나는 매우 기본적이고 최소한의 요구 사항 관점에서 이것을 생각하고 있습니다. 업계 (학계 아님) 통계학자가 정기적으로 알고 이해하고 활용해야하는 주요 이론은 무엇입니까? 마음에 떠오르는 것은 큰 법칙입니다 . 통계 분석을 데이터 분석에 적용하는 데 가장 필요한 것은 무엇입니까?
CLT (Central Limit Theorem)에 관한 초보자 질문이 있습니다. CLT는 iid 임의 변수의 평균이 대략 정규 분포 ( 인 경우 은 summands의 인덱스 임)이거나 표준화 된 무작위 변수는 표준 정규 분포를 갖는다는 것을 알고 있습니다.n → ∞엔→∞n \to \infty엔엔n 이제 대수 법칙은 iid 랜덤 변수의 평균이 (확률 적으로 또는 거의 확실하게) …
로드 된 주사위에 관한 비디오를 만들려고 노력하고 있습니다. 비디오의 어느 시점에서 우리는 약 200 개의 주사위를 굴려서 6 개를 모두 다시 굴려서 6 개를 모두 굴려서 세 번째로 굴립니다. 우리는 한 번에 6 번씩 6 번 나온 주사위를 가지고 있었는데, 이는 1/216의 확률로 발생하고 약 200 개의 주사위를 가지고 있었기 …
중심 한계 정리는 이 무한대로 갈 때 iid 변수의 평균 이 정규 분포를 따릅니다.엔NN 이것은 두 가지 질문을 제기합니다. 우리는 이것을 많은 수의 법칙으로 추론 할 수 있습니까? 많은 수의 법칙은 확률 변수의 값의 샘플의 평균은 실제 평균에 해당된다는 말한다면 으로 무한대 다음이 값이되고 있음 (중심 극한 말한대로) 그 말을 …
분포의 일부 iid 샘플 포인트 가 주어지면 큰 수의 (약 / 강한) 법칙에 의해 샘플 평균 f ∗ ( { x i , i = 1 , … , N } ) : = 1{xi∈Rn,i=1,…,N}{xi∈Rn,i=1,…,N}\{x_i \in \mathbb{R}^n, i=1,\ldots,N\}는 표본 크기N 이 무한대로 갈수록확률과 분포 분포 분포로 수렴합니다.f∗({xi,i=1,…,N}):=1N∑Ni=1xif∗({xi,i=1,…,N}):=1N∑i=1Nxif^*(\{x_i, i=1,\ldots,N\}):=\frac{1}{N} \sum_{i=1}^N x_i …