
Association rule mining
Association rule miningAssociation rule mining
Association rule miningJeonghun Yoon
 
0307 2 hypothesis_testing
0307 2 hypothesis_testing0307 2 hypothesis_testing
0307 2 hypothesis_testingJeonghun Yoon
 
02. naive bayes classifier revision
02. naive bayes classifier   revision02. naive bayes classifier   revision
02. naive bayes classifier revisionJeonghun Yoon
 

What's hot (17)

0228 2 sample_distribution
0228 2 sample_distribution0228 2 sample_distribution
0228 2 sample_distribution
 
03.기술통계 자료의 중심과 퍼진정도
03.기술통계 자료의 중심과 퍼진정도03.기술통계 자료의 중심과 퍼진정도
03.기술통계 자료의 중심과 퍼진정도
 
11_통계 자료분석 입문
11_통계 자료분석 입문11_통계 자료분석 입문
11_통계 자료분석 입문
 
10.단일표본 평균 모비율
10.단일표본 평균 모비율10.단일표본 평균 모비율
10.단일표본 평균 모비율
 
0221 basic probability theory
0221 basic probability theory0221 basic probability theory
0221 basic probability theory
 
Ensemble Model (Hybrid model)
Ensemble Model (Hybrid model)Ensemble Model (Hybrid model)
Ensemble Model (Hybrid model)
 
12.세표본 이상의 평균비교
12.세표본 이상의 평균비교12.세표본 이상의 평균비교
12.세표본 이상의 평균비교
 
0307 1 estimation_theory
0307 1 estimation_theory0307 1 estimation_theory
0307 1 estimation_theory
 
0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformation0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformation
 
03. linear regression
03. linear regression03. linear regression
03. linear regression
 
04. logistic regression ( 로지스틱 회귀 )
04. logistic regression ( 로지스틱 회귀 )04. logistic regression ( 로지스틱 회귀 )
04. logistic regression ( 로지스틱 회귀 )
 
0207 1 gradient
0207 1 gradient0207 1 gradient
0207 1 gradient
 
07.표본분포
07.표본분포07.표본분포
07.표본분포
 
Association rule mining
Association rule miningAssociation rule mining
Association rule mining
 
0307 2 hypothesis_testing
0307 2 hypothesis_testing0307 2 hypothesis_testing
0307 2 hypothesis_testing
 
0314 2 correlation
0314 2 correlation0314 2 correlation
0314 2 correlation
 
02. naive bayes classifier revision
02. naive bayes classifier   revision02. naive bayes classifier   revision
02. naive bayes classifier revision
 

Viewers also liked

디자인과 시각커뮤니케이션
디자인과 시각커뮤니케이션디자인과 시각커뮤니케이션
디자인과 시각커뮤니케이션hongye06
 
2012소셜미디어pr론
2012소셜미디어pr론2012소셜미디어pr론
2012소셜미디어pr론Jeongsun Yoo
 
2012소셜미디어pr론
2012소셜미디어pr론2012소셜미디어pr론
2012소셜미디어pr론Jeongsun Yoo
 
디자인과 문화 기말 연구 보고서
디자인과 문화 기말 연구 보고서디자인과 문화 기말 연구 보고서
디자인과 문화 기말 연구 보고서h62160253
 
꿈꾸는 데이터 디자이너 시즌2 교육 설명회 2부
꿈꾸는 데이터 디자이너 시즌2 교육 설명회 2부꿈꾸는 데이터 디자이너 시즌2 교육 설명회 2부
꿈꾸는 데이터 디자이너 시즌2 교육 설명회 2부neuroassociates
 
00.통계학입문
00.통계학입문00.통계학입문
00.통계학입문Yoonwhan Lee
 
디자인과 문화
디자인과 문화디자인과 문화
디자인과 문화youlim
 
소품 디자인과 3D 프린팅 : 송현균(아시카팩토리 디자이너)
소품 디자인과 3D 프린팅 : 송현균(아시카팩토리 디자이너)소품 디자인과 3D 프린팅 : 송현균(아시카팩토리 디자이너)
소품 디자인과 3D 프린팅 : 송현균(아시카팩토리 디자이너)brainerymakers
 
