Notice
Recent Posts
Recent Comments
Link
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 | 29 | 30 | 31 |
Tags
- 확률모형
- 데이터분석
- 통계면접
- 리샘플링
- 통계
- 신뢰구간
- 상관계수
- 확률변수
- 고유벡터
- p-value
- Self-attention
- 조건부확률
- 검정
- 모집단
- 확률밀도함수
- 검정력
- 평균
- 누적분포함수
- 베타분포
- 모평균
- 확률
- 확률분포
- 데이터분석면접
- ViT
- 선형대수
- 샘플링
- 고유값
- 공분산
- Transformer
- 표본
Archives
- Today
- Total
AIMS Study Blog
중심극한정리 본문
Q. 중심극한 정리는 왜 유용한걸까요?
중심극한정리
- 중심극한정리는 표본 크기 (n)가 증가함에 따라, 표본 평균들이 이루는 분포가 정규분포에 근사한다는 이론이다.
- 중심극한정리는 모집단이 평균이 μ이고 표준편차가 σ인 임의의 분포를 이룬다고 할 때, 이 모집단으로부터 추출된 표본의 크기 n이 충분히 크다면, 표본 평균들이 이루는 분포는 평균이 μ이고 표준편차가 σ√n인 정규분포에 근접한다는 이론이다.
- 따라서 중심극한정리는 모평균 추정 시에 유용하게 쓰인다.
- 중심극한정리가 성립하기 위해서는 표본 크기 (n)가 최소 30 이상이어야 한다.
Summary
- 중심극한정리는 모집단이 평균이 μ이고 표준편차가 σ인 임의의 분포를 이룬다고 할 때, 이 모집단으로부터 추출된 표본의 크기 n이 충분히 크다면, 표본 평균들이 이루는 분포는 평균이 μ이고 표준편차가 σ√n인 정규분포에 근접한다는 이론이며, 중심극한정리는 수학적 확률 추정 (모평균 추정) 시에 유용하게 쓰인다.
Reference
'통계' 카테고리의 다른 글
중심 극한 정리 (0) | 2023.02.26 |
---|---|
산술 평균과 중앙값 (0) | 2023.02.26 |
평균(Mean)과 중앙값(Median) (0) | 2023.02.26 |
평균과 중앙값 (0) | 2023.02.25 |
R square 의 의미 (0) | 2023.02.18 |
Comments