본 글은 Havard University Statistics 110 강의를 듣고 정리한 내용입니다.
Coupon Collector(toy collector)
n toy types, equally likely
모든 종류의 장난감을 모을 때까지의 예상 시간 T?
T = T1 + T2 + ... + Tn
T1 = time until 1st new toy = 1
T2 = additional time until 2nd new toy
T3 = additional time until 3rd new toy
T1= 1
T2-1 ~ Geom(n-1/n) * T2-1을 해준 것은 기하분포가 0에서 시작한다는 표기 방법, 최소 1개의 장난감은 가지고 있기 때문에 1을 빼줌
Tj - 1 ~ Geom(n-j+1/n)
E(T) = E(T1) + E(T2) + ... + E(Tn) = 1 + n/n-1 + n/n-2 + ... + n/1 = n(1 + 1/2 + 1/3 + ... + 1/n) ≒ nlogn (충분히 큰n)
- E(Geom(n-1/n)) = q/p = 1/n-1 (ch9)
- E(Geom(n-1/n) + 1) = q/p + 1 = 1/n-1 + 1 = n/n-1
Universality(균등분포의 보편성)
X ~ F
F(x0) = 1/3
P(F(x)≤1/31/3)=P(X≤x0) = F(x0) = 1/3
∴F(X)∼Unif(0,1)
Logistc Distribution
Symmetry, Linearity
X, Y, Z be i.i.d. positive r.v.s. (동일한 확률 분포, 상호 독립)
Find E(X/X+Y+Z)
E(X/X+Y+Z) = E(Y/X+Y+Z) = E(Z/X+Y+Z) (Symmetry)
E(X/X+Y+Z) + E(Y/X+Y+Z) + E(Z/X+Y+Z) = E(X+Y+Z/X+Y+Z) = 1
E(X/X+Y+Z) = 1/3
LOTUS
U ~ Unif(0, 1), X = U^2, Y = e^X
적분을 통한 E(Y) 찾기
E(Y) = ∫[x = 0~1] e^x f(x) dx, f(x) is PDF if X
Better way E(Y) = ∫[u = 0~1] e^(u^2)du
Story Proof practice
X ~ Bin(n, p)
find distribution of n-X
P(n-X=k) = P(X=n-k)
Simple way : n-X~Bin(n, q) (성공과 실패를 바꾸면 됨. 성공의 정의는 마음대로)
Poisson Distribution
일정 시간 t 까지 받는 이메일의 수가 Pois(λt) 를 따른다고 할 때, 첫 번째 이메일까지 걸리는 시간 T1 의 분포(PDF)를 구하시오.
생각하기 쉽도록 T>t로 진행
P(T>t) = P(Nt = 0) ∵Nt = number of emails until 0 ~ t
= e−λt (λt)^0 / 0!=e^(^−λt )
CDF = 1-e^(−λt), t > 0
'Study > 통계학' 카테고리의 다른 글
17. 적률생성함수(Moment Generating Functions) (0) | 2022.02.03 |
---|---|
16. 지수분포(Exponential Distribution) (0) | 2022.02.01 |
14. 위치, 척도 및 무의식적인 통계학자의 법칙(Location, Scale, and LOTUS) (0) | 2022.01.29 |
13. 정규분포 (Normal Distribution) (0) | 2022.01.28 |
12. 이산, 연속, 균등분포 (Discrete vs. Continuous, the Uniform) (0) | 2022.01.27 |
댓글