제품 서비스디자인 강의계획서 2학기 ot 수정본2
제품 서비스디자인 강의계획서 2학기 ot 수정본2제품 서비스디자인 강의계획서 2학기 ot 수정본2
제품 서비스디자인 강의계획서 2학기 ot 수정본2Young Choi
 
R 프로그래밍 기본 문법
R 프로그래밍 기본 문법R 프로그래밍 기본 문법
R 프로그래밍 기본 문법Terry Cho
 

Viewers also liked (12)

Tablet pc의 시장
Tablet pc의 시장Tablet pc의 시장
Tablet pc의 시장
 
디자인과 시각커뮤니케이션
디자인과 시각커뮤니케이션디자인과 시각커뮤니케이션
디자인과 시각커뮤니케이션
 
2012소셜미디어pr론
2012소셜미디어pr론2012소셜미디어pr론
2012소셜미디어pr론
 
2012소셜미디어pr론
2012소셜미디어pr론2012소셜미디어pr론
2012소셜미디어pr론
 
디자인과 문화 기말 연구 보고서
디자인과 문화 기말 연구 보고서디자인과 문화 기말 연구 보고서
디자인과 문화 기말 연구 보고서
 
꿈꾸는 데이터 디자이너 시즌2 교육 설명회 2부
꿈꾸는 데이터 디자이너 시즌2 교육 설명회 2부꿈꾸는 데이터 디자이너 시즌2 교육 설명회 2부
꿈꾸는 데이터 디자이너 시즌2 교육 설명회 2부
 
01.r 기초
01.r 기초01.r 기초
01.r 기초
 
00.통계학입문
00.통계학입문00.통계학입문
00.통계학입문
 
디자인과 문화
디자인과 문화디자인과 문화
디자인과 문화
 
소품 디자인과 3D 프린팅 : 송현균(아시카팩토리 디자이너)
소품 디자인과 3D 프린팅 : 송현균(아시카팩토리 디자이너)소품 디자인과 3D 프린팅 : 송현균(아시카팩토리 디자이너)
소품 디자인과 3D 프린팅 : 송현균(아시카팩토리 디자이너)
 
제품 서비스디자인 강의계획서 2학기 ot 수정본2
제품 서비스디자인 강의계획서 2학기 ot 수정본2제품 서비스디자인 강의계획서 2학기 ot 수정본2
제품 서비스디자인 강의계획서 2학기 ot 수정본2
 
R 프로그래밍 기본 문법
R 프로그래밍 기본 문법R 프로그래밍 기본 문법
R 프로그래밍 기본 문법
 

Similar to 01.r 기초 확률분포

확률 통계 (파이썬)
확률 통계 (파이썬)확률 통계 (파이썬)
확률 통계 (파이썬)Yong Joon Moon
 
3 Generative models for discrete data
3 Generative models for discrete data3 Generative models for discrete data
3 Generative models for discrete dataJungkyu Lee
 
RUCK 2017 베이즈 모형의 꽃 - 계층 모형
RUCK 2017 베이즈 모형의 꽃 - 계층 모형RUCK 2017 베이즈 모형의 꽃 - 계층 모형
RUCK 2017 베이즈 모형의 꽃 - 계층 모형r-kor
 
Mathematical Structures for CS [Chapter3]456
Mathematical Structures for CS [Chapter3]456Mathematical Structures for CS [Chapter3]456
Mathematical Structures for CS [Chapter3]456codevania
 
십분수학_Entropy and KL-Divergence
십분수학_Entropy and KL-Divergence십분수학_Entropy and KL-Divergence
십분수학_Entropy and KL-DivergenceHyunKyu Jeon
 
