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
- 상태
- SK바이오사이언스
- skt membership
- Flexbox
- c
- 소수
- 포토샵
- spring
- stl
- align-items
- dataframe
- 통신사할인
- 수학
- Javascript
- 강화학습
- CSS
- pandas
- Photoshop
- margin
- grid
- 백준
- Codility
- 알고리즘
- 확률
- 에라토스테네스의 체
- Gap
- c++
- Design Pattern
- series
- Prefix Sums
Archives
- Today
- Total
목록공분산 (1)
sliver__
[수학] 기댓값과 공분산
[기댓값과 공분산] 확률과 관련된 가장 중요한 계산 중 하나는 함숫값들의 가중 평균을 구하는 것이다. 확률 밀도 p(x) 하에서 어떤 함수 f(x) 의 평균값은 f(x)의 기댓값 ( expectation ) 이라 하며, $ E[f] $ 라 적는다. 이산 분포의 경우 기댓값은 아래와 같다. $ E[f] = \Sigma_{x} p(x) f(x) $ 각 x 값에 대한 확률을 가중치로 사용한 가중 평균이다. 연속변수의 경우 해당 확률 밀도에 대해 적분을 시행해서 기댓값을 구할 수 있다. $ E[f] = \int f(x)p(x) dx$ 유한한 N개의 포인트를 확률 분포 또는 확률 밀도에서 추출했다면, 이산/연속 모든 경우에 각 포인트들의 유한한 합산으로 기댓값을 근사할 수 있다. $ E[f] \simeq {{1 ..
카테고리 없음
2022. 7. 6. 05:42