티스토리 뷰
알고리즘/Codility
[직딩잇템] 어서와 데이터는 처음이지 - 기초 of 기초 데이터 개념: Chapter 5. 기본 용어와 기호부터 알고 가자 - 모수치와 표본수치
miiingo 2020. 4. 6. 15:25반응형
모집단의 평균과 표준편차
평균 : 데이터의 각 수치를 전부 더한 다음에 개수로 나누면 된다
모집단의 평균 = 모평균(μ, 뮤)
- 모집단의 데이터에서 구해낸 평균
- μ = ∑X/N
※ ∑(시그마): 더해라(sum)라는 연산 기호
X: 각 데이터 하나하나를 의미
N: 표집수, 데이터 개수
-> 모집단 평균이라는 것은 모집단의 각 데이터를 다 더한 것을 데이터의 총 개수인 N으로 나눈 것이다.
모집단의 표준편차 = 모표준편자(σ, 시그마)
- ∑(시그마)와 이름만 같음
모수치
- 모집단의 데이터가 있을 때의 모평균(μ)과 모표준편차(σ)
- 즉, μ와 σ
- 현실에 없는 데이터
표본의 평균과 표준편차
표본의 평균 = 표본평균(X바, 엑스바)
- 다른 알파벳을 사용해도 상관 없음(제일 많이 사용하는 알파벳은 x)
- 엑스바 = ∑X/N
-> 표본의 데이터를 다 더해서 표본 개수로 나눈다.
표본의 표준편차 = 표본표준편차(s, 에스)
표본수치
- 표본에서 구한 표본평균(x바)와 표본표준편차(s)
- 즉, x바와 s
정리
1. 모평균(μ, 뮤) : 모집단의 평균
2. 모표준편자(σ, 시그마) : 모집단의 표준편차
3. 모수치 : μ, σ
4. 표본평균(X바, 엑스바) : 표본의 평균
5. 표본표준편차(s, 에스) : 표본의 표준편차
6. 표본수치 : x바, s
7. 엑스바 = ∑X/N : 표본의 평균 = 각 표본 데이터를 모두 더한 뒤 표본의 개수로 나눈다
반응형
'알고리즘 > Codility' 카테고리의 다른 글
댓글
반응형
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 하이퍼레저 인디
- 알고리즘
- 빅데이터 기초
- docker
- 코테
- Private Data
- codility
- 하이퍼레저 패브릭
- 어서와 데이터는 처음이지
- DOCs
- 코딩테스트
- 블록 체인
- 빅데이터
- 코딜리티
- 기초 of 기초 데이터 개념
- 직딩잇템
- 하이퍼레저 페브릭
- ambrosus
- 빅데이터 강의
- Hyperledger Indy
- 빅데이터 교육
- Hyperledger Fabric v1.2
- 문제풀이
- 암브로셔스
- Blockchain
- 블록체인
- javascript
- Hyperledger Fabric v1.1
- Hyperledger Fabric
- ubuntu
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
글 보관함