Code로 이해하는 RNN
Code로 이해하는 RNNCode로 이해하는 RNN
Code로 이해하는 RNNSANG WON PARK
 
제4강 명제와 논리-정보
제4강 명제와 논리-정보제4강 명제와 논리-정보
제4강 명제와 논리-정보csungwoo
 
python 수학이해하기
python 수학이해하기python 수학이해하기
python 수학이해하기Yong Joon Moon
 
부울 대수와 컴퓨터 논리
부울 대수와 컴퓨터 논리부울 대수와 컴퓨터 논리
부울 대수와 컴퓨터 논리suitzero
 
1.3장 차수 높은 프로시저(higher order procedure)로 요약하는 방법
1.3장 차수 높은 프로시저(higher order procedure)로 요약하는 방법1.3장 차수 높은 프로시저(higher order procedure)로 요약하는 방법
1.3장 차수 높은 프로시저(higher order procedure)로 요약하는 방법홍준 김
 
Wasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 IWasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 ISungbin Lim
 
확률과 통계 1.확률이론
확률과 통계 1.확률이론확률과 통계 1.확률이론
확률과 통계 1.확률이론Seo Dong-yu
 
2012-12-25 사조사2급실기-공식
2012-12-25 사조사2급실기-공식2012-12-25 사조사2급실기-공식
2012-12-25 사조사2급실기-공식Seok-kyu Kong 공석규
 

Similar to 01.r 기초 확률분포 (17)

확률 통계 (파이썬)
확률 통계 (파이썬)확률 통계 (파이썬)
확률 통계 (파이썬)
 
3 Generative models for discrete data
3 Generative models for discrete data3 Generative models for discrete data
3 Generative models for discrete data
 
RUCK 2017 베이즈 모형의 꽃 - 계층 모형
RUCK 2017 베이즈 모형의 꽃 - 계층 모형RUCK 2017 베이즈 모형의 꽃 - 계층 모형
RUCK 2017 베이즈 모형의 꽃 - 계층 모형
 
Mathematical Structures for CS [Chapter3]456
Mathematical Structures for CS [Chapter3]456Mathematical Structures for CS [Chapter3]456
Mathematical Structures for CS [Chapter3]456
 
십분수학_Entropy and KL-Divergence
십분수학_Entropy and KL-Divergence십분수학_Entropy and KL-Divergence
십분수학_Entropy and KL-Divergence
 
Code로 이해하는 RNN
Code로 이해하는 RNNCode로 이해하는 RNN
Code로 이해하는 RNN
 
제4강 명제와 논리-정보
제4강 명제와 논리-정보제4강 명제와 논리-정보
제4강 명제와 논리-정보
 
Linear algebra
Linear algebraLinear algebra
Linear algebra
 
python 수학이해하기
python 수학이해하기python 수학이해하기
python 수학이해하기
 
부울 대수와 컴퓨터 논리
부울 대수와 컴퓨터 논리부울 대수와 컴퓨터 논리
부울 대수와 컴퓨터 논리
 
1.3장 차수 높은 프로시저(higher order procedure)로 요약하는 방법
1.3장 차수 높은 프로시저(higher order procedure)로 요약하는 방법1.3장 차수 높은 프로시저(higher order procedure)로 요약하는 방법
1.3장 차수 높은 프로시저(higher order procedure)로 요약하는 방법
 
Wasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 IWasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 I
 
Gmm to vgmm
Gmm to vgmmGmm to vgmm
Gmm to vgmm
 
확률과 통계 1.확률이론
확률과 통계 1.확률이론확률과 통계 1.확률이론
확률과 통계 1.확률이론
 
Number theory
Number theoryNumber theory
Number theory
 
집합
집합집합
집합
 
2012-12-25 사조사2급실기-공식
2012-12-25 사조사2급실기-공식2012-12-25 사조사2급실기-공식
2012-12-25 사조사2급실기-공식
 

