본 글은 Havard University Statistics 110 강의를 듣고 정리한 내용입니다.
Exponential Distribution
지수함수의 PDF
지수함수의 CDF
Y = λX 라고 가정했을 때, Y ~ Expo(1)
Memoryless Property(지수분포의 무기역성)
Moment Generating Function(적률생성함수)
확률변수 X가 적률생성함수 M(t)를 가지고 있다고 할 때,
- 테일러 급수인 t^n/n!의 계수인 E(X^n)이 n차 적률을 나타낸다.
- 같은 MGF를 가지는 두 확률변수는 같은 확률분포를 가짐
X ~ Bern(p)
X ~ Bin(n,p)
Z ~ N(0, 1)
Exponential MGF
X ~ Expo(1)
Y ~ Expo(λ), X = λY ~ Expo(1)
Normal MGF
Z ~ N(0, 1)
Poisson MGF
X ~ Pois(λ)
Y ~ Pois(μ), X, Y는 독립
결합분포(Joint Distribution)
X, Y Bernoulli
확률변수 X, Y의 joint CDF F(x, y) = P(X≤x,Y≤y)
- 이산확률변수와 연속확률변수의 조합에도 성립
이산형인 경우의 joint PMF P(X=x,Y=y)
Joint PDF
주변 분포(Marginal Distribution)
확률변수 X의 marginal CDF: P(X≤x)
marginal PMF : P(X=x)
marginal PDF of X
conditional PDF of Y|X
2-dim LOTUS
X와 Y가 결합 확률밀도함수 f(x, y)를 가지고, g(x, y)가 x, y 에 대한 함수라고 할 때,

만약 X와 Y가 독립이면 E(XY) = E(X)E(Y)
Proof(continuous case)

독립이기 때문에 PDF는 각 변수에 대한 PDF의 곱으로 나타낼 수 있다.
다항분포
joint PMF
marginal distribution
코시분포
T = X/y, X, Y ~ N(0, 1)
'Study > 통계학' 카테고리의 다른 글
26. 조건부 기댓값_2(Conditional Expectation Continuted) (0) | 2022.03.03 |
---|---|
25. 순서통계량과 조건부 기댓값(Order Statistics and Conditional Expectations) (0) | 2022.03.03 |
24. 감마분포와 포아송 과정(Gamma distribution and Poisson process) (0) | 2022.02.21 |
23. 베타분포(Beta disctribution) (0) | 2022.02.21 |
22. 변수변환과 합성곱(Transformations and Convolutions) (0) | 2022.02.21 |
댓글