본 포스팅은 ProDS 필기 강의를 듣고 정리, 요약한 내용입니다.
정규분포Normaldistribution
1) 정의 : 확률변수 X가 평균이 μ, 분산이 σ2이고 확률밀도함수 f(x)가 f(x)=1√2πσe−(x−μ)22σ2(−∞<x<∞) 일 때 X는 정규분포를 따른다고 하고, X∼Normal[μ,σ2]라 한다.
1) μ는 분포의 중심, 위치 모수LocationParameter라 한다
2) σ2가 크면 분포의 산포가 커지고, 작으면 분포의 산포가 작아진다. 해서 σ를 척도모수ScaleParameter라 한다.

2) 정규분포의 특성치(X ~ N[μ,σ2]인 경우)
: E(X)=μ,V(X)=σ2=>S(X)=σ. (E(X) : 기대값, V(X) : 분산, S(X) : 표준편차)
표준정규분포StandardNormalDistribution
1) 정의 : μ=0, σ2=1인 정규분포를 표준정규분포라 정의한다.
2) 확률변수 : 정규분포의 확률변수 X를 선형변환(정규분포의 선형불변성에 의해 선형변환 후에도 분포는 그대로 정규분포)한 Z=X−μσ를 표준정규분포의 확률변수로 사용한다(X−μσ=1σX+(−μσ))
E(ax+b)=aE(x)+b=>E(Z)=E(1σX−μσ)=1σE(x)−μσ=1σ−μσ=0
V(ax+b)=a2V(x)=>V(Z)=V(1σX−μσ)=1σ2=1σ2⋅σ2=1
X를 Z로 변환하는 위의 과정을 표준화(정규화)normalization라 한다. 표준화로부터 Z(=X−μσ)∼N[0,1]
정규화를 거친 후의 PDF는 f(z)=1√2πe−z22,(−∞<z<∞)

ex) X∼N[10,22]일 때, P(10<X<13)=P(?<Z<?)
: Z=X−102∼n[0,1], P(10<X<13)=P(10−102<Z<13−102)=P(0<Z<1.5)
3) Z의 (1-α) 분위수 Zα
: Z∼N[0,1]일 때 P(Z<C)=1−α를 만족하는 특정 값 C를 Z의 (1−α)분위수라 하고, Zα로 표기함. 쉽게 표현하면, P(Z>Zα)=α일 때의 Zα.

'STUDY > 확률과 통계' 카테고리의 다른 글
[ProDS] 7. 그래프에 의한 기술통계 (0) | 2023.07.31 |
---|---|
[ProDS] 6. 카이제곱분포, t분포 (0) | 2023.07.31 |
[ProDS] 4. 이항분포, 포아송분포, 지수분포 (1) | 2023.07.25 |
[ProDS] 3. 확률변수와 확률분포, 분포의 특성치 (0) | 2023.07.24 |
[ProDS] 2. 베이즈 정리Bayes' theorem (0) | 2023.07.24 |