More from Yoonwhan Lee

R 기초 : R Basics
R 기초 : R BasicsR 기초 : R Basics
R 기초 : R BasicsYoonwhan Lee
 
02.자료다루기
02.자료다루기02.자료다루기
02.자료다루기Yoonwhan Lee
 
09.통계적가설검정
09.통계적가설검정09.통계적가설검정
09.통계적가설검정Yoonwhan Lee
 
Smart work 자료 1
Smart work 자료 1Smart work 자료 1
Smart work 자료 1Yoonwhan Lee
 
통계자료 분석을 위한 R
통계자료 분석을 위한 R통계자료 분석을 위한 R
통계자료 분석을 위한 RYoonwhan Lee
 
통계자료분석을 ㅇ
통계자료분석을 ㅇ통계자료분석을 ㅇ
통계자료분석을 ㅇYoonwhan Lee
 
PHP를 이용한 간단한 방명록 만들기
PHP를 이용한 간단한 방명록 만들기PHP를 이용한 간단한 방명록 만들기
PHP를 이용한 간단한 방명록 만들기Yoonwhan Lee
 
쿠키를 통해 구현해보는 간단한 로그인 과정
쿠키를 통해 구현해보는 간단한 로그인 과정쿠키를 통해 구현해보는 간단한 로그인 과정
쿠키를 통해 구현해보는 간단한 로그인 과정Yoonwhan Lee
 
에버노트와 드롭박스 설치
에버노트와 드롭박스 설치에버노트와 드롭박스 설치
에버노트와 드롭박스 설치Yoonwhan Lee
 
PHP에서 객체와 데이터 연결 유지
PHP에서 객체와 데이터 연결 유지PHP에서 객체와 데이터 연결 유지
PHP에서 객체와 데이터 연결 유지Yoonwhan Lee
 
표본들의 분포
표본들의 분포표본들의 분포
표본들의 분포Yoonwhan Lee
 
HTML Form과 배열
HTML Form과 배열HTML Form과 배열
HTML Form과 배열Yoonwhan Lee
 
Android 기초 앱 사용
Android 기초 앱 사용Android 기초 앱 사용
Android 기초 앱 사용Yoonwhan Lee
 

More from Yoonwhan Lee (17)

R 기초 : R Basics
R 기초 : R BasicsR 기초 : R Basics
R 기초 : R Basics
 
02.자료다루기
02.자료다루기02.자료다루기
02.자료다루기
 
09.통계적가설검정
09.통계적가설검정09.통계적가설검정
09.통계적가설검정
 
Smart work 자료 1
Smart work 자료 1Smart work 자료 1
Smart work 자료 1
 
통계자료 분석을 위한 R
통계자료 분석을 위한 R통계자료 분석을 위한 R
통계자료 분석을 위한 R
 
통계자료분석을 ㅇ
통계자료분석을 ㅇ통계자료분석을 ㅇ
통계자료분석을 ㅇ
 
PHP를 이용한 간단한 방명록 만들기
PHP를 이용한 간단한 방명록 만들기PHP를 이용한 간단한 방명록 만들기
PHP를 이용한 간단한 방명록 만들기
 
Class10
Class10Class10
Class10
 
MySQL과 PHP
MySQL과 PHPMySQL과 PHP
MySQL과 PHP
 
MySQL 기초
MySQL 기초MySQL 기초
MySQL 기초
 
추정
추정추정
추정
 
쿠키를 통해 구현해보는 간단한 로그인 과정
쿠키를 통해 구현해보는 간단한 로그인 과정쿠키를 통해 구현해보는 간단한 로그인 과정
쿠키를 통해 구현해보는 간단한 로그인 과정
 
에버노트와 드롭박스 설치
에버노트와 드롭박스 설치에버노트와 드롭박스 설치
에버노트와 드롭박스 설치
 
PHP에서 객체와 데이터 연결 유지
PHP에서 객체와 데이터 연결 유지PHP에서 객체와 데이터 연결 유지
PHP에서 객체와 데이터 연결 유지
 
표본들의 분포
표본들의 분포표본들의 분포
표본들의 분포
 
HTML Form과 배열
HTML Form과 배열HTML Form과 배열
HTML Form과 배열
 
Android 기초 앱 사용
Android 기초 앱 사용Android 기초 앱 사용
Android 기초 앱 사용
 

01.r 기초 확률분포

  • 1. R 기초 - 확률분포 한림대학교 금융정보통계학과 이 윤 환
  • 2. 확률 분포 함수 고전적 확률 N개의 근원사건으로 구성된 표본공간에서 각각의 근원사건이 일어날 가능성이 같은 정도일 때, m개의 근원사건으로 구성된 사건 A가 일어날 확률 P(A)는 P(A) = m/N 이다.  Kolmogorov의 확률 공리 표본공간 S 상의 임의의 사건 A 에 대해 확률은 non-negative : 0 ≤ P(A) ≤ 1 서로 배반인 두 사건 A, B에 대해 P(A∪B) = P(A) + P(B) P(S) = 1 확률 변수 표본공간(Sample Space) : {Ω, F, P} 표본공간 Ω의 각 원소 ω에 실수값X(ω)를 대응시키는 함수 X : Ω->R 실수 집합 A ⊂ R에 대해 X-1(A) = {ω∈Ω: X(ω) ∈ A} => {X ∈A} 실수 전체의 집합 R위에서의 확률측도 도입 (Β는 R 상의 체(Field)) Px(B) = P(X-1(B)) = P(X ∈ B), B ∈Β 확률공간(Probability Space) : {R, Β, Px} Px는 X의 확률분포 이윤환, yoonani72@gmail.com 간호 통계
  • 3. 확률 분포 함수 예제] 두 개의 공정한 동전을 던지는 시행 Ω = {HH, HT, TH, TT} X를 앞 면이 나오는 횟수 X({HH}) = 2, X({HT})=X({TH})=1, X({TT}) = 0 Px({0}) = P(X=0) = P({TT}) = ¼ Px({1}) = P(X=1) = P({HT, TH}) = ½ Px({2}) = P(X=2) = P({HH}) = ¼ 이윤환, yoonani72@gmail.com 간호 통계
  • 4. 확률 분포 함수 : 이항분포 성공의 확률이 θ로 알려져 있는 시행을 n번 독립적으로 시행할 경우 성공의 횟수에 대한 분포 B(n, θ) 확률함수 f(x) = nCxθx(1-θ)n-x, x=0, 1, 2, …, n Ex 1) 공정한 동전을 3번 던져서 앞이 나오는 횟수를 x라 할때x의 분포를 구하여라 Hint 앞면이 나오는 횟수는 0, 1, 2, 3 먼저 각각의 횟수를 구한다. 각각의 확률을 구한다. 2) 예제 1에서 앞면이 나오는 횟수가 2회 이상일 확률을 구하여라 이윤환, yoonani72@gmail.com 간호 통계
  • 5. 확률 분포 함수 : R의 활용 R은 다음과 같이 분포 함수에 대한 함수를 지원한다. 이윤환, yoonani72@gmail.com 간호 통계
  • 6. 확률 분포 함수 : R의 활용 각 함수명 앞에 다음의 접두어를붙혀 우리가 원하는 값을 구한다. 이윤환, yoonani72@gmail.com 간호 통계
  • 7. 확률 분포 함수 : R의 활용 앞선 공정한 동전을 3회 던지는 예 분포를 구하여라. 이윤환, yoonani72@gmail.com 간호 통계
  • 8. 확률 분포 함수 : R의 활용 앞면이 나오는 횟수가 2회 이상일 확률 1 – (앞면이 나오는 횟수가 1회 이하일 확률) 3사분위수에 해당하는 값을 구하여라. 이 분포하에서난수를10개 생성하시오. 이윤환, yoonani72@gmail.com 간호 통계